论文题目：高性能胎面胶材料的设计与制备：机器学习与实验研究
摘要：汽车工业的快速发展对胎面胶材料提出了更高的要求,即兼具平衡的“魔三角”以及良好的机械性能。各性能间相互关联,相互制约,很难被同时提升,如何实现各性能间的理想平衡是设计者面临的首要问题。胎面胶材料的设计涉及基体、填充体系、防老体系、硫化体系和加工工艺等多种因素,是一个非常复杂的过程。若采用传统单变量分析方法,则需要设置大量的实验来实现设计的优化,耗时耗财,且很容易陷入局部最优解,难以充分发挥材料的潜力。机器学习方法作为一种新兴的人工智能手段,已被成功用于生物工程、食品科学、能源系统和材料科学等不同学科。与传统的实验驱动的材料开发方法相比,机器学习作为一种数据驱动的方法允许同时对多个变量进行研究,并给出全局最优解,从而大大加速材料的设计过程。另一方面,从机器学习模型中也可以得到各自变量的相对重要性以及各变量间可能存在的交互作用,帮助设计者加深对材料的理解。本论文尝试将机器学习方法与实验手段相结合来加速高性能胎面胶材料的设计与制备,并对相对复杂的耐磨性进行了重点研究,主要包括以下四部分内容:论文第一部分（第二章）研究了碳纳米管、炭黑、白炭黑三元填充体系中各填料用量对NR复合材料各性能的影响,借助机器学习方法实现了对胎面胶材料滚动阻力,抗湿滑性,拉伸强度和硬度的快速预测,并给出了“低滚阻方案”和“高抗湿滑方案”。通过三因素三水平的正交设计安排实验得到27个不同的NR复合材料作为样本点。通过“试错法”确定最合适的建模算法为多元线性回归（MLR）算法,此时所有目标性能的预测误差均小于5%;通过建立好的机器学习模型分析各填料用量与目标性能间的关系,发现填料总用量是影响NR胎面胶抗湿滑性,滚动阻力与拉伸强度的最主要因素,白炭黑用量增大有利于平衡胶料的动态性能,碳管用量增大则可以显著提高胶料的硬度和拉伸强度。最后根据模型设计出了低滚阻配方“1.25份碳管,31份白炭黑,43份总填料”和高抗湿滑配方“1.2份碳管,31份白炭黑,48份总填料”并进行了实验验证。在第一部分的基础上,论文第二部分（第三章）对自变量进行了扩充,同时对基体,防老体系和填充体系进行研究,并在目标性能中加入“魔三角”中最复杂的耐磨性,通过机器学习方法实现了对NR复合材料耐磨性,滚动阻力,抗湿滑性和机械性能的快速预测和有效平衡。通过均匀设计安排实验得到具有代表性的样本点,并通过对比选择出对于各目标性能来说最合适的算法建立预测模型。对预测模型进行可视化分析,发现NR种类与炭黑种类间交互作用对于Akron磨耗和拉伸强度的影响最大,这反映了不同种类NR与炭黑间亲和性的差异,而对于抗湿滑性和滚动阻力来说,最重要的影响因素分别为NR种类与防老剂用量间的交互作用（主要影响交联密度）和炭黑种类。根据机器学习模型得到了一系列兼顾“魔三角”和拉伸强度的优化设计方案。取其中两个方案OD-1（合成NR,2份防4020,N330）和 OD-2（“烟片-1#,2.25 份防 4020,N330”）进行实验验证,结果表明OD-1和OD-2均能有效平衡各目标性能,其中OD-1的耐磨性更优,OD-2具有更低的60℃ tan δ。论文第三部分（第四章）结合数据挖掘手段与机器学习方法,探究了机械性能对胎面胶材料耐磨性的影响。通过整理前期实验结果和采集文献数据得到样本集,采用梯度提升决策树（GBDT）算法逐步剔除不重要的自变量,发现当使用300%定伸应力、拉伸强度、撕裂强度和断裂伸长率作为自变量时模型具有较小的预测误差。机器学习分析结果表明对于耐磨性来说,300%定伸应力是最重要的自变量,且胶料的磨耗量随着300%定伸应力增大而减小,随着拉伸强度增大先减小后增大,断裂伸长率和撕裂强度对耐磨性的影响相对较小。通过主成分分析法进行降维得到一组相互独立的新自变量,并借助贝叶斯优化进行优化设计,发现高耐磨胎面胶都具有较高的300%定伸应力（＞12.5 MPa）,较低的拉伸强度（＜26 MPa）和断裂伸长率（＜465%）,我们推断这是由于高定伸应力有助于降低胶料受到的摩擦力,低拉伸强度和低断裂伸长率意味着磨耗图纹中脊的尺寸较小,胶料具有较低的裂纹扩展速率。论文第四部分（第五章）通过实验室自研磨耗机模拟了实际行驶过程中飞机胎受到的高速高载条件,探究了载荷、速度和填料用量对NR胎面胶耐磨性的影响。结果表明,胶料的磨耗量随着载荷的增大而增大,但炭黑用量不同的样本之间的相对磨耗大小会随着载荷变化出现反转;转速对磨耗速度的影响小于载荷,当转速从600 rpm增大到800 rpm时,磨耗速率增大,再增大转速,磨耗速率无明显变化。炭黑用量为40或45份的材料磨耗速率接近,但当炭黑用量为50份时,材料的耐磨性显著提升。对橡胶表面形貌和磨屑的形态特征进行观察,发现磨耗表面出现黏腻的降解层,且磨屑中同时包括微米级的微粒磨屑和大尺寸的卷状磨屑,说明NR复合材料的耐磨性主要取决于表面层降解和降解层剥离这两个过程的动态循环,前者占主导时主要发生微粒磨耗,后者占主导时起卷磨耗成为主导磨耗机理。载荷,转速对耐磨性的影响本质上是通过对这两个过程的影响来实现的。
关键词：胎面胶;动静态力学性能;机器学习;优化设计;耐磨性;天然橡胶;磨耗机理
学科专业：材料科学与工程
摘要
Abstract
主要缩写符号及其说明
第一章 绪论
1.1 课题来源
1.2 课题背景
1.3 高性能胎面胶材料的性能需求
1.3.1 滚动阻力
1.3.2 抗湿滑性
1.3.3 耐磨性
1.4 胎面胶材料的设计要素
1.4.1 基体
1.4.2 填充体系
1.4.3 防老体系
1.4.4 机器学习方法在材料设计领域的应用
1.4.5 回归算法
1.4.6 主成分分析法(PCA)
1.4.7 贝叶斯优化(BO)
1.5 论文选题的目的和意义
1.6 论文的主要内容
1.7 论文创新点
第二章 机器学习方法辅助NR胎面胶中三元填充体系的优化设计
2.1 引言
2.2 实验部分
2.2.1 实验原材料
2.2.2 NR复合材料的制备
2.2.3 测试与表征
2.2.4 模型评估
2.3 结果与讨论
2.3.1 样本点
2.3.2 多元线性回归(MLR)模型
2.3.3 人工神经网络(ANN)模型
2.3.4 分类与回归树(CART)模型
2.3.5 支持向量回归机(SVR)模型
2.3.6 四种不同类型机器学习模型的比较
2.3.7 高性能胎面胶材料的优化设计
2.4 本章小结
第三章 机器学习方法辅助NR胎面胶中多元配方变量的优化设计
3.1 引言
3.2 实验部分
3.2.1 实验原材料
3.2.2 NR复合材料的制备
3.2.3 测试与表征
3.2.4 机器学习建模过程
3.2.5 模型评估
3.3 结果与讨论
3.3.1 样本点
3.3.2 统计学分析
3.3.3 机器学习(ML)分析
3.3.4 实验验证
3.4 本章小结
第四章 机器学习方法辅助胎面胶耐磨性与机械性能间的相关性研究
4.1 引言
4.2 实验部分
4.2.1 胎面胶复合材料的制备
4.2.2 测试与表征
4.2.3 机器学习建模过程
4.3 结果与讨论
4.3.1 样本点
4.3.2 机器学习(ML)分析
4.3.3 实验验证
4.4 本章小结
第五章 高载荷下外部条件和填料用量对NR胎面胶耐磨性的影响
5.1 引言
5.2 实验部分
5.2.1 实验原材料
5.2.2 NR复合材料的制备
5.2.3 测试与表征
5.3 结果与讨论
5.3.1 载荷对不同填料用量NR复合材料耐磨性的影响
5.3.2 速度对不同填料用量NR复合材料耐磨性的影响
5.4 本章小结
第六章 总结与展望
参考文献
致谢
导师简介
附件