Kanggo entuk pangerten lan evaluasi sing luwih lengkapaluminium busakinerja.panliti wis ngenalake macem-macem indikator penokohan. Nanging, pangerten saiki babagan pentinge indikator kasebut ing nganalisa kinerja aluminium busa diwatesi. Panaliten iki nggunakake metode Generalized Regression Neural Network (GRNN) kanggo nggawe model sing ngubungake data karakterisasi mikrostruktur busa aluminium kanthi sifat mekanik. Liwat model CRNN, peneliti ngekstrak papat fitur sing paling penting lan nilai bobot sing cocog saka 13 karakteristik pori aluminium busa. Salajengipun, rumus karakterisasi anyar, disebut "Wang equivalent porosity" (WEP), dikembangake kanthi nggunakake bobot residual sing ditugasake kanggo bobot fitur, lan papat koefisien parameter dipikolehi. Rumus iki nduweni tujuan kanggo makili hubungan antara fitur mikrostruktural busa aluminium lan kinerja mekanike, Salajengipun, peneliti nindakake verifikasi model nggunakake data kompresi saka 11 setaluminium busa. Asil validasi nuduhake yen ing antarane 11 dataset aluminium busa kasebut. rumus Gibson-Ashby ngasilake asil anomali ing rong kasus, dene WEP nuduhake stabilitas luar biasa tanpa anomali. Dibandhingake karo rumus Gibson-Ashby, WEP nuduhake akurasi inevaluasi perbaikan 18,18%.

Aluminium umpluk, kasusun saka aluminium metal utawa wesi sawijining, ditondoi dening alam keropos akeh void, lan struktur honeycomb-kaya. Ngembangake cara evaluasi kinerja sing tepat lan lengkap dibutuhake kanthi cepet kanggo nambah panggunaan aluminium busa.

Rumus Gibson-Ashby lan rumus Hanssen, sing dikenalaké déning Gibson lan Ashby, nduweni teges minangka persamaan tradisional kanggo njlèntrèhaké bahan karakteristik mekanik saka keropos Nanging,aluminium busanampilake macem-macem mikrostruktur lan dipengaruhi dening macem-macem faktor struktural, kayata porositas, ukuran pori, lan distribusi pori. Mayoritas hubungan konstitutif konvensional iki minangka model fenomenologis makroskopik sing ora nyatakake pengaruh struktur pori. Salajengipun, aluminium umpluk bisa duwe syarat kinerja béda ing skenario aplikasi beda. Akibate, cara evaluasi kudu ngarang kanggo syarat aplikasi tartamtu. Kajaba iku, lapangan aluminium umpluk ora duwe metode tes standar lan paramèter kinerja, sing nyebabake tantangan lan validasi temuan ing macem-macem studi perbandingan. Ing ringkesan, cara tradisional gagal nggawe korélasi antara atribut mikrostruktur aluminium busa lan karakteristik mekanik utawa kanthi tepat model lan ramalan sifat mekanik aluminium busa ing ruang parameter. Mung gumantung ing perspektif makroskopik kanggo ngevaluasi sifat mekanik aluminium busa ora nyukupi tuntutan desain kinerja kontemporer. Panyiapan saka sesambetan pemetaan antaranealuminium busaparamèter struktural lan karakteristik mechanical sawijining prekara mencet lan pivotal.

Ing panliten iki, paramèter karakterisasi novel sing diarani porositas setara diusulake kanggo nggambarake hubungan antara fitur mikrostruktur lan kinerja aluminium busa. Parameter iki asalé saka distribusi bobot fitur kayata porositas, ukuran pori rata-rata, lan sirkularitas aluminium busa. bayangan saka kinerja aluminium umpluk kang.

Ing panliten iki, kita nggunakake pendekatan interdisipliner kanthi nggabungake ilmu material karo pembelajaran mesin. Teknik pembelajaran mesin, kayata pilihan fitur, analisis bobot fitur, lan alokasi bobot residual, digabungake kanggo nggawe aformula kanggo porositas sing padha. Kita wis nduduhake akurasi porositas sing padha minangka parameter karakterisasi anyar liwat validasi limang set sampel, nyedhiyakake refleksi sing tepat babagan kinerja aluminium busa. Kita nyedhiyakake cara sing luwih tepat kanggo ngevaluasi lan nganalisa sifat mekanik materi, menehi referensi penting kanggo nggawe keputusan lan analisis. Panliten kasebut selaras karo kemajuan cepet ing data gedhe lan teknologi intelijen buatan kanthi nggabungake riset bahan sing didorong data karo sinau aluminium busa. Kita ngenalake pola lan metode novel, menehi perspektif anyar babagan karakterisasi lan analisis kinerja aluminium busa.