相关实验视频
Updated: Jun 3, 2025

09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
694
通过人工神经网络进行表面湿度建模和预测
1Institute of Mechanical Technology, Poznan University of Technology, 60-965 Poznan, Poland.
Materials (Basel, Switzerland)
|January 11, 2025
概括
这项研究使用人工神经网络来预测液体接触角度来模拟表面的湿透性. 开发的模型准确地预测了表面湿行为,这对于各种工业应用至关重要.
科学领域:
- 材料科学 材料科学 材料科学
- 表面科学是一门学科.
- 计算建模 计算建模
背景情况:
- 通过接触角度量化的表面湿度,对于滑和热传递等领域的液体-固体相互作用至关重要.
- 液体在表面上的行为是由表面质地和化学性质决定的.
- 准确预测表面湿对于优化材料性能至关重要.
研究的目的:
- 通过调整表面纹理参数来建模和预测表面湿度.
- 开发和优化用于接触角度预测的人工神经网络 (ANN) 模型.
- 为准确的湿度预测确定最有效的ANN配置.
主要方法:
- 利用人工神经网络 (ANN) 来预测表面接触角度.
- 系统地改变ANN参数,包括激活函数,隐藏层数和训练算法.
- 使用确定系数 (R2) 评估模型性能.
主要成果:
- 实现了接触角度的高预测准确度,R2值超过0.9.
- 证明了ANN对基于表面参数的表面湿透性进行建模的能力.
- 确定了用于预测表面湿行为的最佳ANN配置.
结论:
- 表面纹理参数可以有效地调整到模型和控制表面湿透性.
- 人工神经网络为预测接触角度和表面湿提供了强大的工具.
- 开发的ANN模型提供了一种可靠的方法,用于预测各种应用中的可湿性.

