基于机器学习的CF残留长度预测和影响因素特征重要性分析

发布时间:2026-05-26 | 来源:中国塑料 | 作者:杨文明, 谢林生, 周胜荣, 杨伟光, 徐成龙

以CF/PA6复合材料为研究对象,分析了以密炼机制备CFRP时,转子结构、转速、螺棱间隙和PA6基体黏度对CF残留长度的影响,并基于机器学习算法对各因素的特征权重和重要性进行了预测和评价。结果表明,线性回归算法能够对CF残留长度对数平均值进行有效预测,而非线性算法中的决策树和梯度提升回归模型则能更精准地评价各因素的特征

以CF/PA6复合材料为研究对象,分析了以密炼机制备CFRP时,转子结构、转速、螺棱间隙和PA6基体黏度对CF残留长度的影响,并基于机器学习算法对各因素的特征权重和重要性进行了预测和评价。结果表明,线性回归算法能够对CF残留长度对数平均值进行有效预测,而非线性算法中的决策树和梯度提升回归模型则能更精准地评价各因素的特征重要性。熔体黏度对CF平均残留长度的影响程度最高,特征重要性超过0.4;其次是转速,接近0.32;螺棱数量为近0.25;而螺棱间隙对CF残留长度的影响极小。

返回资讯频道