相关实验视频
Updated: Jan 15, 2026
05:49
Laser Micromachining for Polymer Surface Topography Design
Published on: September 19, 2025
439
对r-GO注入Mg纤维金属层材的磨削式喷水加工:通过Antlion优化算法进行ANFIS建模和优化
Devaraj Rajamani1, Mahalingam Siva Kumar2, Arulvalavan Tamilarasan3
1Centre for Advanced Materials Processing, Department of Mechanical Engineering, Vel Tech Rangarajan Dr. Sagunthala R&D Institute of Science and Technology, Chennai 600062, India.
Materials (Basel, Switzerland)
|October 16, 2025
概括
这项研究优化了磨料喷水加工 (AWJM) 用于用减少氧化石墨烯 (r-GO) 的纤维金属层材 (FMLs). 在加工这些先进的复合材料时,Antlion Optimizer (ALO) 实现了最佳的精度和生产率条件.
科学领域:
- 材料科学与工程 材料科学与工程
- 制造业 制造技术 制造技术
- 复合材料加工 复合材料加工
背景情况:
- 磨削式喷水加工 (AWJM) 对于加工先进材料,如金属纤维层 (FMLs) 至关重要.
- 以减少氧化石墨烯 (r-GO) 增强的基于的FML具有独特的加工挑战.
- 优化AWJM参数对于实现所需的表面质量和材料去除率至关重要.
研究的目的:
- 开发一个智能建模和优化战略,用于R-GO增强基FML的AWJM.
- 为了准确预测加工输出,如沟缩,表面粗度和材料去除率.
- 确定最佳的加工参数,以提高精度和生产率.
主要方法:
- 使用Box-Behnken实验设计来研究关键参数的影响.
- 通过使用龙优化 (DFO) 算法开发和优化了自适应神经模糊推理系统 (ANFIS) 模型.
- 四个元启发算法 (PSO,SSO,WOA,ALO) 用于与TOPSIS同时进行多目标优化.
主要成果:
- 优化的ANFIS模型表现出高预测准确度与低误差指标 (RMSE,MAPE).
- 安特利昂优化器 (ALO) 成功识别了最佳的AWJM参数:325 MPa压力,2.5 mm的脱离距离,800 mm/min的横向速度和0.00602 wt% r-GO.
- 实现的最佳输出包括2.595°的线缩小,8.9897微米的表面粗度和138.13 g/min的材料去除率.
结论:
- 集成的ANFIS-ALO框架为AWJM中的智能建模和优化提供了一种有效的方法.
- 这些发现突出了在加工先进的FML时实现高精度和高生产率的潜力.
- 这一战略为优化新型复合材料复杂加工流程提供了一条途径.
