Átfogóbb megértéshez és értékeléshezhab alumíniumteljesítmény.a kutatók különféle jellemzési mutatókat vezettek be. Azonban ezen mutatók jelentőségének jelenlegi megértése a hab alumínium teljesítményének elemzésében korlátozott. Ez a tanulmány az Általános Regressziós Neurális Hálózat (GRNN) módszerét alkalmazza egy olyan modell létrehozására, amely összekapcsolja a habosított alumínium mikroszerkezetének jellemzőit a mechanikai tulajdonságaival. A CRNN-modell segítségével a kutatók a négy legfontosabb jellemzőt és a hozzájuk tartozó tömegértékeket kinyerték az alumíniumhab 13 pórusjellemzőjéből. Ezt követően a jellemzősúlyokhoz rendelt maradéksúlyok felhasználásával egy új jellemzési képletet fejlesztettek ki, a Wang-ekvivalens porozitást (WEP), és négy paraméter együtthatót kaptak. Ez a képlet a hab alumínium mikroszerkezeti jellemzői és mechanikai teljesítménye közötti összefüggést kívánja bemutatni. Továbbá a kutatók modellellenőrzést végeztek 11 készlet kompressziós adatainak felhasználásával.habos alumínium. Az érvényesítési eredmények azt mutatták, hogy ezen 11 hab alumínium adatkészlet között. a Gibson-Ashby képlet két esetben anomális eredményt adott, míg a WEP kivételes stabilitást mutatott, anomáliák nélkül. A Gibson-Ashby képlethez képest a WEP 18,18%-os kiértékelési pontosságot mutatott.

Az alumínium fémből vagy ötvözeteiből álló habosított alumíniumot porózus jellege, számos üreg és méhsejtszerű szerkezet jellemzi. Pontos és átfogó teljesítményértékelési módszerek kidolgozása sürgősen szükséges az alumíniumhab felhasználásának javításához.

A Gibson és Ashby által bevezetett Gibson-Ashby formula és a Hanssen formula hagyományos egyenletként használható a porózus anyagok mechanikai jellemzőinek leírására.habos alumíniumváltozatos mikrostruktúrákat mutat, és különféle szerkezeti tényezők befolyásolják, mint például a porozitás, a pórusméret és a póruseloszlás. E konvencionális konstitutív kapcsolatok többsége makroszkopikus fenomenológiai modell, amely nem veszi figyelembe a pórusszerkezetek befolyását. Ezenkívül az alumíniumhab eltérő teljesítménykövetelményeket támaszthat a különböző alkalmazási forgatókönyvekben. Következésképpen az értékelési módszereket úgy kell kialakítani, hogy megfeleljenek az adott alkalmazási követelményeknek. Ezenkívül a habos alumínium mezőben hiányoznak a szabványosított vizsgálati módszerek és teljesítményparaméterek, ami kihívásokhoz és a különböző összehasonlító vizsgálatok eredményeinek validálásához vezet. Összefoglalva, a hagyományos módszerek nem képesek összefüggést megállapítani a hab alumínium mikroszerkezeti jellemzői és mechanikai jellemzői között, vagy nem tudják pontosan modellezni és előre jelezni a hab alumínium mechanikai tulajdonságait a paramétertéren belül. A habosított alumínium mechanikai tulajdonságainak értékeléséhez kizárólag makroszkópikus perspektívára támaszkodva már nem felel meg a modern teljesítmény-tervezési követelményeknek. közötti leképezési kapcsolat kialakításahab alumíniumszerkezeti paraméterei és mechanikai jellemzői nyomós és sarkalatos kérdés.

Ebben a tanulmányban egy új, ekvivalens porozitásnak nevezett jellemzési paramétert javasoltak, amely az alumíniumhab mikroszerkezeti jellemzői és teljesítménye közötti kapcsolatot reprezentálja. Ezt a paramétert az olyan jellemzők súlyozott eloszlásából származtatták, mint a porozitás, az átlagos pórusméret és a hab alumínium körkörössége. Hab alumínium mintákon végzett kísérleti ellenőrzések során bebizonyosodott, hogy az ekvivalens porozitás, mint új jellemzési paraméter, pontosabb képet ad. tükrözi a hab alumínium teljesítményét.

Ebben a tanulmányban interdiszciplináris megközelítést alkalmazunk az anyagtudomány és a gépi tanulás kombinálásával. A gépi tanulási technikák, mint például a jellemzők kiválasztása, a jellemzők súlyának elemzése és a maradéksúly-hozzárendelés integrálva vannak az egyenértékű porozitás képletének meghatározására. Az ekvivalens porozitás pontosságát, mint új jellemzési paramétert öt mintakészlet validálásával mutattuk be, amelyek pontosan tükrözik a hab alumínium teljesítményét. Pontosabb módszert kínálunk az anyag mechanikai tulajdonságainak értékelésére és elemzésére, értékes referenciákat kínálva a döntéshozatalhoz és elemzéshez. A kutatás szorosan illeszkedik a big data és a mesterséges intelligencia technológiák gyors fejlődéséhez azáltal, hogy összevonja az adatvezérelt anyagok kutatását az alumíniumhab tanulmányozásával. Újszerű mintákat és módszereket mutatunk be, új perspektívát kínálva az alumíniumhab teljesítményének jellemzésére és elemzésére.