Scidown文献预览系统！
基于机器学习算法的铝合金干摩擦和磨损的摩擦信息学建模( Triboinformatic modeling of dry friction and wear of aluminum base alloys using machine learning algorithms )
MS Hasan A Kordijazi PK Rohatgi M Nosonovsky
包括机器学习(ML)算法在内的数据驱动方法可以更好地理解摩擦学和材料性能之间的关系。用传统的和数据驱动的方法研究了铝基合金的摩擦磨损与材料性能（硬度、屈服强度、抗拉强度、延展性、碳化硅含量）、加工工艺、热处理和摩擦学试验变量（滑动速度、滑动距离和法向载荷）的相关性。将K近邻(KNN)、支持向量机(SVM)、人工神经网络(ANN)、随机森林(RF)和梯度提升机(GBM)五种不同的ML算法应用于摩擦学实验数据，预测摩擦系数(COF)和磨损率。通过性能分析，证明了ML模型能较好地预测铝合金材料和摩擦学试验数据的摩擦磨损性能。对模型性能的比较分析表明，RF模型在磨损率预测方面优于其他ML模型，而KNN模型在COF预测方面表现最好。特征重要性分析进一步表明，法向载荷、硬度和滑动速度对预测合金磨损率的影响最大。合金硬度和滑动距离的变化对COF预测的影响最大。
SciDown文献求助系统（解决99%问题） Public Download Elsevier ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 注塑工艺用木质填充热塑性聚氨酯的特性下载