面向工业场景的碳纤维质量评估模型研究

王梓淇1，刘熠崟2，赵鸿远1，刘禺1，康鹏1，张娟2（1.北京航空航天大学；2.中航复合材料有限责任公司）

摘要：本研究提出一种基于纳米压痕测试数据与机器学习集成模型的碳纤维质量评估方法，通过纳米压痕测试获取碳纤维单丝的压痕形貌特征（包括碳纤维的直径、压痕点的位置） 及载荷-位移曲线力学参数（涵盖弹性变形功、硬度等指标），构建包含12项多维物理特征的数据集，并将质量合格与否分别标记为正负类标签以建立碳纤维的特征与质量的映射关系，这种包含样品制备信息的特征采样，是适合工程应用的特征采样方法。在模型构建的过程中，采用自动化机器学习框架（AutoGluon）对大量算法进行自动化搜索与参数优化，最终得到了可靠的碳纤维质量评估模型。结果表明，该集成模型在测试集上达到0.74的分类准确率，验证了其对碳纤维质量的有效判别能力。通过特征重要性分析方法，进一步揭示了碳纤维直径、硬度及碳纤维间距均匀性构成影响模型决策的核心质量指标，通过阈值敏感性分析实现了模型决策边界的动态调节，使评估框架可适配航空航天与民用制造等差异化场景需求，为碳纤维制品的质量控制与工艺优化提供了可靠的依据。

关键词：碳纤维；纳米压痕测试；机器学习；集成模型