Прогнозирование диаметра мембраны из нановолокон электропрядения с использованием комбинированной методологии поверхности отклика и подхода машинного обучения

Научные отчеты, том 13, Номер статьи: 9679 (2023) Цитировать эту статью

439 Доступов

Подробности о метриках

Несмотря на широкий интерес к технологии электропрядения, было проведено очень мало исследований по моделированию. Таким образом, текущие исследования создали систему, обеспечивающую устойчивый и эффективный процесс электропрядения путем объединения планирования экспериментов с моделями прогнозирования машинного обучения. В частности, чтобы оценить диаметр электропряденой нановолоконной мембраны, мы разработали модель локально взвешенной регрессии частичных наименьших квадратов ядра (LW-KPLSR), основанную на методологии поверхности отклика (RSM). Точность прогнозов модели оценивалась на основе ее среднеквадратической ошибки (RMSE), средней абсолютной ошибки (MAE) и коэффициента детерминации (R2). В дополнение к регрессии главных компонентов (PCR), локально взвешенной регрессии частичных наименьших квадратов (LW-PLSR), частичной регрессии наименьших квадратов (PLSR) и модели регрессии опорного вектора наименьших квадратов (LSSVR), используются некоторые другие типы регрессионных моделей. для проверки и сравнения результатов было использовано нечеткое моделирование и модель регрессии опорного вектора наименьших квадратов (LSSVR). Согласно результатам нашего исследования, модель LW-KPLSR показала себя намного лучше, чем другие конкурирующие модели, при попытке спрогнозировать диаметр мембраны. Об этом свидетельствуют гораздо более низкие значения RMSE и MAE модели LW-KPLSR. Кроме того, он предлагал самые высокие значения R2, ​​которые могли быть достигнуты, достигнув 0,9989.

Нановолокна представляют собой волокнистые материалы, характеризующиеся своим диаметром, обычно в диапазоне от 1 до 100 нм. Нановолокна обладают значительной площадью поверхности, повышенным соотношением сторон, исключительными поверхностными характеристиками, явлениями квантового ограничения и способностью к быстрому поглощению биомолекул, что приводит к их применениям, включая экологическую инженерию, биомедицинскую инженерию, тканевую инженерию, машиностроение и т. д.1,2. Электропрядение — это простой подход, который можно использовать для производства полимерных нановолокон из широкого спектра полимеров в присутствии сильного электростатического поля3,4,5,6. Насос, шприц с насадкой, источник питания электрического поля и либо электрод сравнения, либо заземленный предмет составляют основные компоненты устройства электропрядения. Сопло шприца и противоэлектрод, в котором хранится раствор, который будет подвергаться электропрядению, работают вместе, создавая сильное электрическое поле. По мере ускорения заряженной струи по направлению к противоэлектроду растворитель в растворе испаряется, образуя твердые непрерывные нановолокна на заземленной мишени. В результате разницы потенциалов между эжектором и заземленной мишенью форма капли раствора, выбрасываемой из сопла, искажается и становится конусной7,8. Диаметр нановолокон играет жизненно важную роль в определении их функциональных возможностей, таких как адсорбция, фильтрация, каталитическая деградация и т. д.9,10. Важно отметить, что на это влияют несколько факторов, таких как концентрация раствора полимера, поверхностное натяжение, вязкость, проводимость, скорость потока, напряжение, расстояние между иглой и коллектором, размер иглы и относительная влажность. изменение диаметра. В результате следующие параметры должны быть тщательно отрегулированы для получения идеальных диаметров мембран нановолокон с их функциональными свойствами11,12.

Традиционный метод оптимизации «по одному фактору за раз» (OFAT) является дорогостоящим и трудоемким, и он не всегда может привести к определению оптимальных значений для всех переменных. Планирование эксперимента (DOE) зарекомендовало себя как отличный метод планирования и улучшения экспериментов. Это надежный статистический метод максимизации результатов экспериментов с использованием известных входных данных. Необходимо оптимизировать полученную информацию, ограничивая при этом n-количество экспериментальных прогонов13,14,15,16. Чтобы построить приблизительную модель, описывающую связь между ответом и набором переменных-предикторов, методология поверхности отклика (RSM) представляет собой простой и эффективный подход к оптимизации. Наиболее популярным подходом к оптимизации RSM, позволяющим максимизировать выпуск при минимизации затрат, является проект Бокса-Бенкена (BBD). Этот метод основан на факторном проектировании и использует незаконченный блок коробчатой ​​формы с каркасом, составляющим внутреннюю часть коробки. С помощью BBD пользователи могут адаптировать к данным полиномиальную модель второго порядка, используя математическую связь между переменными и ответами17. Центральное композитное проектирование (CCD) — еще один популярный метод RSM для анализа влияния переменных входных данных на качество продукции. Квадратичная модель CCD играет важную роль в рамках RSM, поскольку она отображает множество криволинейных функций18. Многочисленные исследовательские усилия были сосредоточены на стратегиях RSM на основе BBD и CCD для регулирования диаметра электропряденых нановолокон19,20,21. Из-за нелинейных корреляций ввода-вывода в технологических данных исследователи-экспериментаторы часто считают RSM сложным инструментом22.