Prédiction du diamètre de la membrane des nanofibres électrofilées à l'aide d'une méthodologie combinée de surface de réponse et d'une approche d'apprentissage automatique

Rapports scientifiques volume 13, Numéro d'article : 9679 (2023) Citer cet article

439 Accès

Détails des métriques

Malgré l’intérêt généralisé pour la technologie de l’électrofilage, très peu d’études de simulation ont été menées. Ainsi, la recherche actuelle a produit un système permettant de fournir un processus d’électrofilage durable et efficace en combinant la conception d’expériences avec des modèles de prédiction d’apprentissage automatique. Plus précisément, afin d'estimer le diamètre de la membrane des nanofibres électrofilées, nous avons développé un modèle de régression des moindres carrés partiels à noyau pondéré localement (LW-KPLSR) basé sur une méthodologie de surface de réponse (RSM). L'exactitude des prédictions du modèle a été évaluée sur la base de son erreur quadratique moyenne (RMSE), de son erreur absolue moyenne (MAE) et de son coefficient de détermination (R2). En plus de la régression en composantes principales (PCR), de la régression des moindres carrés partielles pondérées localement (LW-PLSR), de la régression des moindres carrés partiels (PLSR) et du modèle de régression vectorielle de support des moindres carrés (LSSVR), certains des autres types de modèles de régression utilisés pour vérifier et comparer les résultats, nous avons utilisé une modélisation floue et un modèle de régression vectorielle de support des moindres carrés (LSSVR). Selon les résultats de nos recherches, le modèle LW-KPLSR a obtenu de bien meilleurs résultats que les autres modèles concurrents lorsqu'il s'agissait de prévoir le diamètre de la membrane. Cela ressort clairement des valeurs RMSE et MAE beaucoup plus faibles du modèle LW-KPLSR. De plus, il offrait les valeurs R2 les plus élevées pouvant être atteintes, atteignant 0,9989.

Les nanofibres sont des matériaux fibreux caractérisés par leur diamètre, généralement compris entre 1 et 100 nm. Les nanofibres présentent une surface importante, un rapport d'aspect élevé, des caractéristiques de surface exceptionnelles, des phénomènes de confinement quantique et des capacités d'absorption rapide des biomolécules, ce qui donne lieu à des applications telles que l'ingénierie environnementale, l'ingénierie biomédicale, l'ingénierie tissulaire, l'ingénierie mécanique, etc.1,2. L'électrofilage est une approche simple qui peut être utilisée pour fabriquer des nanofibres polymères à partir d'une large gamme de polymères en présence d'un champ électrostatique puissant3,4,5,6. Une pompe, une seringue équipée d'une buse, une source d'alimentation pour le champ électrique et soit une électrode de référence, soit un élément mis à la terre constituent les composants fondamentaux du dispositif d'électrofilage. La buse de la seringue et la contre-électrode, où est maintenue la solution qui sera électrofilée, travaillent ensemble pour générer un champ électrique puissant. À mesure que le jet chargé accélère vers la contre-électrode, le solvant présent dans la solution s'évapore, formant des nanofibres solides et continues sur la cible mise à la terre. En raison de la différence de potentiel entre l'éjecteur et la cible mise à la terre, la forme de la gouttelette de solution projetée par la buse est déformée en celle d'un cône7,8. Le diamètre des nanofibres joue un rôle essentiel dans la détermination de leur fonctionnalité, comme l'adsorption, la filtration, la dégradation catalytique, etc.9,10. Il est important de noter que plusieurs facteurs, tels que la concentration de la solution de polymère, la tension superficielle, la viscosité, la conductivité, le débit, la tension, la distance entre l'aiguille et le collecteur, la taille de l'aiguille et l'humidité relative, influencent la variation du diamètre. En conséquence, les paramètres suivants doivent être soigneusement ajustés pour produire des diamètres de membrane de nanofibres idéaux avec leurs propriétés fonctionnelles11,12.

La méthode d'optimisation traditionnelle OFAT (un facteur à la fois) est coûteuse et prend du temps, et elle ne conduit pas toujours à l'identification de valeurs optimales pour toutes les variables. Le plan d’expérience (DOE) s’est révélé être une excellente méthode pour planifier et améliorer les expériences. Il s'agit d'une méthode statistique fiable permettant de maximiser le résultat d'expériences utilisant des entrées connues. Il est nécessaire d'optimiser les informations acquises tout en limitant le nombre n d'essais expérimentaux13,14,15,16. Afin de construire un modèle approximatif décrivant le lien entre une réponse et un ensemble de variables prédictives, la méthodologie de surface de réponse (RSM) est une approche d'optimisation simple et efficace. L'approche d'optimisation RSM la plus populaire pour maximiser la sortie tout en minimisant les entrées est la conception Box-Behnken (BBD). Cette méthode est basée sur un plan factoriel et utilise un bloc inachevé en forme de boîte avec une structure filaire composant l'intérieur de la boîte. Avec le BBD, les utilisateurs peuvent adapter un modèle polynomial du second ordre aux données en utilisant la connexion mathématique entre les variables et les réponses17. La conception composite centrale (CCD) est une autre méthode RSM populaire pour analyser l’impact des entrées variables sur la qualité de la sortie. Le modèle quadratique CCD joue un rôle important dans le cadre RSM car il affiche de nombreuses fonctions courbes18. De nombreux efforts de recherche se sont concentrés sur les stratégies RSM basées sur BBD et CCD pour réguler le diamètre des nanofibres électrofilées 19,20,21. En raison des corrélations entrée-sortie non linéaires dans les données de processus, les chercheurs expérimentaux considèrent souvent le RSM comme un outil difficile22.