来源：期刊VIP网 时间：
作者：卢骋;周麟铭;厉小燕;沈振;吴勇军;王倩;
单位：浙江省产品质量安全科学研究院;浙江大学材料科学与工程学院;
摘要：拉伸性能是材料重要的力学性能之一，对于塑料等材料一般通过破坏性的拉伸试验进行评测。本研究采用基于数据驱动的机器学习算法，将透明PC塑料的黄色指数、雾度和透光率等无损检测结果与其拉伸性能通过构建神经网络框架进行量化关联，实现了基于无损检测结果的拉伸性能预测评估。其中，在对神经网络进行超参数优化后，预测模型表现更佳，尤其是对拉伸强度的预测，误差百分比仅为2.25%,为利用机器学习对材料力学性能进行无损评估提供了前期探索。
关键词：机器学习;;神经网络;;拉伸性能;;无损分析;;PC塑料
基金资助：浙江省市场监管局资助项目(ZC2021A016)
