推导并给出了推算复合金资料磨损体积损失的数学公式。利用造备的复合金资料配方
，钻研了输入变量对复合金资料磨损体积损失的影响。复合金资料的磨损量损失随着滑动距离、刀具横移速度和转速的增长而显著增长。复合加强资料在50% TiC +50% Al2O3的同化比下拥有最幼的磨损体积损失
，这是由于复合加强资料拥有更好的光滑机能和抗脆性和磨损机能。钻研了局批注
，该配方可用于复合金资料的磨损预测
，从而缩短出产功夫
，降低出产成本。

复合金资料具体钻研了FSP参数和杂化比对Al基(5083)杂化复合金资料UTS的影响。利用一个隐层中分歧神经元的个数(10-15个)来确定模型的最杰作造。用15个神经元进行最优模型构建。复合金资料利用最幼均方误差(MSE)、最幼均方误差(MAE)和最幼均方误差(MAPE)作为误差评价尺度
，并选择有关系数(R)来评价所提模型的机能。用15个神经元得到最大R值和最幼误差值。推导了一个数学公式
，并将试验了局与模型进行了比力。在图7中
，显示了组合的谬误百分比。训练集均匀误差为11%
，测试集均匀误差为4%。这批注该模型的预测能力是能够接受的。

此表
，复合金资料还钻研了刀具旋转和横向速度、碳纳米管(CNT)、氧化铝(Al2O3)、石墨(Gr)、碳化硅(SiC)和氧化锆(ZrO2)体积分数等成分对强度的影响。试验了局批注
，随着CNT的增长
，复合金资料刀具旋转速度和横移速度的增长
，复合金资料的ut显著增长。此表
，还钻研了分歧体积分数的复合加强剂对5083 amhc的影响；旌媳任10% Gr + 5% ZrO2时
，复合金资料的抗拉强度达到最大。选取人为神经网络[13]钻研了分歧合金元素对Al-Mg2Si复合金资料抗拉强度的影响。输入变量为Al、Mg、Si、铜、锰、铬、磷、铍、硼、锂、钇、钠wt.%
，输出变量为UTS
，单元为MPa。