Pour acquérir une compréhension plus complète et évaluermousse d'aluminiumLes chercheurs ont introduit divers indicateurs de caractérisation. Cependant, la compréhension actuelle de leur importance dans l'analyse des performances de la mousse d'aluminium est limitée. Cette étude utilise la méthode du réseau neuronal de régression généralisée (GRNN) pour établir un modèle reliant les données de caractérisation de la microstructure de la mousse d'aluminium à ses propriétés mécaniques. Grâce au modèle CRNN, les chercheurs ont extrait quatre des caractéristiques les plus cruciales et leurs valeurs de pondération correspondantes des 13 caractéristiques des pores de la mousse d'aluminium. Par la suite, une nouvelle formule de caractérisation, appelée « porosité équivalente de Wang » (WEP), a été développée en utilisant des pondérations résiduelles attribuées aux pondérations des caractéristiques, et quatre coefficients de paramètres ont été obtenus. Cette formule vise à représenter la relation entre les caractéristiques microstructurales de la mousse d'aluminium et ses performances mécaniques. De plus, les chercheurs ont vérifié le modèle à l'aide de données de compression provenant de 11 ensembles demousse d'aluminiumLes résultats de validation ont montré que parmi ces 11 ensembles de données sur la mousse d'aluminium, la formule de Gibson-Ashby a donné des résultats anormaux dans deux cas, tandis que la formule WEP a présenté une stabilité exceptionnelle sans aucune anomalie. Comparée à la formule de Gibson-Ashby, la formule WEP a démontré une amélioration de 18,18 % de la précision d'évaluation.

La mousse d'aluminium, composée d'aluminium métallique ou de ses alliages, se caractérise par sa porosité, ses nombreux vides et sa structure en nid d'abeille. Il est urgent de développer des méthodes d'évaluation des performances précises et complètes pour améliorer son utilisation.

La formule de Gibson-Ashby et la formule de Hanssen, introduites par Gibson et Ashby, sont importantes en tant qu'équations traditionnelles pour décrire les caractéristiques mécaniques des matériaux poreux. Néanmoins,mousse d'aluminiumL'aluminium mousse présente des microstructures diverses et est affecté par divers facteurs structurels, tels que la porosité, la taille et la distribution des pores. La plupart de ces relations constitutives conventionnelles sont des modèles phénoménologiques macroscopiques qui ne tiennent pas compte de l'influence des structures poreuse. De plus, l'aluminium mousse peut avoir des exigences de performance distinctes selon les scénarios d'application. Par conséquent, les méthodes d'évaluation doivent être adaptées pour répondre aux exigences spécifiques de l'application. De plus, le domaine de l'aluminium mousse manque de méthodes d'essai et de paramètres de performance standardisés, ce qui complique la validation des résultats entre différentes études comparatives. En résumé, les méthodes traditionnelles ne permettent pas d'établir une corrélation entre les attributs microstructuraux de l'aluminium mousse et ses caractéristiques mécaniques, ni de modéliser et de prévoir précisément les propriétés mécaniques de l'aluminium mousse dans l'espace des paramètres. S'appuyer uniquement sur une perspective macroscopique pour évaluer les propriétés mécaniques de l'aluminium mousse ne répond plus aux exigences actuelles en matière de performance et de conception. L'établissement d'une relation de correspondance entremousse d'aluminiumLes paramètres structurels et leurs caractéristiques mécaniques constituent une question urgente et cruciale.

Dans cette étude, un nouveau paramètre de caractérisation, appelé porosité équivalente, a été proposé pour représenter la relation entre les caractéristiques microstructurales et les performances de la mousse d'aluminium. Ce paramètre est dérivé de la distribution pondérée de caractéristiques telles que la porosité, la taille moyenne des pores et la circularité de la mousse d'aluminium. Des vérifications expérimentales sur des échantillons de mousse d'aluminium ont démontré que la porosité équivalente, en tant que nouveau paramètre de caractérisation, reflète plus précisément les performances de la mousse d'aluminium.

Dans cette étude, nous adoptons une approche interdisciplinaire en combinant la science des matériaux et l'apprentissage automatique. Des techniques d'apprentissage automatique, telles que la sélection de caractéristiques, l'analyse du poids des caractéristiques et l'allocation du poids résiduel, sont intégrées pour établir une formule de porosité équivalente. Nous avons démontré la précision de la porosité équivalente comme nouveau paramètre de caractérisation grâce à la validation de cinq ensembles d'échantillons, fournissant un reflet précis des performances de la mousse d'aluminium. Nous proposons une méthode plus précise d'évaluation et d'analyse des propriétés mécaniques du matériau, offrant des références précieuses pour la prise de décision et l'analyse. Cette recherche s'inscrit étroitement dans les progrès rapides des technologies du big data et de l'intelligence artificielle, en fusionnant la recherche sur les matériaux basée sur les données avec l'étude de la mousse d'aluminium. Nous introduisons de nouveaux modèles et méthodes, offrant une nouvelle perspective sur la caractérisation et l'analyse des performances de la mousse d'aluminium.