彭绪山
兵器材料科学与工程
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:
RBF神经网络
,
Ni-SiC镀层
,
磨损量
彭绪山
,
李永平
,
章晓敏
,
王水
人工晶体学报
采用磁场电沉积方法在40Cr钢表面制备了Ni-TiN镀层,并在正交实验的基础上建立了BP神经网络模型对镀层腐蚀速率进行预测,最后利用扫描电镜、X射线衍射仪以及显微电子天平对镀层的表面形貌、组分以及腐蚀速率进行分析和研究.结果表明,当工艺组合为A2B2C3D1,即TiN粒子浓度6 g/L,磁场强度0.4T,占空比50％,电流密度0.5 A/dm2时,Ni-TiN镀层经腐蚀后表面较为平整,凸起状物质较少.BP神经网络模型能够较好的模拟Ni-TiN镀层腐蚀速率,腐蚀速率最小值仅为2.134 mg/m·h,因此也证明了BP神经网络的可靠性.经XRD分析,Ni-TiN镀层存在Ni、TiN两相.
关键词:
BP神经网络
,
Ni-TiN镀层
,
腐蚀速率
,
磁场电沉积
彭绪山
,
章晓敏
,
马春阳
人工晶体学报
采用超声电沉积方法,在C470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Ni-TiN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Ni-TiN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3×9×l,其预测值与实验值的拟合度R=0.99938,相对误差最大值与最小值分别为1.67％和0.63％.当TiN粒子浓度为8 g/L、超声波功率180 W、电流密度4 A/dm2时,Ni-TiN镀层表面犁沟较浅,磨损量较小.Ni-TiN镀层中存在Ni和TiN相,镍的衍射峰分别位于44.82°、52.22°和76.78°,TiN的衍射峰分别位于38.48°、42.82°和66.54°.
关键词:
BP神经网络模型
,
Ni-TiN镀层
,
耐磨性
