At få en mere omfattende forståelse og evaluereskum aluminiumperformance.researchers har introduceret forskellige karakteriseringsindikatorer. Imidlertid er den nuværende forståelse af betydningen af ​​disse indikatorer ved analyse af skumaluminiums ydeevne begrænset. Denne undersøgelse anvender metoden Generalized Regression Neural Network (GRNN) til at etablere en model, der forbinder skum-aluminiums mikrostrukturkarakteriseringsdata med dets mekaniske egenskaber. Gennem CRNN-modellen udtog forskerne fire af de mest afgørende egenskaber og deres tilsvarende vægtværdier fra skumaluminiums egenskaber med 13 porer. Efterfølgende blev en ny karakteriseringsformel, kaldet "Wang ækvivalent porøsitet" (WEP), udviklet ved at bruge restvægte tildelt til egenskabsvægtene, og fire parameterkoefficienter blev opnået. Denne formel har til formål at repræsentere forholdet mellem skumaluminiums mikrostrukturelle egenskaber og dets mekaniske ydeevne. Desuden udførte forskerne modelverifikation ved hjælp af kompressionsdata fra 11 sæt afskum aluminium. Valideringsresultaterne viste, at blandt disse 11 skum-aluminium-datasæt. Gibson-Ashby-formlen gav unormale resultater i to tilfælde, hvorimod WEP udviste exceptionel stabilitet uden nogen anomalier. I sammenligning med Gibson-Ashby-formlen viste WEP en 18,18 % forbedrings-inevalueringsnøjagtighed.

Skum aluminium, sammensat af aluminium metal eller dets legeringer, er kendetegnet ved sin porøse natur adskillige hulrum og en honeycomb-lignende struktur. Udvikling af præcise og omfattende metoder til evaluering af ydeevne er et presserende behov for at forbedre anvendelsen af ​​skumaluminium.

Gibson-Ashby formlen og Hanssen formlen, introduceret af Gibson og Ashby, har betydning som traditionelle ligninger til beskrivelse af de mekaniske karakteristiske materialer af porøse.skum aluminiumviser forskellige mikrostrukturer og påvirkes af forskellige strukturelle faktorer, såsom porøsitet, porestørrelse og porefordeling. Størstedelen af ​​disse konventionelle konstitutive forhold er makroskopiske fænomenologiske modeller, der ikke tager højde for indflydelsen af ​​porestrukturer. Desuden kan skumaluminium have forskellige ydeevnekrav i forskellige anvendelsesscenarier. Følgelig skal evalueringsmetoder skræddersyes til at opfylde specifikke anvendelseskrav. Derudover mangler skum-aluminium-feltet standardiserede testmetoder og ydeevneparametre, hvilket fører til udfordringer i og validerende resultater på tværs af forskellige sammenlignende undersøgelser. Sammenfattende kan traditionelle metoder ikke etablere en sammenhæng mellem de mikrostrukturelle egenskaber af skumaluminium og dets mekaniske egenskaber eller til præcist at modellere og forudsige skumaluminiums mekaniske egenskaber inden for parameterrum. At stole udelukkende på et makroskopisk perspektiv til evaluering af skumaluminiums mekaniske egenskaber opfylder ikke længere de nutidige krav til ydeevnedesign. Etableringen af ​​et kortlægningsforhold mellemskum aluminiumstrukturelle parametre og dets mekaniske egenskaber er et presserende og afgørende spørgsmål.

I denne undersøgelse blev en ny karakteriseringsparameter kaldet ækvivalent porøsitet foreslået for at repræsentere forholdet mellem de mikrostrukturelle egenskaber og ydeevnen af ​​skumaluminium. Denne parameter blev afledt af den vægtede fordeling af funktioner såsom porøsitet, gennemsnitlig porestørrelse og cirkulæritet af skumaluminium. Gennem eksperimentel verifikation på skumaluminiumprøver er det blevet påvist, at den ækvivalente porøsitet, som en ny karakteriseringsparameter, giver en mere præcis afspejling af skumaluminiums ydeevne.

I denne undersøgelse anvender vi en tværfaglig tilgang ved at kombinere materialevidenskab med maskinlæring. Maskinlæringsteknikker, såsom funktionsvalg, funktionsvægtanalyse og restvægtallokering, er integreret for at etablere en formel for tilsvarende porøsitet. Vi har demonstreret nøjagtigheden af ​​tilsvarende porøsitet som en ny karakteriseringsparameter gennem valideringen af ​​fem prøvesæt, hvilket giver en præcis afspejling af skumaluminiums ydeevne. Vi tilbyder en mere præcis metode til at evaluere og analysere materialets mekaniske egenskaber, og tilbyder værdifulde referencer til beslutningstagning og analyse. Forskningen er tæt på linje med de hurtige fremskridt inden for big data og kunstig intelligens-teknologier ved at fusionere datadrevet materialeforskning med studiet af skumaluminium. Vi introducerer nye mønstre og metoder, der tilbyder et nyt perspektiv på karakterisering og analyse af skumaluminiums ydeevne.