推導(dǎo)并給出了計算復(fù)合金材料磨損體積損失的數(shù)學(xué)公式。利用制備的復(fù)合金材料配方，研究了輸入變量對復(fù)合金材料磨損體積損失的影響。復(fù)合金材料的磨損量損失隨著滑動距離、刀具橫移速度和轉(zhuǎn)速的增加而顯著增加。復(fù)合增強(qiáng)材料在50% TiC +50% Al2O3的夾雜比下具有最小的磨損體積損失，這是由于復(fù)合增強(qiáng)材料具有更好的潤滑性能和抗脆性和磨損性能。研究結(jié)果表明，該配方可用于復(fù)合金材料的磨損預(yù)測，從而縮短生產(chǎn)時間，降低生產(chǎn)成本。
復(fù)合金材料詳細(xì)研究了FSP參數(shù)和雜化比對Al基(5083)雜化復(fù)合金材料UTS的影響。利用一個隱層中不同神經(jīng)元的個數(shù)(10-15個)來確定模型的最佳結(jié)構(gòu)。用15個神經(jīng)元進(jìn)行最優(yōu)模型構(gòu)建。復(fù)合金材料利用最小均方誤差(MSE)、最小均方誤差(MAE)和最小均方誤差(MAPE)作為誤差評價標(biāo)準(zhǔn)，并選擇相關(guān)系數(shù)(R)來評價所提模型的性能。用15個神經(jīng)元得到最大R值和最小誤差值。推導(dǎo)了一個數(shù)學(xué)公式，并將試驗(yàn)結(jié)果與模型進(jìn)行了比較。在圖7中，顯示了組合的錯誤百分比。訓(xùn)練集平均誤差為11%，測試集平均誤差為4%。這表明該模型的預(yù)測能力是可以接受的。
此外，復(fù)合金材料還研究了刀具旋轉(zhuǎn)和橫向速度、碳納米管(CNT)、氧化鋁(Al2O3)、石墨(Gr)、碳化硅(SiC)和氧化鋯(ZrO2)體積分?jǐn)?shù)等因素對強(qiáng)度的影響。試驗(yàn)結(jié)果表明，隨著CNT的增加，復(fù)合金材料刀具旋轉(zhuǎn)速度和橫移速度的增加，復(fù)合金材料的ut顯著增加。此外，還研究了不同體積分?jǐn)?shù)的復(fù)合增強(qiáng)劑對5083 amhc的影響?；祀s比為10% Gr + 5% ZrO2時，復(fù)合金材料的抗拉強(qiáng)度達(dá)到最大。采用人工神經(jīng)網(wǎng)絡(luò)[13]研究了不同合金元素對Al-Mg2Si復(fù)合金材料抗拉強(qiáng)度的影響。輸入變量為Al、Mg、Si、銅、錳、鉻、磷、鈹、硼、鋰、釔、鈉wt.%，輸出變量為UTS，單位為MPa。
新時代，新技術(shù)層出不窮，我們關(guān)注，學(xué)習(xí)，希望在未來能夠與時俱進(jìn)，開拓創(chuàng)新。