Untuk mendapatkan pemahaman dan penilaian yang lebih menyeluruhaluminium buihprestasi.pengkaji telah memperkenalkan pelbagai indikator pencirian. Walau bagaimanapun, pemahaman semasa tentang kepentingan penunjuk ini dalam menganalisis prestasi aluminium buih adalah terhad. Kajian ini menggunakan kaedah Generalized Regression Neural Network (GRNN) untuk mewujudkan model yang menghubungkan data pencirian mikrostruktur buih aluminium dengan sifat mekanikalnya. Melalui model CRNN, penyelidik mengekstrak empat ciri paling penting dan nilai berat sepadannya daripada 13 ciri liang aluminium buih. Selepas itu, formula pencirian baharu, yang dipanggil "Keliangan setara Wang" ( WEP) , telah dibangunkan dengan menggunakan pemberat sisa yang diberikan kepada pemberat ciri, dan empat pekali parameter diperolehi. Formula ini bertujuan untuk mewakili hubungan antara ciri mikrostruktur aluminium buih dan prestasi mekanikalnya, Tambahan pula, penyelidik menjalankan pengesahan model menggunakan data mampatan daripada 11 setaluminium buih. Keputusan pengesahan menunjukkan bahawa antara 11 set data aluminium buih ini. formula Gibson-Ashby menghasilkan keputusan anomali dalam dua kes, manakala WEP mempamerkan kestabilan yang luar biasa tanpa sebarang anomali. Berbanding dengan formula Gibson-Ashby, WEP menunjukkan 18.18% peningkatan ketepatan penilaian.

Aluminium buih, terdiri daripada logam aluminium atau aloinya, dicirikan oleh sifat berliang yang banyak lompang, dan struktur seperti sarang lebah. Membangunkan kaedah penilaian prestasi yang tepat dan komprehensif diperlukan segera untuk meningkatkan penggunaan aluminium buih.

Formula Gibson-Ashby dan formula Hanssen, yang diperkenalkan oleh Gibson dan Ashby, memegang kepentingan sebagai persamaan tradisional untuk menerangkan ciri-ciri mekanikal bahan berliang Namun begitu,aluminium buihmemaparkan pelbagai struktur mikro dan dipengaruhi oleh pelbagai faktor struktur, seperti keliangan, saiz liang dan taburan liang. Majoriti perhubungan konstitutif konvensional ini adalah model fenomenologi makroskopik yang tidak mengambil kira pengaruh struktur liang. Tambahan pula, aluminium buih mungkin mempunyai keperluan prestasi yang berbeza dalam senario aplikasi yang berbeza. Akibatnya, kaedah penilaian mesti disesuaikan untuk memenuhi keperluan aplikasi tertentu. Selain itu, medan aluminium buih tidak mempunyai kaedah ujian piawai dan parameter prestasi, yang membawa kepada cabaran dan mengesahkan penemuan merentas kajian perbandingan yang berbeza. Secara ringkasnya, kaedah tradisional gagal untuk mewujudkan korelasi antara sifat mikrostruktur aluminium buih dan ciri mekanikalnya atau untuk memodelkan dan meramalkan sifat mekanikal aluminium buih dengan tepat dalam ruang parameter. Bergantung sepenuhnya pada perspektif makroskopik untuk menilai sifat mekanikal aluminium buih tidak lagi memenuhi permintaan reka bentuk prestasi kontemporari. Penubuhan hubungan pemetaan antaraaluminium buihparameter struktur dan ciri mekanikalnya adalah perkara yang mendesak dan penting.

Dalam kajian ini, parameter pencirian baru yang dipanggil keliangan setara telah dicadangkan untuk mewakili hubungan antara ciri mikrostruktur dan prestasi aluminium buih. Parameter ini diperoleh daripada taburan wajaran ciri-ciri seperti keliangan , saiz liang purata dan pekeliling aluminium buih. Melalui pengesahan eksperimen ke atas sampel aluminium buih, ia telah menunjukkan bahawa keliangan setara, sebagai parameter pencirian baharu, memberikan gambaran yang lebih tepat tentang prestasi aluminium buih.

Dalam kajian ini, kami menggunakan pendekatan antara disiplin dengan menggabungkan sains bahan dengan pembelajaran mesin. Teknik pembelajaran mesin , seperti pemilihan ciri, analisis berat ciri dan peruntukan berat sisa, disepadukan untuk mewujudkan aformula bagi keliangan setara. Kami telah menunjukkan ketepatan keliangan setara sebagai parameter pencirian baharu melalui pengesahan lima set sampel, memberikan gambaran tepat prestasi aluminium buih. Kami menyediakan kaedah yang lebih tepat untuk menilai dan menganalisis sifat mekanikal bahan, menawarkan rujukan berharga untuk membuat keputusan dan analisis. Penyelidikan ini sejajar rapat dengan kemajuan pesat dalam data besar dan teknologi kecerdasan buatan dengan menggabungkan penyelidikan bahan dipacu data dengan kajian aluminium buih. Kami memperkenalkan corak dan kaedah baru, menawarkan perspektif baharu tentang pencirian dan analisis prestasi aluminium buih.