Machine Learning-Driven Lightweight Design of Materials for Police Protective Equipment: A Methodological Framework and Validation Study
Deze studie vestigt een op machine learning gebaseerd framework dat XGBoost-voorspelling, SHAP-analyse en NSGA-II-optimalisatie integreert om succesvol lichtgewicht beschermende uitrusting voor politieagenten te ontwerpen, waarbij significante massa-reducties (20–33%) worden bereikt voor bepantsering, helmen en schilden, terwijl de ballistische prestaties gelijk worden gehouden aan of verbeterd worden ten opzichte van conventionele commerciële systemen.