โปรไฟล์การวิจัย
ตีพิมพ์ในการศึกษา Polymer Testing เล่ม 163 ตุลาคม 2026 โดย Wenhan Tian, Yichuang Zhang, Han Wang, Yan Gao, Hongfei Zhou และอื่น ๆ ภายใต้ชื่อ Analysis of Hygrothermal aging mechanism of composites from acoustic emission data using machine learning and LLMs. การศึกษามุ่งเน้นไปที่กลไกการเสื่อมสภาพของวัสดุคอมโพสิตในสภาพแวดล้อมที่ร้อนชื้นโดยใช้ข้อมูลการปล่อยคลื่นเสียง (AE) เป็นวิธีการตรวจสอบและแนะนำการเรียนรู้ของเครื่องด้วยแบบจำลองภาษาขนาดใหญ่ (LLMs) สำหรับการวิเคราะห์ข้อมูล
วิธีการและเส้นทางเทคนิค
การศึกษาขึ้นอยู่กับข้อมูลการปล่อยอะคูสติกรวมกับอัลกอริทึมการเรียนรู้ของเครื่องและ LLMs เพื่อแยกสัญญาณความเสียหายในระหว่างการเสื่อมสภาพด้วยความร้อนชื้นของวัสดุคอมโพสิต เทคโนโลยีการปล่อยอะคูสติกสามารถจับคลื่นยืดหยุ่นชั่วคราวที่เกิดจากวัสดุในระหว่างกระบวนการชราสัญญาณเหล่านี้เกี่ยวข้องกับรูปแบบความเสียหายเช่นการแตกของเมทริกซ์การแตกหักของเส้นใยการแตกหักของอินเทอร์เฟซ การจดจํารูปแบบของลักษณะการปล่อยเสียงผ่านการเรียนรู้ของเครื่องและการตีความผลการวิเคราะห์ด้วยความช่วยเหลือของ LLMs การวิจัยพยายามสร้างเส้นทางความสัมพันธ์ตั้งแต่ข้อมูลการตรวจสอบไปจนถึงกลไกการเสื่อมอายุ
ความสำคัญในด้านอายุและการทำให้เสถียรภาพของพอลิเมอร์
แม้ว่าการศึกษานี้ไม่ได้เกี่ยวข้องกับสูตรเสริมโพลิเมอร์โดยตรง แต่วิธีการวิเคราะห์กลไกอายุนั้นมีค่าอ้างอิงสำหรับเทคโนโลยีอายุและการทำให้เสถียรภาพของพอลิเมอร์ ในระบบเสถียรภาพของสภาพอากาศสภาพแวดล้อมที่ร้อนและชื้นเป็นหนึ่งในปัจจัยสำคัญที่ทำให้เกิดการย่อยสลายของพอลิเมอร์ ความเข้าใจวิวัฒนาการของความเสียหายในกระบวนการของริ้วรอยช่วยในการประเมินประสิทธิภาพที่แท้จริงของระบบต่อต้านออกซิเจนและระบบเสถียรภาพของแสง ในฐานะที่เป็นวิธีการทดสอบแบบไม่ทำลายการปล่อยเสียงสามารถเสริมวิธีการลักษณะริ้วรอยแบบดั้งเดิมเพื่อให้การสนับสนุนข้อมูลมิติเพิ่มเติมสำหรับการประเมินความเสถียรของ HALS, UVA และระบบผสมในสภาพแวดล้อมที่ซับซ้อน
นอกจากนี้ Machine Learning กับ LLMs ในการวิเคราะห์ข้อมูลอายุชี้ให้เห็นว่าลักษณะการตรวจจับอายุของโพลีเมอร์กำลังพัฒนาไปในทิศทางที่ขับเคลื่อนด้วยข้อมูลและอัจฉริยะ สําหรับวิศวกรและช่างเทคนิคที่มีส่วนร่วมในการวิจัยเสถียรภาพของการประมวลผลและความเสถียรของสภาพอากาศ วิธีการดังกล่าวคาดว่าจะปรับปรุงประสิทธิภาพของการวิจัยกลไกการเสื่อมสภาพและให้พื้นฐานการทดลองที่สมบูรณ์ยิ่งขึ้นสําหรับการเพิ่มประสิทธิภาพสูตรของระบบการผสมพันธุ์
ขอบเขตการศึกษาและทิศทางที่จะสังเกต
ควรสังเกตว่าวัตถุของการศึกษานี้เป็นวัสดุคอมโพสิตซึ่งอาจมีความแตกต่างระหว่างลักษณะของสัญญาณการปล่อยเสียงและระบบพอลิเมอร์บริสุทธิ์ การวิจัยไม่ได้เกี่ยวข้องกับระบบสูตรต่อต้านออกซิเจนที่เฉพาะเจาะจงผลิตภัณฑ์ HALS หรือ UVA และไม่ได้ให้ความสัมพันธ์เชิงปริมาณระหว่างปริมาณของสารเสริมและคุณสมบัติของริ้วรอย ดังนั้นเมื่อย้ายวิธีการนี้ไปสู่การประเมินผลโพลิเมอร์เสริมยังคงต้องได้รับการตรวจสอบร่วมกับระบบวัสดุที่เฉพาะเจาะจง ต่อมาเป็นที่น่าสังเกตว่าวิธีการขับเคลื่อนข้อมูลดังกล่าวสามารถสร้างกระบวนการที่ได้มาตรฐานในการเตือนอายุของพอลิเมอร์ล่วงหน้าและการคัดกรองระบบรักษาเสถียรภาพได้หรือไม่
การสังเกตการณ์ทางเคมีของ Herun
รอบอายุโพลิเมอร์, สภาพอากาศที่มีเสถียรภาพ, ระบบป้องกันออกซิเจน, HALS,UVA, ระบบการผสมพันธุ์ Herun Chemical ยังคงให้ความสนใจกับความก้าวหน้าทางเทคโนโลยีเสถียรภาพในการประมวลผลและการประยุกต์ใช้ในการลงจอดในสาขานี้ บทความนี้แก้ไขและจัดเรียงตามข้อมูลแหล่งที่มาสูตรเฉพาะการเลือกผลิตภัณฑ์และการตรวจสอบประสิทธิภาพโปรดรวมการให้คำปรึกษาสภาพการทำงานจริง
แหล่งข้อมูล: Analysis of hygrothermal aging mechanism of composites from acoustic emission data using machine learning and LLMs， เสร็จสิ้นโดย Herun เคมี