基于人工神经网络（ANN）预测的生物废弃物填充亚麻–菠萝–环氧树脂混杂复合材料可持续开发及其力学性能增强

《Scientific Reports》：Sustainable development and ANN-based prediction of bio-waste-filled flax–pineapple–epoxy hybrid composites for enhanced mechanical performance

　　

随着对可持续且经济可行材料需求的日益增长，天然纤维增强复合材料正受到制造商与消费者的广泛关注。本项研究针对环境友好型且结构可靠的复合材料日益增长的需求展开，重点探讨将生物废弃物填料引入亚麻和菠萝纤维增强的环氧树脂基体中，评估其在汽车和建筑领域轻量化结构应用中的适用性。研究人员选用椰子壳粉（CSP）、柚木粉（TWD）、蛋壳粉（ESP）和稻壳粉（RHP）四种填料，以固定10 wt%的添加量，采用手糊成型（hand layup）与热压（hot-pressing）相结合的工艺制备混杂复合材料。研究人员对材料的拉伸强度、冲击韧性、层间剪切强度（interlaminar shear strength, ILSS）、断裂韧性和弯曲强度等力学性能进行了系统评价。结果表明，CSP增强复合材料表现出最优的力学性能，相较于其他变体提升幅度为1.95%至42.8%。扫描电子显微镜（scanning electron microscopy, SEM）分析显示CSP复合材料具有改善的纤维–基体界面结合以及较少的孔隙缺陷。此外，研究人员采用人工神经网络（artificial neural network, ANN）模型对力学性能进行预测，获得了较高的预测精度：拉伸强度95.85%、弯曲强度83.9%、冲击强度89.83%。上述结果凸显了农业和工业废弃物填料在天然纤维复合材料中的应用潜力，为结构工程领域的可持续高性能应用提供了重要依据。

本研究围绕可持续复合材料的开发与应用展开，聚焦于将农业和工业生物废弃物转化为高附加值复合材料填料，以应对传统石油基塑料带来的环境挑战。当前，农业废弃物造成严重的环境污染和填埋场溢出问题，尽管天然纤维、果壳和糠麸等材料可被有效回收用于生物复合材料制造，但颗粒尺寸、形状和含水率的不一致性仍是制约复合材料性能均匀性的关键瓶颈。与此同时，石油基塑料虽具有耐用性，但其不可生物降解性导致持久性环境污染。在众多天然纤维中，亚麻纤维和菠萝叶纤维因其优异的力学性能和可持续性而备受关注，然而将多种生物废弃物填料同时引入亚麻–菠萝纤维增强环氧树脂混杂体系的研究尚属空白。为此，研究人员开发了一种新型亚麻–菠萝纤维增强环氧树脂复合材料，系统评估椰子壳粉（CSP）、柚木粉（TWD）、蛋壳粉（ESP）和稻壳粉（RHP）四种生物废弃物填料对其力学性能的协同影响，并引入基于Keras Sequential Model的人工神经网络模型进行性能预测，为智能高效的复合材料设计提供新途径。该论文发表于《Scientific Reports》。

研究人员采用的主要关键技术方法包括：手糊成型与热压相结合的复合材料制备工艺；依据ASTM标准（ASTM D3039、ASTM D790、ASTM D2344/D2344M-16、ASTM D256、ASTM D5045-14）开展的拉伸、弯曲、层间剪切强度（ILSS）、Izod冲击和单边缺口弯曲（SENB）断裂韧性测试；扫描电子显微镜（SEM）形貌分析；以及基于TensorFlow Keras Sequential Model构建的人工神经网络（ANN）预测模型。样本来源于印度班加罗尔Go-Green Products公司的亚麻和菠萝叶纤维，以及当地木材加工厂、餐饮废弃物和稻米加工厂获取的TWD、CSP、ESP和RHP填料。

**拉伸性能研究结果**

应力–应变曲线显示所有复合材料均呈现脆性断裂特征。CSP复合材料的极限拉伸强度显著高于WF（无填料对照）、RHP、ESP和TWD复合材料，分别提升35.35%、30.99%、25.83%和19.13%；其拉伸模量也分别高出40.36%、35.06%、25.14%和20.06%。这一性能优势归因于CSP在环氧树脂中的均匀分散及其与基体的化学相容性。CSP富含纤维素和木质素，丰富的羟基（–OH）基团增强了与环氧树脂的氢键结合，从而改善界面粘附和应力传递效率。TWD复合材料表现次之，但其成核行为改变了环氧树脂结晶模式，一定程度破坏了纤维–基体界面连续性。WF复合材料因纤维分散不良、孔隙形成及纤维–纤维相互作用主导而导致拉伸性能下降。ESP复合材料则因颗粒团聚造成界面薄弱区，引发早期裂纹萌生和扩展。

**弯曲性能研究结果**

CSP复合材料的弯曲强度较WF、RHP、ESP和TWD分别提升35.67%、21.42%、17.98%和9.46%；弯曲模量分别提升52.04%、49.06%、38.06%和5.93%。CSP的优异表现源于其细小粒径和刚性特质带来的高效应力传递，以及羟基功能团与环氧树脂极性基团形成的强氢键作用。CSP中的纤维素、半纤维素和木质素等木质纤维素组分增强了与环氧树脂的分子间粘附。相比之下，TWD因致密纹理和含油特性抑制树脂渗透，天然硅质和抽提物干扰纤维–基体结合；ESP因颗粒团聚产生局部应力集中；RHP则因与环氧树脂结合不良导致弯曲强度降低。

**层间剪切强度研究结果**

ILSS测试表明CSP复合材料的载荷承受能力最高，其ILSS值较WF、RHP、ESP和TWD分别提升38.51%、30.86%、22%和10.05%。CSP的均匀分散和精细研磨促进了与环氧树脂的强界面粘附，羟基基团支持化学键合，有效减少微孔隙并增强载荷传递。TWD复合材料因颗粒团聚和分布不均导致局部缺陷；ESP因颗粒聚集产生应力集中；RHP因表面化学特性和富硅沉积物干扰界面结合，剪切性能中等。

**冲击性能研究结果**

CSP复合材料的能量吸收较WF、RHP、ESP和TWD分别提升29.66%、17.79%、14.40%和9.32%；冲击强度分别领先19.78%、14.78%、6.99%和1.95%。CSP的优异冲击性能源于其木质纤维素结构的能量耗散微结构、与环氧树脂表面羟基形成的强填料–基体粘附，以及协同增效作用。TWD因填料–基体结合较弱和有限能量耗散而表现较低；ESP因颗粒团聚和微观结构不均匀性导致应力集中；RHP因分散不足和化学相容性差而呈中等表现。

**断裂韧性研究结果**

单边缺口弯曲（SENB）测试显示CSP复合材料具有最高的承载能力和断裂抗力，其断裂韧性（K_IC）较WF、RHP、ESP和TWD分别提升42.8%、33.3%、19.04%和9.52%。CSP的刚性微结构和高刚度使其作为微屏障有效阻碍裂纹萌生和扩展，促进裂纹偏转、桥联和基体剪切屈服等能量耗散机制。强界面粘附和均匀分散确保裂纹扩展过程中遭遇一致阻力。TWD因互锁颗粒结构和较差界面相容性形成局部应力集中；RHP因颗粒团聚和固有硅含量导致非均匀应力场和界面脱粘；ESP因脆性本质和刚度不匹配降低基体应力再分配能力。

**人工神经网络模型研究结果**

研究人员开发了基于TensorFlow的Sequential Model，以四种组分材料的重量百分比为输入变量，分别预测拉伸强度、弯曲强度和冲击强度。模型采用Dirichlet分布生成20组随机配比数据集，经标准化处理后以80%训练、20%测试划分，包含四层神经元结构（输入层4神经元、两层隐藏层分别为16神经元ReLU激活和8神经元、单神经元输出层），Adam优化器和均方误差（MSE）损失函数，训练50个epoch。敏感性分析表明填料重量百分比对预测结果影响最大。模型预测准确度分别为：拉伸强度CSP 95.85%、TWD 99.16%、ESP 78.83%、RHP 87.73%、WF 93.22%；弯曲强度CSP 83.9%、TWD 90.01%、ESP 93.83%、RHP 92.18%、WF 83.7%；冲击强度CSP 89.83%、TWD 91.78%、ESP 96.01%、RHP 82.85%、WF 85.48%。绝对百分比误差（APE）处于0.84%–21.17%范围，R² > 0.96，证实ANN对小型数据集仍具良好泛化能力。

**扫描电子显微镜分析结果**

SEM微观形貌观察显示：CSP复合材料中椰子壳颗粒与环氧树脂基体呈现强界面粘附；TWD复合材料存在显著纤维拔出，表明结合薄弱；ESP复合材料可见蛋壳粉团聚破坏均匀分布；RHP复合材料同时存在颗粒团聚和纤维拔出现象，界面结合不良导致力学性能下降。

**讨论与结论**

本研究成功制备了亚麻–菠萝叶纤维增强环氧树脂混杂复合材料，系统评估了四种生物废弃物填料对其力学性能的影响。研究结论如下：CSP填充复合材料在所有测试项目中表现最优且提升最为一致，与无填料对照组相比，拉伸强度和模量分别提升约35%和40%，弯曲强度和模量分别增强36%和52%，层间剪切强度（ILSS）提升39%，冲击吸收能量和冲击强度分别增加30%和20%，断裂韧性改善42%。这些性能增益源于CSP的均匀分散、增强的纤维–基体界面粘附以及致密化微观结构。人工神经网络（ANN）模型展现出高预测精度，拉伸、弯曲和冲击行为的预测准确度分别达到95.85%、83.9%和89.83%，验证了其在复合材料性能预测中的可靠性。SEM分析进一步证实CSP复合材料具有 superior 界面结合、减少的孔隙形成和更完整的断裂形貌。该研究不仅为生物废弃物填料在混杂纤维增强体系中的优化应用提供了实验依据，也展示了ANN驱动预测建模在智能材料设计中的实用价值。从工程应用角度，CSP增强天然纤维复合材料在轻量化结构板、汽车内饰件、建筑构件和可持续消费品领域具有广阔前景。然而，研究仍存在单一填料负载量（10 wt%）、缺乏长期耐久性评估（湿热、热老化、紫外暴露）以及ANN训练数据集偏小等局限，未来研究需在上述方面深化拓展。