अधिक व्यापक समज प्राप्त करण्यासाठी आणि मूल्यमापन करण्यासाठीफोम ॲल्युमिनियमचाकामगिरी.संशोधकांनी विविध वैशिष्ट्यपूर्ण संकेतकांची ओळख करून दिली आहे. तथापि, फोम ॲल्युमिनियमच्या कार्यक्षमतेचे विश्लेषण करताना या निर्देशकांचे महत्त्व किती आहे हे वर्तमान समजणे मर्यादित आहे. हा अभ्यास फोम ॲल्युमिनियमच्या मायक्रोस्ट्रक्चर कॅरेक्टरायझेशन डेटाला त्याच्या यांत्रिक गुणधर्मांशी जोडणारे मॉडेल स्थापित करण्यासाठी जनरलाइज्ड रीग्रेशन न्यूरल नेटवर्क (GRNN) पद्धतीचा वापर करतो. CRNNमॉडेल द्वारे, संशोधकांनी फोम ॲल्युमिनियमच्या 13 छिद्र वैशिष्ट्यांमधून चार अत्यंत महत्त्वपूर्ण वैशिष्ट्ये आणि त्यांच्याशी संबंधित वजन मूल्ये काढली. त्यानंतर, "वांग समतुल्य सच्छिद्रता" (डब्ल्यूईपी) नावाचे एक नवीन वैशिष्ट्यीकरण सूत्र, वैशिष्ट्य वजनांना नियुक्त केलेले अवशिष्ट वजन वापरून विकसित केले गेले आणि चार पॅरामीटर गुणांक प्राप्त झाले. फोम ॲल्युमिनियमची मायक्रोस्ट्रक्चरल वैशिष्ट्ये आणि त्याचे यांत्रिक कार्यप्रदर्शन यांच्यातील संबंधांचे प्रतिनिधित्व करणे हे या सूत्राचे उद्दिष्ट आहे, याशिवाय, शोधकर्त्यांनी 11 संचांमधील कॉम्प्रेशन डेटा वापरून मॉडेल सत्यापन केले.फोम ॲल्युमिनियम. या 11 फोम ॲल्युमिनियम डेटासेटपैकी प्रमाणीकरण परिणाम दर्शविते. Gibson-Ashby सूत्राने दोन प्रकरणांमध्ये विसंगत परिणाम दिले, तर WEP ने कोणत्याही विसंगतीशिवाय अपवादात्मक स्थिरता प्रदर्शित केली. Gibson-Ashby सूत्राच्या तुलनेत, WEP ने 18.18% सुधारणा मूल्यमापन अचूकता दाखवली.

फोम ॲल्युमिनियम, ॲल्युमिनियम धातू किंवा त्याच्या मिश्र धातुंनी बनलेला, त्याच्या सच्छिद्र स्वभावाने असंख्य व्हॉईड्स आणि मधाच्या पोळ्यासारखी रचना आहे. फोम ॲल्युमिनियमचा वापर वाढविण्यासाठी अचूक आणि सर्वसमावेशक कामगिरी मूल्यांकन पद्धती विकसित करणे तातडीने आवश्यक आहे.

गिब्सन-ॲशबी फॉर्म्युलाल आणि हॅन्सन फॉर्म्युलॅट, गिब्सन आणि ॲशबी यांनी सादर केले, तरीही छिद्रयुक्त यांत्रिक वैशिष्ट्यांचे वर्णन करण्यासाठी पारंपारिक समीकरणे म्हणून महत्त्व आहे,फोम ॲल्युमिनियमविविध सूक्ष्म संरचना प्रदर्शित करते आणि विविध संरचनात्मक घटकांमुळे प्रभावित होते, जसे की सच्छिद्रता, छिद्र आकार आणि छिद्र वितरण. यातील बहुसंख्य पारंपारिक संवैधानिक संबंध हे मॅक्रोस्कोपिक अभूतपूर्व मॉडेल्स आहेत जे छिद्र संरचनांच्या प्रभावासाठी जबाबदार नाहीत. शिवाय, फोम ॲल्युमिनिअमला वेगवेगळ्या अनुप्रयोग परिस्थितींमध्ये विशिष्ट कार्यप्रदर्शन आवश्यकता असू शकतात. परिणामी, विशिष्ट अनुप्रयोग आवश्यकता पूर्ण करण्यासाठी मूल्यांकन पद्धती तयार केल्या पाहिजेत. याव्यतिरिक्त, फोम ॲल्युमिनियम फील्डमध्ये प्रमाणित चाचणी पद्धती आणि कार्यप्रदर्शन पॅरामीटर्सचा अभाव आहे, ज्यामुळे विविध तुलनात्मक अभ्यासांमध्ये आव्हाने आणि निष्कर्ष प्रमाणित करण्यात अडचणी येतात. सारांश, पारंपारिक पद्धती फोम ॲल्युमिनियमच्या मायक्रोस्ट्रक्चरल गुणधर्म आणि त्याच्या यांत्रिक वैशिष्ट्यांमधील परस्परसंबंध स्थापित करण्यात किंवा पॅरामीटर स्पेसमध्ये फोम ॲल्युमिनियमच्या यांत्रिक गुणधर्मांचे तंतोतंत मॉडेल आणि अंदाज लावण्यास अयशस्वी ठरतात. फोम ॲल्युमिनियमच्या यांत्रिक गुणधर्मांचे मूल्यांकन करण्यासाठी केवळ मॅक्रोस्कोपिक दृष्टीकोनवर अवलंबून राहणे यापुढे समकालीन कामगिरी डिझाइनच्या मागण्या पूर्ण करत नाही. दरम्यान मॅपिंग संबंधांची स्थापनाफोम ॲल्युमिनियमचास्ट्रक्चरल पॅरामीटर्स आणि त्याची यांत्रिक वैशिष्ट्ये ही एक महत्त्वाची आणि महत्त्वाची बाब आहे.

या अभ्यासात, फोम ॲल्युमिनियमची मायक्रोस्ट्रक्चरल वैशिष्ट्ये आणि कार्यप्रदर्शन यांच्यातील संबंधांचे प्रतिनिधित्व करण्यासाठी समतुल्य सच्छिद्रता नावाचे एक नवीन वैशिष्ट्यीकरण पॅरामीटर प्रस्तावित केले गेले. हे पॅरामीटर सच्छिद्रता, सरासरी छिद्र आकार, आणि फोम ॲल्युमिनियमची वर्तुळाकारता यासारख्या वैशिष्ट्यांच्या भारित वितरणातून प्राप्त झाले आहे. फोम ॲल्युमिनियमच्या नमुन्यांवरील प्रायोगिक पडताळणीद्वारे, हे सिद्ध झाले आहे की समतुल्य सच्छिद्रता, नवीन वैशिष्ट्यीकरण पॅरामीटर म्हणून, अधिक अचूक प्रदान करते. फोम ॲल्युमिनियमच्या कामगिरीचे प्रतिबिंब.

या अभ्यासात, आम्ही मटेरिअल सायन्स आणि मशीन लर्निंगची सांगड घालून एक आंतरविद्याशाखीय दृष्टिकोन स्वीकारतो. मशीन लर्निंग तंत्र, जसे की वैशिष्ट्य निवड, वैशिष्ट्य वजन विश्लेषण, आणि अवशिष्ट वजन वाटप, समतुल्य सच्छिद्रतेसाठी सूत्र स्थापित करण्यासाठी एकत्रित केले आहे. आम्ही फोम ॲल्युमिनियमच्या कार्यक्षमतेचे अचूक प्रतिबिंब प्रदान करून, पाच नमुना संचांच्या प्रमाणीकरणाद्वारे नवीन वैशिष्ट्यीकरण पॅरामीटर म्हणून समतुल्य सच्छिद्रतेची अचूकता प्रदर्शित केली आहे. आम्ही सामग्रीच्या यांत्रिक गुणधर्मांचे मूल्यांकन आणि विश्लेषण करण्यासाठी एक अधिक अचूक पद्धत प्रदान करतो, निर्णय आणि विश्लेषणासाठी मौल्यवान संदर्भ देऊ करतो. फोम ॲल्युमिनियमच्या अभ्यासासह डेटा-चालित साहित्य संशोधन विलीन करून हे संशोधन बिग डेटा आणि कृत्रिम बुद्धिमत्ता तंत्रज्ञानातील जलद प्रगतीशी जवळून संरेखित करते. आम्ही फोम ॲल्युमिनियमच्या कार्यक्षमतेचे वैशिष्ट्य आणि विश्लेषण यावर नवीन दृष्टीकोन ऑफर करून नवीन नमुने आणि पद्धती सादर करतो.