C355/窒化ケイ素/グラフェンハイブリッドナノコンポジットのワイヤ放電加工表面粗さの予測：シミュレーション、統計、機械学習技術の使用

科学分野:

• 材料科学および工学
• 製造プロセス
• 計算知能

背景:

• ワイヤ放電加工（WEDM）は、複雑な形状に使用される非従来型の加工プロセスです。
• 窒化ケイ素（Si₃N₄）およびグラフェンナノ粒子（GNPs）で強化されたアルミニウム合金C355ハイブリッド複合材料は、強化された材料特性を提供します。
• これらの高度な複合材料のWEDMにおける表面粗さの最適化は、性能と耐久性にとって重要です。

研究 の 目的:

• WEDM加工されたアルミニウム合金C355ハイブリッド複合材料の表面粗さを調査および予測すること。
• サポートベクター回帰（SVR）および人工ニューラルネットワーク（ANN）を含む機械学習（ML）モデルの効果を応答曲面法（RSM）と比較すること。
• 表面粗さに影響を与える最も影響力のあるWEDMパラメータを特定すること。

主な方法:

• Si₃N₄およびGNPs強化アルミニウム合金C355で実際のWEDM実験を実施しました。
• 表面粗さのモデリングと予測のために、SVR、ANN、およびRSMを採用しました。
• SVRパラメータ最適化のためにグリッドベースの検索を利用し、ANNアーキテクチャ（入力-隠れ層-出力層）を決定しました。

主要な成果:

• SVRは、ANNおよびRSMを上回る、0.0748の最小平均絶対パーセント誤差（MAPE）で最高の予測精度（R=0.997603）を示した。
• 分散分析（ANOVA）により、ピーク電流が最も重要なWEDMパラメータであり、表面粗さ変動の60.21％を占めることが明らかになった。
• SVRとANNの組み合わせアプローチは、ハイブリッド複合材料のWEDM表面粗さを効果的に分析および予測した。

結論:

• 機械学習、特にSVRは、高度なアルミニウムハイブリッド複合材料のWEDMにおける表面粗さを予測するための非常に正確で効率的な方法を提供します。
• この研究は、シミュレーション、統計、およびML技術を統合してWEDMプロセスを最適化する可能性を強調しています。
• 調査結果は、これらの新しい複合材料を利用する産業における減法製造プロセスの強化に貴重な洞察を提供します。