基于RBF神经网络的Ni-SiC镀层磨损量预测Forecast on wear mass loss of Ni-SiC coating based on RBF neural network
彭绪山;
摘要(Abstract):
采用脉冲电沉积法在45#钢表面制备Ni-SiC镀层。建立RBF神经网络模型预测镀层磨损量,利用扫描电镜(SEM)及X线衍射仪(XRD)研究镀层表面形貌及物相组成。结果表明:采用RBF神经网络预测误差最大值与最小值,分别为2.94%和1.45%;当电流密度为2A/dm2、SiC粒子的质量浓度为7g/L、镀液温度为50℃,Ni-SiC镀层表面较为平整,犁沟较浅;Ni-SiC镀层中存在Ni、SiC两相。
关键词(KeyWords): RBF神经网络;Ni-SiC镀层;磨损量
基金项目(Foundation): 浙江省教育厅科研项目(Y201225988);; 宁波市自然基金(201225988)
作者(Author): 彭绪山;
Email:
DOI: 10.14024/j.cnki.1004-244x.20151028.002
参考文献(References):
- [1]魏汉军,孙万昌,侯冠群,等.基于BP神经网络的Ni-Si3N4复合镀层工艺-性能模型预测[J].人工晶体学报,2014,43(9):2377-2382.
- [2]靳红梅,肖国荣.用BP神经网络模型预测Ni-Ti N镀层的耐腐蚀性能[J].功能材料,2014,45(13):13079-13080.
- [3]李兴远,夏法锋,陈达.BP神经网络预测脉冲电沉积CuSi C镀层镀速的研究[J].兵器材料科学与工程,2013,36(3):99-100.
- [4]夏法锋,贾振元,吴蒙华.用人工神经网络优化Ni-纳米Ti N复合镀层的超声[J].电沉积工艺,2008,37(8):1479-1482.
- [5]刘新功,吴蒙华,王元刚,等.基于RBF神经网络的镍基Ti N纳米复合镀层显微硬度预测[J].材料科学与工程学报,2012,30(4):620-624.