利用人工神经网络预测冷冻铸造中形成的孔隙率
应用物理
2020-05-07 v1 材料科学
摘要
冷冻铸造已日益应用于制备多种多孔材料。其他研究者报道了最终孔隙率与悬浮液中初始固相物料分数之间的线性关系。然而，由于材料的性质显著影响冷冻铸造中形成的孔隙，不同材料或冷冻溶剂之间孔隙与固相物料的体积分数关系呈现出高度差异性。本文提出一种人工神经网络（ANN）来评估冷冻铸造过程中的孔隙率。在利用实验数据充分训练 ANN 模型后，可由描述最具影响的过程条件的四个输入预测出孔隙率值。本研究还分析并讨论了该模型的误差范围、可靠性与优化。结果证明，该方法在一个模型中有效总结了多种材料的通用规律，这是线性拟合难以实现的。最后，还提供了一个基于训练良好 ANN 模型的用户友好小程序，用于预测定制冷冻铸造实验的孔隙率水平。
引用
@article{arxiv.2005.02789,
title = {Predicting the Porosity Formed in Freeze Casting by Artificial Neural Network},
author = {Yue Liu and Wei Zhai and Kaiyang Zeng},
journal= {arXiv preprint arXiv:2005.02789},
year = {2020}
}