响应表面方法和机器学习优化回收AA6061-B₄C-ZrO₂混合金属矩阵复合材料通过热成型工艺的比较

科学领域:

• 材料科学 材料科学 材料科学
• 金工程 金工程 金工程
• 可持续制造 可持续制造 可持续制造

背景情况:

• AA6061合金废料提供了重要的回收机会.
• 提高回收的机械性能对于更广泛的应用至关重要.
• 混合增强提供了一条改善再生金属矩阵复合材料性能的途径.

研究的目的:

• 为了确定再利用AA6061废料与碳化物 (B4C) 和 (ZrO2) 加固的最佳热造条件.
• 为了比较响应表面方法 (RSM) 和机器学习 (ML) 在优化材料性能方面的有效性.
• 分析回收过程的微观结构和环境影响.

主要方法:

• 热造 (HF) 工艺应用于AA6061废料.
• 加入碳化物 (B4C) 和 (ZrO2) 混合增强颗粒.
• 使用响应表面方法 (RSM) 和机器学习 (ML) 的优化.
• 通过场发射扫描电子显微镜 (FE-SEM) 和原子力显微镜 (AFM) 进行微结构分析.
• 生命周期评估 (LCA) 用于环境影响评估.

主要成果:

• 确定了最佳预热温度,B4C和ZrO2含量以及造时间.
• 随着温度和钢筋含量的增加,观察到最终拉伸强度 (UTS) 和微硬度 (MH) 的显著增加.
• 由于颗粒聚合,强度和硬度下降超过10%B4C + 10%ZrO2.
• RSM和ML模型在预测材料特性方面显示出高度一致.
• FE-SEM和AFM提供了对微观结构与财产关系的见解.

结论:

• 该研究成功地确定了再利用AA6061废料的最佳条件,创造了高性能混合材料.
• 由于陶颗粒的分散增强显著提高机械性能.
• 回收过程通过节能和减少加工步骤,为环境带来好处.
• RSM和ML是优化复合材料性能的有效工具.