机器学习法预测AZ91合金在干滑动摩擦条件下的磨损性能（英文）

作者：Fatih AYDIN^*; Rafet DURGUT

来源：Transactions of Nonferrous Metals Society of China, 2021, 31(01): 125-137.

• AZ91合金
• 磨损性能
• 人工神经网络
• 支持向量回归
• 随机森林方法

研究在不同载荷(10～50N)、滑动速度(160～220 mm/s)及滑动距离(250～1000m)条件下AZ91合金的磨损行为。结果表明,在一定的滑动距离和滑动速度下,磨损体积损失随负载的增加而增加。当滑动速度为220 mm/s和滑动距离为1000 m时,载荷10、20、30、40及50 N下合金的体积损失分别为15.0、19.0、24.3、33.9及37.4 mm3。磨损表面显示,载荷为10 N时磨损表面存在磨损和氧化现象,载荷为50 N时发生分层现象。ANOVA结果显示,载荷、滑动距离和滑动速度的贡献率分别为12.99%、83.04%及3.97%。采用人工神经网络(ANN)、支持向量回归(SVR)和随机森林(RF)对AZ91合金的体积损失进行预测。SVR、RF及ANN的相关系数(R2)分别为0.9245、0.980及0.9845。因此,ANN模型能较好地预测AZ91合金的耐磨性能。