基于机器学习的Al6061/SiC/Gr混杂复合材料硬度与屈服强度预测及实验研究

本研究通过搅拌铸造法制备不同增强体比例的Al6061/SiC/Gr混杂复合材料，系统评估其硬度与屈服强度性能。实验发现6%SiC/7%Gr配比时硬度(55.11%)和屈服强度(25.09%)提升显著，并采用线性回归(LR)模型验证实验结果（硬度预测精度达93.18%/73.59%，屈服强度92.46%/81.50%），结合SEM分析界面结合机制，为航空航天领域高性能复合材料设计提供数据支撑。

　　

在轻量化需求日益迫切的工程领域，铝合金基复合材料因兼具轻质与高强度特性成为研究热点。然而传统单一增强体系存在性能瓶颈，且工艺-性能关系不明确。针对这一难题，研究人员通过搅拌铸造技术制备了Al6061/SiC/Gr混杂复合材料，创新性地结合机器学习方法预测力学性能，相关成果发表于《Next Research》。

研究团队采用搅拌铸造工艺制备不同SiC(0-6wt%)/Gr(1-7wt%)配比的复合材料，通过硬度测试、拉伸试验获取力学数据，并运用线性回归(LR)算法建立预测模型。借助扫描电镜(SEM)观察断口形貌，系统分析增强体分布与界面结合机制。

Material used and Fabrication
采用ASTM标准制备试样，通过调控SiC/Gr双相增强体比例（重点研究6%SiC/7%Gr组合），利用搅拌铸造实现基体与增强体的均匀混合。

Results and Discussions

1. 力学性能：6%SiC/7%Gr组展现最优性能，硬度达11.23（较基准组提升55.11%），屈服强度214.85N/mm²（提升25.09%）。
2. 机器学习验证：LR模型对硬度训练集/测试集预测精度分别为93.18%和73.59%，屈服强度达92.46%和81.50%。
3. SEM分析：断口呈现韧窝结构，证实增强体与Al6061基体形成有效结合，但高应力下硬质颗粒会发生剥离。

Conclusions
该研究证实：1）搅拌铸造可制备界面结合良好的Al6061/SiC/Gr混杂复合材料；2）SiC/Gr协同增强使力学性能显著提升；3）LR模型能有效预测材料性能，为复合材料数字化设计提供新思路。研究结果对航空航天轻量化构件开发具有重要指导价值，特别是为多尺度增强体配比优化提供了实验与理论依据。