Deep Learning-Assisted Multi-Objective Optimization and Microstructure Property Correlation in Rotary Friction Welding of Dissimilar AA1100–AA2014 Aluminium Alloys
Diese Studie verwendet ein hybrides Deep-Learning- und NSGA-II-Optimierungs-Framework, um die mechanischen Eigenschaften und die mikrostrukturelle Qualität von reibverschweißten unähnlichen AA1100–AA2014-Aluminiumverbindungen zu verbessern, wobei eine maximale Zugfestigkeit von 142 MPa bei hoher Vorhersagegenauigkeit erreicht wird.