短切玻纤增强热塑性复合材料性能智能预测训练数据

该数据基于超10w条玻璃纤维短切原丝增强热塑性复合材料的试验记录，以玻纤质量含量、短切长度、注塑温度等关键工艺参数为核心输入，通过多输出随机森林模型一次性输出拉伸强度、缺口冲击等八项关键力学性能预测值，实现从原料到性能的全链路智能推演。 在智能强度预测与配方推荐场景中，研发人员只需设定目标强度及可选约束，系统即可自动推荐最优纤维规格与含量组合，同步输出预测性能与置信区间，将传统试错式开发转变为数据驱动的虚拟试验，减少实际试验次数，以及压缩筛选周期。 该数据不仅对内形成持续迭代的核心知识库，支撑配方设计、工艺优化与质量诊断等多业务环节；而且对外可为上下游供应商及改性塑料企业提供快速预估服务，降低行业研发门槛，并以材料性能知识库形式参与行业基准建设，在技术授权、联合研发、数字化平台等方向持续衍生价值，推动内部数据资产向产业协同节点升级。一.数据采集： 采集原料信息包括玻纤质量含量(%)、短切长度(mm，从试样规格提取)、树脂基体种类、纤维直径(μm)、浸润剂牌号；成型工艺包括：注塑温度(℃)、注塑速度(mm/s)、保压二段压力(kg/cm²)、模具温度(℃)；力学性能包括拉伸强度、拉伸模量、断裂伸长率、弯曲强度、弯曲模量、弯曲绕度、无缺口冲击强度、缺口冲击强度共8项指标。数据总量超10万条，通过自动化校验确保完整性与一致性。 二.数据预处理： 1.完整性校验：检查关键字段（玻纤质量含量、注塑温度、树脂基体种类、8项力学性能）是否缺失，缺失率超过阈值则标记为无效记录。 2.异常值剔除：基于四分位距法或物理范围剔除异常值。 3.规格拆解：从“试样规格”字段自动提取纤维直径(μm)、短切长度(mm)、浸润剂牌号。 4.体积含量转换（仅用于刚性提升计算）：将玻纤质量含量（%）转换为纤维体积含量（%）。玻纤密度固定为 2.60 g/cm³；树脂密度根据树脂基体种类查表（PA66:1.15, PP:0.90, PBT:1.31）。转换公式为： 纤维体积含量(%) = (玻纤质量含量 ÷ 玻纤密度) ÷ (玻纤质量含量 ÷ 玻纤密度 + (100 - 玻纤质量含量) ÷ 树脂密度) × 100。 三.数据处理 1.特征工程：构造交互特征“玻纤质量含量 × 短切长度”；对玻纤质量含量、注塑温度进行Z-score标准化。 2.派生指标估算（基于历史同类样本统计值估算，作为辅助输入）： 增强效率（拉伸）估算 = 拉伸强度 ÷ 玻纤质量含量（MPa/%）； 增强效率（弯曲）估算 = 弯曲强度 ÷ 玻纤质量含量（MPa/%）； 刚性提升估算 = 拉伸模量 ÷ 纤维体积含量（GPa/%）； 韧性平衡估算 = 缺口冲击强度 ÷ 拉伸强度（无量纲）。 3.模型训练：采用多输出随机森林，同时预测8项力学性能。以拉伸强度为主目标，通过网格搜索优化超参数，五折交叉验证评估R²、MAE、RMSE。 4.模型输出：每条输入输出8项预测值及95%置信区间，并回算派生指标，供配方推荐与工艺优化使用。

搜集汇总

背景与挑战

背景概述

该数据集基于超过10万条玻璃纤维短切原丝增强热塑性复合材料的试验记录，以玻纤质量含量、短切长度、注塑温度等关键工艺参数为输入，利用多输出随机森林模型一次性预测拉伸强度、缺口冲击等八项力学性能，实现从原料到性能的智能推演。在配方推荐场景中，研发人员设定目标强度后，系统可自动推荐最优纤维规格与含量组合并输出预测值及置信区间，将传统试错开发转变为数据驱动的虚拟试验，有效减少试验次数、缩短筛选周期。