用ANN集成的CRITIC-WASPAS方法对Mg-Li合金的WEDM参数进行预测建模和优化

科学领域:

• 材料科学与工程 材料科学与工程
• 制造过程 制造过程 制造过程
• 计算智能是一种计算智能.

背景情况:

• 合金,特别是Mg-Li-Sr,具有独特的性能,但需要精确的加工.
• 线电放电加工 (WEDM) 是复杂合金加工的可行方法.
• 优化WEDM参数对于提高加工效率和表面质量至关重要.

研究的目的:

• 使用WEDM提高Mg-Li-Sr合金的精度和加工效率.
• 调查WEDM参数的影响 (脉冲启动时间,脉冲关闭时间等). 在 Kerf 宽度 (KW),表面粗度 (Ra) 和材料去除率 (MRR) 上.
• 开发一种新的混合优化方法,使用CRITIC-WASPAS和人工神经网络 (ANN) 来优化WEDM过程.

主要方法:

• 通过惰性气体辅助造制备Mg-Li-Sr合金.
• 塔古奇实验设计,用于WEDM参数选择的L27直角阵列.
• 将CRITIC-WASPAS多目标优化与预测和优化的ANN建模集成.

主要成果:

• 开发的ANN模型实现了高R2值99.9%,与传统回归相比,显示出更高的预测准确性.
• 确认测试显示,与回归模型相比,ANN预测的错误百分比明显较低 (例如,Ra: 3.4%,MRR: 2.8%,KW: 2.2%).
• 克里蒂克-瓦斯帕斯方法产生了最佳的加工输出:表面粗度为4.62微米,材料去除率为0.073g/min,裂宽度为0.388微米.

结论:

• 混合CRITIC-WASPAS和ANN方法为优化Mg-Li-Sr合金的WEDM工艺提供了一种新有效的方法.
• 这种综合方法显著提高了预测准确度,在表面粗度,材料去除率和隙宽度方面实现了优越的加工结果.
• 该研究表明,在加工先进的合金时,可以实现高精度和高效率的途径.