一种基于机器学习的碳纤维复合材料拉伸强度预测方法

本发明公开了一种基于机器学习的碳纤维复合材料拉伸强度预测方法，包括以下步骤：采集碳纤维复合材料的组分数据及各原始组分的常温拉伸强度数据，形成数据集；对数据集的所有原始组分进行分类；计算数据集中各功能组分的力学特性，生成相应的特征；进行特征处理和特征筛选，构建特征池，并进行特征重要性排序；通过迭代优化算法从特征池中筛选出最优子特征集；以最优子特征集为输入自变量，碳纤维复合材料的常温拉伸强度为输出因变量，采用适用于高维度非线性数据的梯度提升决策树回归算法构建预测模型。本发明将特征提取与机器学习算法相结合，提高了对复合材料微观结构的理解，进而提升碳纤维复合材料拉伸强度预测的准确性。