一种基于机器学习的聚合物复合材料摩擦学性能预测方法

本发明提供了一种基于机器学习的聚合物复合材料摩擦学性能预测方法，包括：收集包括聚合物复合材料组分、实验参数、摩擦系数和磨损率在内的实验数据；对已有的摩擦磨损实验数据进行处理，其分为训练集和测试集；构建基于梯度增强回归(GBRT)的预测模型，输入训练集和测试集对预测模型进行训练；基于训练好的预测模型，带入相应参数获得预测值；将预测值与实验测试值对照，反复训练提高预测准确性。本发明选用实验所得数据作为输入值，在此基础上构建了梯度增强回归模型，通过反复训练实现性能预测。相比于现有实验测试技术，本发明通过机器学习的方法可以更精确的预测材料在任意条件下的性能，大大缩短了实验周期并节约实验成本。