Deep Learning-Assisted Multi-Objective Optimization and Microstructure Property Correlation in Rotary Friction Welding of Dissimilar AA1100–AA2014 Aluminium Alloys
Deze studie maakt gebruik van een hybride deep learning en NSGA-II optimalisatiekader om de mechanische eigenschappen en microstructurele kwaliteit van rotatiefrictielassen van dissimilaire AA1100–AA2014 aluminiumverbindingen te verbeteren, waarbij een maximale treksterkte van 142 MPa met een hoge voorspellende nauwkeurigheid wordt bereikt.