一种新型可持续混合直觉模糊决策模型用于 Al–Cu–Mg–SiC–石墨–花生壳混合复合材料的可加工性排序

把废物变成有用的金属零件

现代汽车、飞机和机械依赖于既坚固又轻且易于成形的金属。与此同时，工业面临减少废弃物和能耗的压力。本研究探索了如何将花生壳的残余物与常见工业粉末结合到铝中，制成既高性能又更可持续的新金属材料。

把金属与壳与粉末混合

研究团队以近纯铝为基体，加入三种固体颗粒：一种硬质陶瓷——碳化硅、润滑性的软石墨，以及由燃烧花生壳得到的灰分。还加入少量铜和镁以提高强度并促进颗粒与金属的结合。两种版本的混合材料被铸造成棒材。样品 A 含更多花生壳灰、硬质陶瓷和金属略少；样品 B 则含更多碳化硅和铜，但花生壳灰较少。通过这种配比调整，旨在得到一种更轻更柔韧的材料和另一种更硬、更耐磨的材料。

金属内部揭示了什么

为了理解这些混合物的行为，团队使用显微镜和若干标准实验检测了两种样品的内部结构。影像显示微小颗粒在两种铝基体中均较为均匀分布，这对稳定性能很重要。富含花生壳灰的样品 A 显示出更多有机、类碳相，这些相有助于抑制裂纹扩展并使金属更易弯曲和吸能。样品 B 含有更多碳化硅和铜，呈现出更致密的硬颗粒网络和更清晰的晶体特征，这与更高的强度和更好的热传导相关，但柔韧性较低。跟踪热传导和晶体结构的测试支持了样品 A 更软、更韧；样品 B 则更刚、更强的结论。

新型金属在切削下的表现

因为实际零件需要通过切削和车削成形，团队重点研究了这些材料在加工过程中的响应。他们将铸棒装在车床上，改变三个关键参数：切削速度、刀具进给速度和切深。部分试验使用常规方式，另一些则在刀具上施加高频振动，即超声辅助车削。这种振动有助于破碎切屑并降低切削阻力。每次试验都测量了表面粗糙度、刀具磨损速率、每分钟去除的金属量以及机床功耗。

对最佳切削工况的智能排序

选择最佳切削方案并不简单，因为工厂同时关心表面光洁度、刀具寿命、产量和能耗之间的平衡。为处理这些权衡，研究采用了将统计建模与模糊逻辑相结合的分层决策方法，模糊逻辑用于处理非绝对的专家判断。首先，响应面方法构建了切削参数与测量结果之间的数学关系；然后应用模糊加权与直觉模糊排序方法来评估哪种速度、进给、切深与材料组合能提供最均衡的性能。这种混合策略允许团队在考虑不确定性与专家意见的情况下对多种可能方案进行评级。

哪种材料适用于哪类任务

排序结果表明，在最高测试切削速度、最低进给率和中等切深下，尤其是使用超声振动时，样品 B 在总体加工性能上最优。在这些工况下，加工表面相对平滑、刀具磨损低、每分钟材料去除量高且功耗保持在实用水平。样品 A 虽然在这些切削结果上不及样品 B，但在其他方面表现出色：由于花生壳灰含量较高，它更轻、更具延展性，并且更善于吸收能量和热量。

对实际产品的意义

简言之，研究表明农厂废料可用于为不同类型零件定制铝材料。富壳的样品 A 适合用作轻质面板和需要一定弯曲与抗冲击的构件，例如某些汽车或航空覆层。富陶瓷的样品 B 更适合用于高接触力下的耐磨零件，如滑动或旋转部件。通过将精心的材料设计与智能决策工具结合，这项工作指向了更易加工、服役寿命更长并更合理利用农业废弃物的金属零件。

引用: Sivam, S.P.S.S., Umasekar, V.G., Kesavan, S. et al. A novel sustainable hybrid intuitionistic fuzzy decision-making model for machinability ranking of Al–Cu–Mg–SiC–graphite–peanut shell hybrid composites. Sci Rep 16, 15001 (2026). https://doi.org/10.1038/s41598-026-44600-7

关键词: 铝基复合材料, 花生壳灰, 可持续加工, 超声辅助车削, 模糊决策方法