Um ein umfassenderes Verständnis zu erlangen und zu bewertenSchaumaluminiumForscher haben verschiedene Charakterisierungsindikatoren eingeführt. Das aktuelle Verständnis der Bedeutung dieser Indikatoren für die Analyse der Leistung von Schaumaluminium ist jedoch begrenzt. Diese Studie verwendet die Methode des Generalized Regression Neural Network (GRNN), um ein Modell zu entwickeln, das die Charakterisierungsdaten der Mikrostruktur von Schaumaluminium mit seinen mechanischen Eigenschaften verknüpft. Mithilfe des CRNN-Modells extrahierten die Forscher vier der wichtigsten Merkmale und ihre entsprechenden Gewichtungswerte aus den 13 Porenmerkmalen von Schaumaluminium. Anschließend wurde eine neue Charakterisierungsformel, die sogenannte „Wang-Äquivalente Porosität“ (WEP), entwickelt, indem den Merkmalsgewichten Residualgewichte zugewiesen und vier Parameterkoeffizienten ermittelt wurden. Diese Formel soll die Beziehung zwischen den mikrostrukturellen Merkmalen von Schaumaluminium und seiner mechanischen Leistung darstellen. Darüber hinaus führten die Forscher eine Modellverifizierung anhand von Kompressionsdaten aus elf Sätzen durch.SchaumaluminiumDie Validierungsergebnisse zeigten, dass die Gibson-Ashby-Formel in zwei Fällen dieser elf Datensätze zu Schaumaluminium anomale Ergebnisse lieferte, während WEP eine außergewöhnliche Stabilität ohne Anomalien aufwies. Im Vergleich zur Gibson-Ashby-Formel zeigte WEP eine um 18,18 % verbesserte Auswertungsgenauigkeit.

Schaumaluminium, bestehend aus Aluminiummetall oder dessen Legierungen, zeichnet sich durch seine Porosität, zahlreiche Hohlräume und eine wabenartige Struktur aus. Um die Nutzung von Schaumaluminium zu verbessern, ist die Entwicklung präziser und umfassender Methoden zur Leistungsbewertung dringend erforderlich.

Die Gibson-Ashby-Formel und die Hanssen-Formel, die von Gibson und Ashby eingeführt wurden, sind als traditionelle Gleichungen zur Beschreibung der mechanischen Eigenschaften poröser Materialien von Bedeutung.Schaumaluminiumweist vielfältige Mikrostrukturen auf und wird von verschiedenen strukturellen Faktoren wie Porosität, Porengröße und Porenverteilung beeinflusst. Die meisten dieser konventionellen konstitutiven Beziehungen basieren auf makroskopischen phänomenologischen Modellen, die den Einfluss von Porenstrukturen nicht berücksichtigen. Darüber hinaus kann Schaumaluminium in verschiedenen Anwendungsszenarien unterschiedliche Leistungsanforderungen stellen. Daher müssen die Bewertungsmethoden an die spezifischen Anwendungsanforderungen angepasst werden. Darüber hinaus fehlen im Bereich Schaumaluminium standardisierte Prüfmethoden und Leistungsparameter, was zu Herausforderungen bei der Validierung von Ergebnissen in verschiedenen Vergleichsstudien führt. Zusammenfassend lässt sich sagen, dass traditionelle Methoden keine Korrelation zwischen den mikrostrukturellen Eigenschaften von Schaumaluminium und seinen mechanischen Eigenschaften herstellen oder die mechanischen Eigenschaften von Schaumaluminium innerhalb des Parameterraums präzise modellieren und vorhersagen können. Die ausschließlich makroskopische Perspektive zur Bewertung der mechanischen Eigenschaften von Schaumaluminium genügt den modernen Anforderungen an die Leistungsentwicklung nicht mehr. Die Erstellung einer Abbildungsbeziehung zwischenSchaumaluminiumStrukturparameter und ihre mechanischen Eigenschaften sind eine dringende und entscheidende Angelegenheit.

In dieser Studie wurde ein neuer Charakterisierungsparameter namens Äquivalentporosität vorgeschlagen, um die Beziehung zwischen den mikrostrukturellen Merkmalen und der Leistung von Schaumaluminium darzustellen. Dieser Parameter wurde aus der gewichteten Verteilung von Merkmalen wie Porosität, durchschnittlicher Porengröße und Rundheit von Schaumaluminium abgeleitet. Durch experimentelle Überprüfung an Schaumaluminiumproben wurde gezeigt, dass die Äquivalentporosität als neuer Charakterisierungsparameter die Leistung von Schaumaluminium genauer widerspiegelt.

In dieser Studie verfolgen wir einen interdisziplinären Ansatz, indem wir Materialwissenschaft mit maschinellem Lernen kombinieren. Techniken des maschinellen Lernens, wie Merkmalsauswahl, Merkmalsgewichtsanalyse und Restgewichtszuweisung, werden integriert, um eine Formel für die äquivalente Porosität zu erstellen. Wir haben die Genauigkeit der äquivalenten Porosität als neuer Charakterisierungsparameter durch die Validierung von fünf Probensätzen nachgewiesen, die ein präzises Abbild der Leistung von Schaumaluminium liefern. Wir bieten eine präzisere Methode zur Bewertung und Analyse der mechanischen Eigenschaften des Materials und liefern wertvolle Referenzen für die Entscheidungsfindung und Analyse. Die Forschung ist eng mit den rasanten Fortschritten in den Bereichen Big Data und künstliche Intelligenz ausgerichtet, indem sie datengesteuerte Materialforschung mit der Untersuchung von Schaumaluminium zusammenführt. Wir führen neuartige Muster und Methoden ein und bieten eine neue Perspektive auf die Charakterisierung und Analyse der Leistung von Schaumaluminium.