基于数学建模的插层熔喷非织造材料性能优化研究

本资源是关于2022年华数杯数学建模竞赛C题插层熔喷非织造材料的性能控制研究完整作品，该作品获得了一等奖。该研究主要是基于python和matlab语言，旨在优化熔喷非织造材料的性能。 知识点一：熔喷非织造材料的性能优化 熔喷非织造材料是口罩生产的重要原材料，具有很好的过滤性能。因此，优化熔喷非织造材料的性能意义重大。本研究通过建立统计分析模型、机器学习回归模型和多目标优化模型来描述参数变化规律，预测相关参数变量以及优化材料性能。 知识点二：插层率对熔喷非织造材料性能的影响 本研究发现插层率对熔喷非织造材料性能的提升影响非常明显。通过对照组进行可视化分析，得到插层之后厚度参数、过滤效率参数等在样本上提升明显，提升效果在30%以上。同时，插层率对性能的提升影响通过定性可视化得到插层率对于过滤效果变化没有显著线性影响。 知识点三：工艺参数和结构变量之间的关系 本研究发现工艺参数和结构变量之间存在显著的相关关系。利用相关性分析量化得到接收距离与结构变量厚度、孔隙率是显著的正相关关系，而与压缩回弹率是一种显著的线性负相关关系。因此，可以建立机器学习回归模型来预测结构变量参数。 知识点四：机器学习回归模型的应用 本研究利用多种机器学习回归模型进行训练，得到在测试集上得分最高的是随机森林回归模型，测试得分为0.67。随机森林回归模型可以预测工艺参数对应的结构变量结果。 知识点五：结构变量与产品性能的关系 本研究发现结构变量与产品性能之间存在较为显著的相关关系。可以利用机器学习回归模型来研究结构变量和产品性能的关系，得到结构变量与产品性能指标之间存在较为显著的相关关系。 知识点六：非线性最小二乘优化模型 本研究建立非线性最小二乘优化模型来优化工艺参数，以使过滤效率最高。该模型可以解决工艺参数对产品性能的影响，得到最终的优化结果为当接收距离为20cm时，过滤效率最高。 本资源提供了熔喷非织造材料性能优化的完整解决方案，涵盖了统计分析模型、机器学习回归模型和多目标优化模型等多种技术手段，旨在提高熔喷非织造材料的性能和质量。