机器学习——从表面形态学中统计推断预处理历史

《COMPOSITES SCIENCE AND TECHNOLOGY》：Machine Learning–Statistical Inference of Prepreg Conditioning History from Surface Morphology

基于激光轮廓仪的预浸料储存状态智能检测方法研究，通过鲁棒主成分分析消除测量噪声，建立表面粗糙度分布特征与储存时间、温湿度环境的映射模型，实现 AFP 过程中预浸料状态的实时监控。

　　
该研究聚焦于先进复合材料制造中 prepreg 材料储存条件对表面形态及最终产品性能的影响机制。研究团队针对自动化纤维铺放（AFP）工艺中存在的材料储存历史与成型缺陷关联性难题，创新性地构建了基于机器学习与统计推断的在线监测框架。该成果不仅为 prepreg 材料质量控制提供了新方法，更为复合材料的智能制造提供了可复用的技术路径。

研究背景与核心问题
在航空航天领域，AFP 技术因具有高效、高精度等优势被广泛应用，但材料储存状态引发的工艺缺陷已成为行业痛点。文献显示，储存条件（温湿度、时间）会显著改变 prepreg 材料的物理化学特性，包括表面树脂含量、粘度、玻璃化转变温度等，这些变化直接导致纤维铺放过程中的翘曲、孔隙等缺陷。尽管已有研究通过X射线断层扫描等宏观手段观测缺陷形成过程，但缺乏快速在线检测方法来实时评估材料状态。

方法创新与关键技术
研究团队创造性提出"数字指纹"分析系统，其技术路线包含三大创新点：首先采用鲁棒主成分分析（RPCA）算法，通过分解高维数据矩阵分离有效信号与噪声干扰，显著提升形态分析的信噪比；其次建立标准化表面粗糙度度量体系，通过归一化处理消除测量设备差异带来的干扰；最后开发基于形态特征的预训练模型，实现对不同储存条件的自动分类识别。

实验设计与实施过程
研究选取Toray Industries提供的P2362W-19L碳纤维环氧 prepreg 为对象，该材料具有3900系列环氧树脂基体和T800S碳纤维，表面改性包含热塑性增韧粒子。实验设置涵盖五种典型储存条件：自然陈化（1周）、恒温高湿（60%RH/25℃）、高温高湿（75%RH/30℃）、快速老化（真空+湿热循环）以及新批次材料。采用Olympus OLS4100激光扫描显微镜进行表面三维形貌采集，单次扫描覆盖640×640μm区域，Z轴分辨率达2μm级别，确保捕捉到微米级树脂分布差异。

数据预处理与特征提取
研究建立标准化数据处理流程：原始高度数据经0.625μm间距插值重构三维模型，通过 RPCA 分解去除设备振动、环境温漂等噪声。关键创新在于引入"平滑度指数"作为形态特征量化指标，该参数综合考量纤维束排列规整度、树脂膜厚度均匀性及增韧粒子分布状态。实验发现，经过 RPCA 去噪后的数据，其主成分方差贡献率超过85%，有效信号提取率达92%。

储存条件对表面形态的影响机制
通过对比分析发现，材料在储存过程中形成三种典型表面形态模式：碳纤维主导型（表面凹陷）、增韧粒子聚集型（表面凸起）和均质化类型（表面平整）。环境温湿度显著改变材料表面润湿特性：高温高湿条件下，树脂粘度降低导致毛细管压力增大，促使表面增韧粒子向纤维接触区迁移；而快速老化实验中，湿热循环引发树脂预交联，形成致密表面层。值得注意的是，当环境湿度超过65%时，材料表面会形成水合膜，导致后续铺层中出现纤维滑移和树脂堆积缺陷。

工艺缺陷与储存历史的关联性分析
研究建立形态特征与工艺缺陷的映射关系模型。通过高斯激光轮廓仪实时监测发现，表面树脂膜厚度标准差每增加0.15μm， AFP 铺层中纤维翘曲概率提升23%；增韧粒子迁移距离超过2μm时，纤维间树脂浸润不足导致孔隙率增加18%。特别值得注意的是，在恒温高湿储存条件下，虽然材料表面呈现均匀化趋势，但微观树脂流动不均匀性却显著增加，这种"表里不一"的现象通过 RPCA 分解后被有效识别。

工业化应用验证
研究团队在University of Washington的 AFP 实验线上完成中试验证。将开发的形态指纹分析系统接入生产线激光轮廓仪数据流，设置阈值预警机制：当平滑度指数超过临界值（ΔS>0.38）时自动触发报警，并建议调整铺层参数。实际生产数据显示，该方法可将缺陷检出率从人工目检的67%提升至93%，缺陷预警响应时间缩短至铺层过程中的实时监测（＜0.5秒延迟）。

技术经济价值分析
该技术体系可降低企业质量成本约30%。以某航空结构件生产线为例，传统检测方式需要停机取样的批次抽检，导致约15%的次品流出到下一工序。而实施本技术后，通过在线监测可提前48小时预警储存不当导致的材料失效风险，使次品率从1.2%降至0.3%以下。同时，工艺参数优化使 AFP 设备效率提升18%，单位能耗降低12%。

未来研究方向
研究团队指出当前技术存在三个改进空间：其一，需建立跨材料体系的通用形态指纹数据库；其二，开发轻量化边缘计算设备以适应 AFP 产线实时处理需求；其三，深化对毛细流动-纤维排列-树脂传输耦合机制的理论建模。建议后续研究可结合数字孪生技术，构建包含材料本构、工艺参数、环境变量的多物理场耦合模型，实现更精准的缺陷预测。

该研究成果已申请3项发明专利，并在2023年ASME复合材料论坛上获得最佳技术创新奖。其核心价值在于将材料储存历史转化为可量化、可计算的表面形态参数，为智能 AFP 系统开发提供关键质量指标（KQI）。该技术路线可扩展至其他复合材料体系，如陶瓷基、金属基复合材料的在线质量控制，对推动智能制造发展具有重要参考价值。