使用RSM和ANN方法对甜叶菊（Agave americana L.）生物废纤维增强生物复合材料钻孔中分层因子的建模与优化研究

把植物废弃物变成有用材料

试想一下，沙漠观赏植物高大的花茎能够用于制造更轻、更环保的汽车部件或家具。本研究正是探索这一想法：将龙舌兰（Agave americana）的生物废料转化为高强度复合板，然后研究如何在上面钻出干净、精确的孔。干净的钻孔是这些环保材料要替代传统塑料和金属、进入实际产品的关键条件。

从沙漠植物到工程板材

研究人员首先从通常被丢弃的龙舌兰花茎中提取纤维。他们将这些纤维与一种透明的生物基环氧树脂混合，浇注成平板，看起来很像刨花板，但更轻且由可再生原料制成。固化后，板材就可以进行机械加工。现实应用中，这类复合件需要许多螺栓孔用于组装，因此了解它们在钻孔过程中的表现对安全性和耐久性至关重要。

为什么孔周损伤很重要

当旋转的钻头穿透层状或含纤维的材料时，可能会导致层间剥离或孔周开裂，这种损伤称为分层。孔的出口侧可能不是一个整齐的圆，而是出现一圈撕裂的材料，削弱零件并可能在受载时导致失效。团队用“分层因子”对这种损伤进行了量化，本质上是受损区域与目标孔径的比值：接近1的值表示孔很整洁，而更高的数值意味着撕裂更严重。

测试钻头与参数设置

为了找出哪些因素导致更多或更少的损伤，团队系统地改变了三项常见的钻孔参数：钻头转速、进给速度和钻头直径。他们比较了一种常规高速钢钻头与另一种表面涂有一层氮化钛的类似钻头，后者可降低摩擦和磨损。在不同条件下钻了数十个孔后，他们对样品进行了高分辨率扫描，并使用图像分析软件测量每个孔周的受损面积。

让算法从数据中学习

研究人员没有只依赖简单图表，而是使用了两种强有力的分析工具来解析结果。一种是响应面法（RSM），通过在数据间拟合平滑的数学曲面来揭示趋势和交互作用——例如转速和钻头直径如何共同影响分层。另一种是人工神经网络（ANN），这是一种受大脑神经元启发的计算模型，能从示例中“学习”复杂模式。在用部分钻孔数据训练神经网络并用剩余数据验证后，他们发现神经网络能以非常高的精度预测分层，表现略优于传统的统计模型。

找到干净钻孔的最佳区间

实验显示，氮化钛涂层钻头比未涂层钻头始终能产生更干净的孔，在某些情况下可将分层减少近五分之一，这得益于更低的摩擦和更锋利的切削作用。分析还揭示了在速度与质量之间取得平衡的参数组合：中等转速、适当选择的进给率以及优化的钻头直径可将受损区降至最小。利用他们的模型，团队确定了分层因子接近1的工况，意味着孔周的受损区域极小。

对更绿色制造的意义

对非专业读者来说，结论很直观：一种常见观赏植物的废料可以转化为有用的结构面板，且使用合适的钻头和机床参数，这些生物基材料可以像传统复合材料那样被几乎同样干净地钻孔。研究表明，表面涂层工具与数据驱动的建模可以协同工作，以控制加工过程中的主要损伤来源。如果工业要在不牺牲可靠性或性能的前提下采用更可持续的材料，这类工艺知识至关重要。

引用: Lalaymia, I., Belaadi, A., Boumaaza, M. et al. Modeling and optimizing the delamination factor in Agave americana L. biowaste fiber-reinforced biocomposite drilling: a study using RSM and ANN methods. Sci Rep 16, 8089 (2026). https://doi.org/10.1038/s41598-026-38508-5

关键词: 生物复合材料, 龙舌兰纤维, 钻孔, 分层, 神经网络