Para obter uma compreensão mais abrangente e avaliarespuma de alumínioPesquisadores introduziram vários indicadores de caracterização. No entanto, a compreensão atual da importância desses indicadores na análise do desempenho da espuma de alumínio é limitada. Este estudo emprega o método de Rede Neural de Regressão Generalizada (GRNN) para estabelecer um modelo que vincula os dados de caracterização da microestrutura da espuma de alumínio com suas propriedades mecânicas. Por meio do modelo CRNN, os pesquisadores extraíram quatro das características mais cruciais e seus valores de peso correspondentes das 13 características dos poros da espuma de alumínio. Posteriormente, uma nova fórmula de caracterização, chamada "porosidade equivalente de Wang" (WEP), foi desenvolvida usando pesos residuais atribuídos aos pesos das características, e quatro coeficientes de parâmetros foram obtidos. Esta fórmula visa representar a relação entre as características microestruturais da espuma de alumínio e seu desempenho mecânico. Além disso, os pesquisadores realizaram a verificação do modelo usando dados de compressão de 11 conjuntos deespuma de alumínioOs resultados da validação mostraram que, entre esses 11 conjuntos de dados de espuma de alumínio, a fórmula de Gibson-Ashby produziu resultados anômalos em dois casos, enquanto a WEP exibiu estabilidade excepcional sem quaisquer anomalias. Em comparação com a fórmula de Gibson-Ashby, a WEP demonstrou uma melhoria de 18,18% na precisão da avaliação.

A espuma de alumínio, composta de alumínio metálico ou suas ligas, é caracterizada por sua natureza porosa, numerosos vazios e uma estrutura semelhante a um favo de mel. O desenvolvimento de métodos precisos e abrangentes de avaliação de desempenho é urgentemente necessário para aprimorar a utilização da espuma de alumínio.

A fórmula de Gibson-Ashby e a fórmula de Hanssen, introduzidas por Gibson e Ashby, têm importância como equações tradicionais para descrever as características mecânicas de materiais porosos. No entanto,espuma de alumínioApresenta diversas microestruturas e é afetado por vários fatores estruturais, como porosidade, tamanho e distribuição dos poros. A maioria dessas relações constitutivas convencionais são modelos fenomenológicos macroscópicos que não levam em conta a influência das estruturas dos poros. Além disso, a espuma de alumínio pode ter requisitos de desempenho distintos em diferentes cenários de aplicação. Consequentemente, os métodos de avaliação devem ser adaptados para atender aos requisitos específicos da aplicação. Além disso, o campo da espuma de alumínio carece de métodos de teste e parâmetros de desempenho padronizados, levando a desafios na validação de descobertas em diferentes estudos comparativos. Em resumo, os métodos tradicionais falham em estabelecer uma correlação entre os atributos microestruturais da espuma de alumínio e suas características mecânicas, ou em modelar e prever com precisão as propriedades mecânicas da espuma de alumínio dentro do espaço de parâmetros. Confiar apenas em uma perspectiva macroscópica para avaliar as propriedades mecânicas da espuma de alumínio não atende mais às demandas contemporâneas de projeto de desempenho. O estabelecimento de uma relação de mapeamento entreespuma de alumínioparâmetros estruturais e suas características mecânicas é uma questão urgente e crucial.

Neste estudo, um novo parâmetro de caracterização denominado porosidade equivalente foi proposto para representar a relação entre as características microestruturais e o desempenho da espuma de alumínio. Este parâmetro foi derivado da distribuição ponderada de características como porosidade, tamanho médio dos poros e circularidade da espuma de alumínio. Por meio de verificação experimental em amostras de espuma de alumínio, demonstrou-se que a porosidade equivalente, como um novo parâmetro de caracterização, fornece uma reflexão mais precisa do desempenho da espuma de alumínio.

Neste estudo, adotamos uma abordagem interdisciplinar combinando ciência dos materiais com aprendizado de máquina. Técnicas de aprendizado de máquina, como seleção de características, análise de peso de características e alocação de peso residual, são integradas para estabelecer uma fórmula para porosidade equivalente. Demonstramos a precisão da porosidade equivalente como um novo parâmetro de caracterização por meio da validação de cinco conjuntos de amostras, fornecendo um reflexo preciso do desempenho da espuma de alumínio. Fornecemos um método mais preciso para avaliar e analisar as propriedades mecânicas do material, oferecendo referências valiosas para tomada de decisão e análise. A pesquisa está intimamente alinhada com os rápidos avanços em tecnologias de big data e inteligência artificial ao mesclar pesquisa de materiais orientada por dados com o estudo da espuma de alumínio. Introduzimos novos padrões e métodos, oferecendo uma nova perspectiva sobre a caracterização e análise do desempenho da espuma de alumínio.