概述 金属泡沫具有高孔隙率、表面积、杨氏模量及热稳定性，是许多热量和质量传输系统中使用的最新研究材料之一，应用包括石油储层、冷凝器、催化剂载体、高功率电池、吸音器、多功能热交换器、汽车催化转换器、过滤器、反应器、燃料电池等。多孔金属结构内部孔隙提供的单位体积接触面积较大，可以实现流体混合，从而增强传热，而传热受金属基质内韧带或固体含量的显著影响。 传热、传质需要全面了解多孔结构在低速和高速下孔隙中的速度和压力分布，以及材料中温度的变化方式。本研究使用机器学习反向传播网络分析人工神经网络（ANN）开发和训练一系列数据集，预测多孔泡沫-流体系统的渗透率、惯性 Forchheimer 系数和有效导热系数，深入了解孔隙率和降低的平均开口孔隙对多孔结构热流体行为的影响。 图像处理 使用蔡司 Xradia Versa XRM-500 X 射线计算机断层扫描系统获取多孔金属试样的高分辨率数据集，体素大小为 26 μm。在 Simpleware 软件中对扫描数据进行图像处理，将较大的体积裁剪为小的代表性体积单元（RVE），使其孔隙率与真实材料相差 ±3％。应用 Erode 工具腐蚀真实的 RVE 创建多个类似于真实试样的半虚拟结构，将原始试样的孔隙率增加到接近于 1 （ε ≤ 0.93），同时增加孔径和平均开口孔隙。在 Simpleware ScanIP 测量 RVE 的孔隙结构相关参数，如孔隙率、迂曲度、体积、平均孔径、平均开口孔隙和比表面积。 在 Simpleware FE 模块对 RVE 流体域进行网格划分，结合网格设置参数分析，在快速收敛的同时保证准确性。线性四面体网格密度为 2.5-3.5 MCells，单元边长为 65-182 μm。 CFD 模拟 将生成的网格模型导入 COMSOL Multiphysics 软件求解 Stokes 方程，入口、出口和侧面分别设置为速度、零压力和对称边界。材料上数值模拟的压降除以单向流厚度获得单位压降，将压力-速度数据拟合到 Darcy 方程确定结构的渗透率。 光学和 X 射线 CT 图像显示，本研究中使用的两种铝试样均具有十四面体形状（TKD）孔隙，孔隙间分别由平均厚度为 […]