预测聚乙烯-碳纳米管复合材料性能的基因编程方法

预测聚乙烯-碳纳米管复合材料性能的基因编程方法 Gene Programming Approach for Predicting the Properties of Polyethylene-Carbon Nanotube Composites

页面：11,作者/机构:Not Found

简介:这份报告探讨了利用基因编程（GEP）预测聚乙烯-碳纳米管复合材料性能的方法。不同于传统的依赖经验公式或简化理论模型的预测方法，GEP作为一种数据驱动的方法，能够学习大量的实验数据，建立起材料成分、结构与性能之间的复杂关系，从而实现对复合材料性能的准确预测。报告详细介绍了深度传感压痕技术、基因编程技术以及基于GEP的预测模型的构建和验证过程，并通过实验数据佐证了该模型在预测聚乙烯-碳纳米管复合材料弹性模量方面的准确性。

报告重点

深度传感压痕技术是评估薄膜和涂层等小尺度材料力学性能的有效方法，可以克服传统拉伸试验的局限性。
基因编程技术，模拟生物进化过程，能够学习材料成分、结构与性能之间的复杂关系，实现对复合材料性能的准确预测。
研究提出了一个基于基因编程的聚乙烯-碳纳米管复合材料性能预测模型，该模型将材料成分、碳纳米管种类和制备工艺等作为输入参数，并通过实验验证了其预测精度。
该报告详细介绍了基因表达式树 (GEP) 模型的构建，包括输入参数（基体类型、纳米填料类型、含量、加工技术和分析方法）和输出值（储存模量 DS）的编码和含义。
研究结果表明，碳纳米管含量是影响PECNTs弹性模量的最重要因素，并且GEP模型的预测精度随着训练数据量的增加而提高。

参考图示

下载链接

扫描二维码关注微信，回复报告或者 baogao ，即可获取密码