基于bp神经网络模型的ni-tin镀层耐磨性预测研究-彭绪山.pdf

《基于bp神经网络模型的ni-tin镀层耐磨性预测研究-彭绪山.pdf》由会员分享，可在线阅读，更多相关《基于bp神经网络模型的ni-tin镀层耐磨性预测研究-彭绪山.pdf（4页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、45卷第6期 人 工 晶 体 学 报 v。145 No6兰Q!鱼生鱼旦 !Q旦堡盟垒垦Q!墨!堕!旦垦!垦堡曼!兰!垒堕：尘竺呈竺!二：基于BP神经网络模型的Ni-TiN镀层耐磨性预测研究彭绪山1，章晓敏1，马春阳2(1宁波大红鹰学院信息工程学院，宁波315175；2东北石油大学机械科学与工程学院，大庆163318)摘要：采用超声电沉积方法，在CA70型压缩机阀片表面制备Ni-TiN镀层。利用扫描电镜、x射线衍射仪和摩擦磨损试验机研究NiTiN镀层表面形貌、组织结构及耐磨性，并采用BP神经网络模型预测NiTiN镀层的磨损量。结果表明，BP神经网络模型的最佳结构组成为391，其预测值与实验值的拟

2、合度R=099938，相对误差最大值与最小值分别为167和063。当TiN粒子浓度为8 gL、超声波功率180 W、电流密度4 Adm2时，NiTiN镀层表面犁沟较浅，磨损量较小。NiTiN镀层中存在Ni和TiN相，镍的衍射峰分别位于4482。、5222。和76780，TiN的衍射峰分别位于38480、42820和6654。关键词：BP神经网络模型；NiTiN镀层；耐磨性中图分类号：TGl744 文献标识码：A 文章编号：1000-985X(2016)061718-04Predicative Study on the Wear Resistances ofNi-TiN Coatings Usi

3、ng BP Neural NetworksPENG Xushanl，ZHANG Xiaominl，MA Chunyan92(1School of Information Engineering，Ningbo Dahongying University，Ningbo 315175，China；2School of Mechanical Science and Engineering。Northeast Petroleum University，Daqing 163318，China)(Received 18 February 2016，accepted 13 March 2016)Abstrac

4、t：NiTiN coatings were prepared on the surface of C470 type compressor valve plate by ultrasonicelectrodeposition methodThe surface morphology，structure and wear resistance of Ni-TiN coating werestudied by the scanning electron microscope(SEM)，Xray diffraction instrument(XRD)and abrasiontesterThe wea

5、r lOSS mass of NiTiN coatings were forecasted by BP neural network modelThe resultsindicate that the structure of the BP model iS 391and the fitting similarity is 099938The maximumand minimum relative deviation iS 167and 063respectivelySEM and XRD results show that NiTiN coatings have a shallow furr

6、ows surface and less wealloss when the TiN particles at a concentration of8L，ultrasonic power of 180 W，the current density of 4 Adm2There were nickel and TiN phases inthe coatings，and nickel diffraction peaks were located at 4482。，52220 and 7678。，respectivelyTiNdiffraction peaks were located 3848。42

7、82。and 6654。respectivelyKey words：BP neural network model；NiTiN coatings；wear resistance1 引 言往复式压缩机是一种增加气体静压力的机械设备，在机械、石油等工业领域有着广泛的应用。但由于压收稿日期：2016-0218；修订日期：2016-03-13基金项目：浙江省教育厅科研项目(Y201225988)；宁波市自然科学基金(2012A610028)；大庆市指导性科技计划项目(szdfy-2015-09)作者简介：彭绪山(1966)，男，湖北省人，副教授。通讯作者：马春阳，副教授。万方数据第6期 彭绪山等：基于

8、BP神经网络模型的NiTiN镀层耐磨性预测研究 1719缩机阀片频繁周期性往复运动，易产生磨损失效现象。NiTiN镀层因其具有较高的强度以及耐磨性能，使其适用于压缩机阀片表面改性方面，2 J。电沉积技术是一种成本低、效果好的特种加工技术，采用该技术可显著提升复合镀层的综合性能，故常被用于制备金属基镀层中引。BP神经网络是一种反传误差反向传播算法的学习过程，可对离散型试验数据进行准确预测。鉴于此，为改善压缩机阀片表面的耐磨性能，本文采用超声电沉积方法，在压缩机阀片表面制备NiTiN镀层。利用扫描电镜、x射线衍射仪和摩擦磨损试验机研究NiTiN镀层表面形貌、组织结构及耐磨性，并采用BP神经网络模型

9、预测NiTiN镀层的磨损量。2 实 验用C470型压缩机阀片作为阴极；用镍板为阳极，其纯度大于99。超声电沉积工艺流程依次为除锈、除油、活化、超声电沉积、烘干保存。制备NiTiN镀层的试验药品及工艺条件见表1。表1 Ni-TiN镀层制备所需试剂及施镀条件Table 1 Chemical composition and plating conditions for preparing Ni-TiN coatings用JSM-6460LV型扫描电镜观察Ni-TiN镀层经磨损后表面形貌；用Philips D5000型XRD衍射仪测定镀层的组织结构；用MCMS一100型摩擦磨损试验机测试NiTiN镀层

10、耐磨性能，测试条件：摩擦副GCrl5钢环，转速150 rpm，加载载荷10 N，时间1 h。本文令TiN粒子浓度(蜀)、超声波功率(互)和电流密度(墨)作为BP神经网络模型的输入层，NiTiN镀层磨损量(Y)为BP神经网络模型的输出层，其结构示意图如图1所示。图1 BP神经网络结构图Fig1 Schematics of BP artificial neural network3 结果与讨论31 BP神经网络训练过程本文采用traingdx作为网络模型的训练函数，双曲正切函数作为隐含层函数，最大训练次数为1500次，学习率为003。经计算，本BP神经网络模型的最佳结构为391，预测值与实验值的拟

11、合相似度R=099938，其拟合效果如图2所示。Experiment、alue nlg图2实验值与预测值拟合曲线Fig2 Fitting curve of the experimental and predictedSample number图3 BP神经网络预测结果Fig3 Prediction results of BP neural network model万方数据人工晶体学报 第45卷32 BP神经网络模型预测过程由图3可知，采用BP神经网络对130#NiTiN镀层样本的磨损量进行测试，镀层磨损量的预测值与实验值变化规律基本相同，故BP神经网络模型能够较好地对镀层磨损量变化规律进行模

12、拟。另外，本文选用3140#镀层样本进行测试，用以验证BP神经网络结构的适用性，测试结果见表2。表2 BP神经网络模型预测结果Table 2 Results forecasted by using BP neural network model样品编号 预测值mg 实验值mg 相对误差96297492l986885897983100l942lO53969966932993878912999899361063O72O82O6511l079167O7112O63095由表2可知，BP神经网络的预测值与实验值相差不大，相对误差最大值与最小值分别为167和063。因此，BP神经网络模型具备较强的识别能

13、力，且能够较好地预测NiTiN镀层磨损量。33 SEM分析图4为两种不同工艺参数制得的NiTiN镀层磨损后表面形貌。由图4可知，当TiN粒子浓度为6 gL、超声波功率为120 W、电流密度为3 Adm2时，NiTiN镀层表面犁沟较深，磨损量较大；而当TiN粒子浓度为8 gI，、超声波功率为1 80 w、电流密度为4 Adin2时，NiTiN镀层表面磨损较轻，磨损量较小。一一鐾二 6000鲁4000 2000 020 40 60 8020(。)图5 NiTiN复合镀层XRD图谱Fig5 XRD patterns of the Ni-TiN coatings34 XRD分析图5为不同NiTiN镀层

14、试样的XRD图谱。由图5可知，NiTiN镀层中存在镍和TiN相，镍的衍射峰分别位于4482。、5222。和7678。，TiN的衍射峰分别位于3848。、4282。和6654。当TiN粒子浓度为8L、超声波功率为180 W、电流密度为4 Adm2时，超声电沉积NiTiN镀层的衍射峰变宽变低，这说明镀层晶粒得到细化。4 结 论(1)选用TiN粒子浓度、超声波功率和电流密度作为输人层，NiTiN镀层磨损量为输出层，建立了39X 1的BP神经网络模型。(2)本BP神经网络模型的预测值与实验值拟合相似度R=099938，相对误差最大值及最小值分别为”勉”舛弱铂卯粥如万方数据第6期 彭绪山等：基于BP神经

15、网络模型的NiTiN镀层耐磨性预测研究 1721167和063。(3)当TiN粒子浓度8L、超声波功率180W、电流密度4 Adin2时，NiTiN镀层磨损现象较轻，磨损量较小。NiTiN镀层中存在Ni和TiN相，镍的衍射峰分别位于4482。、5222。和7678。，TiN的衍射峰分别位于3848。、4282。和6654。参考文献1 王金东，代梅，夏法锋，等压缩机阀片表面的超声一电沉积NiTiN镀层的工艺研究J兵器材料科学与工程，2013，36(3)：55-572Xia F F，Tian J Y，Ma c Y，et a1Effect of Pulse Frequency on Micmstru

16、ctuml，Nanomechanical，and Wear Properties of Electrodeposited NiTiN Composite CoatingsJApplPhp，2014，116：2343023 王金东，李颖，夏法锋脉冲电流密度对NiSiC镀层微观结构和显微硬度的影响J功能材料，2014，45(18)：18096-180984 夏法锋，黄明，马春阳，等电沉积方式对NiSiC纳米镀层耐腐蚀性能的影响J功能材料，2013，44(16)：2429-24315夏法锋，田济语，徐会彬，等热处理对NiPSiC镀层组织结构和性能影响研究J功能材料，2014，45(24)：24074

17、-24077信 息新疆理化所发现新型综合性能优异的红外非线性光学晶体材料6月15日，国际综合期刊JACS发表了由中国科学院新疆理化技术研究所新型光电功能材料实验室研究员潘世烈团队撰写的标题为Na2 ZnGe2 S6：a new infrared nonlinear optical material with good balance betweenlarge secondharmonic generation response and high laser damage threshold的学术论文。潘世烈课题组硕士研究生李广卯为论文第一作者。红外固体激光器的发展在军事和民用领域都起着重要的作

18、用。作为红外固体激光器的核心器件，红外非线性光学晶体起着关键的作用，虽然已有AgGaQ：(Q=S，Se)和ZnGeP：商业化晶体，但由于非线性系数和激光损伤阈值两者不能很好地平衡，因此仍缺乏性能优良的红外非线性光学晶体，继续探索具有大倍频、高损伤阈值、宽透过范围、易生长的红外非线性光学晶体仍是该领域的研究热点。新疆理化所光电功能晶体材料团队近年来致力于非线性光学晶体的研究，前期调研发现硫属化合物具有较宽的红外截止边，成为红外材料探索的重要选择之一；体系中引入碱金属，有利于提高材料带隙，并进一步增大激光损伤阈值；此外，引入具有d 10电子结构的锌和易形成畸变四面体基元的锗元素能够增大形成非中心对

19、称结构的几率。基于以上策略，科研人员采用真空封管进行高温固相反应，成功制备了一种性能优良的新型红外非线性光学晶体Na：ZnGe：S。该晶体结晶于单斜非心Cc空间群，而且可以在空气中长时间稳定存在。科研人员还发现该材料具有优异的性能，其波段透过范围为03822斗m，覆盖两个重要的大气窗口(35 txm和812m)；在209斗m激光下的倍频能力可以媲美商业化晶体AgGaS：，但其激光损伤阈值是AgGaS：晶体的6倍。因此，该化合物很好地实现了大倍频和高激光损伤阈值的平衡，同时为未来探索优异的红外非线性光学晶体提供了很好的研究思路。此外，潘世烈课题组依托于“中国科学院特殊环境功能材料与器件重点实验窒

20、和新疆电子信息材料与器件重点实验室”长期从事红外远红外非线性光学晶体的研究并取得了一系列成果。此次发表的文章中报道的Na2ZnGe2S6(，AmChemSoc2016，138，7422)，是继Na2H93M2S8(M=Si，Ge，Sn)(ChemMater，2016，28，2795)和Na2BaMQ4(M=Ge，Sn；Q=S，Se)(AngewChemIntEd2016，55，6713)之后，得到的又一个能够实现大倍频效应和高激光损伤阈值平衡的新型红外非线性光学晶体。该团队下一步将对所报道材料的大尺寸单晶生长开展研究，制备可供单晶器件测试的高质量单晶。(来源：中国科学院新疆理化技术研究所)万方数据