推導(dǎo)并給出了計算復(fù)合金材料磨損體積損失的數(shù)學(xué)公式。利用所制備的復(fù)合材料配方，研究了輸入變量對復(fù)合金材料磨損體積損失的影響。復(fù)合金材料的磨損體積損失隨滑動距離、刀具橫移和旋轉(zhuǎn)速度的增加而顯著增加。當(dāng)夾雜比為50% TiC +50% Al2O3時，復(fù)合增強(qiáng)復(fù)合金材料的磨損體積損失最小。結(jié)果表明，該配方可用于預(yù)測復(fù)合材料的磨損量，從而降低時間和生產(chǎn)成本。詳細(xì)研究了FSP參數(shù)和雜化比對Al基5083雜化復(fù)合材料抗拉強(qiáng)度的影響。

復(fù)合金材料利用一個隱層中不同神經(jīng)元的數(shù)量來確定最優(yōu)模型結(jié)構(gòu)。采用15個神經(jīng)元進(jìn)行優(yōu)化模型結(jié)構(gòu)。利用MSE、MAE和MAPE作為誤差評估標(biāo)準(zhǔn)，并選擇相關(guān)系數(shù)(R)來評估所提模型的性能。用15個神經(jīng)元得到最大R值和最小誤差值。推導(dǎo)出了數(shù)學(xué)公式，并將試驗結(jié)果與模型進(jìn)行了比較。顯示了復(fù)合金材料的誤差率。訓(xùn)練集平均誤差為11%，測試集平均誤差為4%。這表明該模型的預(yù)測能力是可以接受的。在此基礎(chǔ)上，研究了刀具轉(zhuǎn)動速度、切削速度、碳納米管(CNT)、氧化鋁(Al2O3)、石墨(Gr)、碳化硅(SiC)和氧化鋯(ZrO2)的體積分?jǐn)?shù)等因素對強(qiáng)度的影響。

試驗結(jié)果表明，復(fù)合金材料的抗拉強(qiáng)度隨碳納米管厚度、刀具旋轉(zhuǎn)速度和導(dǎo)線速度的增加而顯著增加。此外，還研究了不同體積分?jǐn)?shù)的復(fù)合增強(qiáng)劑對5083型amhc的影響。當(dāng)夾雜比為10% Gr + 5% ZrO2時，復(fù)合材料的抗拉強(qiáng)度最高。采用人工神經(jīng)網(wǎng)絡(luò)不同合金元素對Al-Mg2Si復(fù)合材料抗拉強(qiáng)度的影響。輸入變量為Al、Mg、Si、銅、錳、鉻、磷、鈹、硼、鋰、釔、鈉wt.%，輸出為UTS，單位為MPa。在一個隱藏層中使用三個不同的神經(jīng)元編號(12、13和14)。使用訓(xùn)練數(shù)據(jù)集70%、驗證數(shù)據(jù)集15%和測試數(shù)據(jù)集15%。