Prediction of friction coefficient of su-8 and its composite coatings using machine learning techniques

均方误差 复合数 材料科学 石墨 填料(材料) 决定系数 支持向量机 复合材料 薄脆饼 相关系数 环氧树脂 算法 机器学习 计算机科学 数学 统计 纳米技术
作者
Anwaruddin Siddiqui Mohammed,Srihari Dodla,Jitendra Kumar Katiyar,Mohammed Abdul Samad
出处
期刊:Proceedings of the Institution of Mechanical Engineers, Part J: Journal of Engineering Tribology [SAGE]
卷期号:237 (4): 943-953 被引量:15
标识
DOI:10.1177/13506501221138382
摘要

Machine learning (ML) techniques are used to predict the coefficient of friction of an epoxy polymer resin (SU-8) and its composite coatings deposited on a silicon wafer. Filler type and the number of cycles are taken as the input parameters. The filler types included, two solid fillers namely, graphite and talc, and a liquid filler such as Perfluoropolyether (PFPE). Six variations of the SU8 coatings were developed based on the different combinations of filers used and tested. The experimental data generated for these different coatings for varying number of cycles (0 to 499) was used to train the different ML algorithms like ANN, SVM, CART, and RF to predict the coefficient of friction. The performance of these ML techniques was compared by calculating mean absolute error (MAE), root means square error (RMSE), and square of the correlation coefficient (R 2 ). The ANN algorithm was observed to have the best (R 2 ) metrics while the other ML techniques SVM, CART, and RF had a satisfactory performance with some inaccuracies seen for the CART algorithm for the data set under consideration.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
肉肉完成签到,获得积分10
1秒前
希望天下0贩的0应助SHD采纳,获得10
2秒前
zasideler发布了新的文献求助10
2秒前
彭小璐发布了新的文献求助10
3秒前
耿耿发布了新的文献求助10
3秒前
4秒前
房梦寒发布了新的文献求助10
4秒前
4秒前
端庄寒云完成签到,获得积分20
4秒前
Ava应助宋老三采纳,获得10
4秒前
包容的剑完成签到 ,获得积分10
4秒前
4秒前
5秒前
水水发布了新的文献求助10
5秒前
大王最厉害啦完成签到,获得积分10
6秒前
6秒前
憨憨鱼完成签到,获得积分10
6秒前
orixero应助pragmatic采纳,获得10
7秒前
7秒前
学术小白发布了新的文献求助30
7秒前
忧郁向雪关注了科研通微信公众号
8秒前
单眼皮大女孩完成签到,获得积分10
9秒前
这个名字就比原来的好听完成签到,获得积分10
9秒前
jinjin发布了新的文献求助10
9秒前
高丽娜发布了新的文献求助10
10秒前
gaw2008发布了新的文献求助10
11秒前
完美世界应助耿耿采纳,获得10
11秒前
天天快乐应助端庄寒云采纳,获得10
11秒前
12秒前
12秒前
YY完成签到,获得积分10
12秒前
13秒前
小丸子发布了新的文献求助10
13秒前
wangyang完成签到 ,获得积分10
13秒前
一一发布了新的文献求助10
13秒前
亦然发布了新的文献求助10
13秒前
ww完成签到,获得积分10
14秒前
雷九万班完成签到,获得积分10
14秒前
彭于晏应助积极问晴采纳,获得10
14秒前
15秒前
高分求助中
The ACS Guide to Scholarly Communication 1000
Handbook of the Mammals of the World – Volume 3: Primates 805
Ethnicities: Media, Health, and Coping 800
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3069389
求助须知:如何正确求助?哪些是违规求助? 2723274
关于积分的说明 7481149
捐赠科研通 2370322
什么是DOI,文献DOI怎么找? 1256943
科研通“疑难数据库(出版商)”最低求助积分说明 609763
版权声明 596852