基于应力-应变曲线的机器学习预测聚乙烯和聚丙烯力学性能
发布时间:2026-04-14 | 来源:高分子学报 | 分类:PP | 作者:张乐康; 孙晓宇; 李景庆; 刘伦洋; 廖涛; 卢影; 李宏飞; 门永锋; 蒋世春
根据聚乙烯(PE)和聚丙烯(PP)的工程应力-应变曲线以及杨氏模量(YM)、断裂伸长率(EB)和拉伸强度(TS)构建了多特征机器学习预测模型,探究了材料属性、制样工艺、测试参数对力学性能的影响. 通过最小绝对值收敛和选择算子(Lasso)、决策树回归(DTR)、随机森林回归(RF)等7种算法,结合5折交叉验证和超参数优
根据聚乙烯(PE)和聚丙烯(PP)的工程应力-应变曲线以及杨氏模量(YM)、断裂伸长率(EB)和拉伸强度(TS)构建了多特征机器学习预测模型,探究了材料属性、制样工艺、测试参数对力学性能的影响. 通过最小绝对值收敛和选择算子(Lasso)、决策树回归(DTR)、随机森林回归(RF)等7种算法,结合5折交叉验证和超参数优化,实现了力学性能的定量预测;基于极端梯度提升树回归(XGB)算法完成了应力-应变曲线的高保真度拟合. 结果表明:PE力学性能的预测受数据量限制虽然存在精确度局限,但预测趋势表明预测方法有效;YM在PP数据集上预测性能最优(测试集<italic>R</italic><sup>2</sup>≥0.80,部分模型超过0.90),无明显过拟合;EB和TS预测受数据量所限,仅RF、XGB、KNN模型在PP数据集中表现出有效预测能力;控制变量条件下,PP的应力-应变曲线预测<italic>R</italic><sup>2</sup>大于0.90,可精准再现温度依赖的力学性能. 证明了机器学习对聚烯烃力学性能预测的可行性,可为高分子材料力学性能快速预测提供技术支撑.
返回资讯频道