基于神经网络的镁合金微弧氧化膜厚动态监测

选择三层结构的BP神经网络,建立镁合金微弧氧化膜厚的映射模型。基于采用带放电回路的脉冲电源进行的镁合金微弧氧化的实验结果,讨论了微弧氧化的几个主要参数对膜层生长的影响关系,从而确定了神经网络的输入参数。通过工艺试验构造了训练与测试样本集。训练得到的BP神经网络的测试结果表明,利用神经网络的方法来实现对膜厚的动态监测是可行的。     

镁合金微弧氧化膜层性能优化研究进展

镁合金是一类重要的工程材料,具有许多优良的物理、化学性能,在航空航天、交通运输、电子通信、生物医学和能源等领域具有广阔的应用前景。镁合金的应用受到其高化学活性的限制,需要进行表面处理,以避免腐蚀。在众多表面处理技术中,微弧氧化技术极大地改善了镁合金的综合性能。其中,工艺参数对膜层性能有着重要的影响。在分析微弧氧化膜层厚度、微观结构和相组成成因的基础上,结合国内外研究现状重点阐述了电解质、颗粒添加物、电参数（电流模式、电压、电流密度、占空比、频率和氧化时间）对膜层耐蚀性、耐磨性及生物学性能的影响,并由此引出调控导向性、陶瓷膜增韧、性能匹配优化及能源利用率等关键问题。此外,还探讨了研究者针对上述问题采取的解决方案,并分析了方案的合理性。最后,结合镁合金微弧氧化目前存在的问题对其未来发展进行了展望。     

镁合金微弧氧化膜层结构分析

对镁合金微弧氧化膜层结构进行分析测试,所采用的手段主要有X-ray、SEM、EDS和XPS.通过测试发现,膜层中的物相Mg、MgO、MgSiO3、MgAl2O4会随着膜层深度的不同有不同的分布.通过表面价态和结合能的分析,发现膜层中还含有少量的SiO2和Al2O3.并测试了一些含Mn或Cr的着色膜表面,发现样品表面不含有Mn或Cr元素,这些元素应该是通过表面层多孔结构进入到膜层较深处参与反应并分布在膜层深处.     

电参数对锆材微弧氧化膜层厚度的影响

利用微弧氧化技术在锆材表面原位生成微弧氧化膜层。研究电压、占空比、频率和电流密度对锆材微弧氧化膜层厚度的影响,并利用单因素方差分析法,分析各电参数对膜厚影响的显著性。结果表明：在试验范围内,随着电压的升高、占空比的增大、频率的减小或电流密度的增大,锆材微弧氧化膜层厚度增加;各电参数对微弧氧化膜层厚度影响的主次顺序为：电压和电流密度＞占空比＞频率,其中频率对膜层厚度无明显影响。     

亚微米级孔径微弧氧化膜层工艺研究

在其他加工参数固定的条件下,对Ld_(10)铝合金试件进行处理,然后采用扫描电镜对膜层表面显微结构进行观测分析,研究由KOH、KF、Na_2SiO_3、(NaPO_3)_6构成的溶液中各种成分浓度的变化对膜层表面放电孔径的影响.结果表明:KOH浓度变化对膜层孔径影响最小;随着Na_2SiO_3浓度的增加,膜层放电孔径先减小后快速增加;而增加KF和(NaPO_3)_6的浓度时,膜层孔径都会逐渐减小,最后趋向一个最小值.实验表明:调整好上述溶液的配比,可在试样表面获得最小放电孔径为350 nm的微弧氧化膜层.     

镁合金微弧氧化膜层形成过程探讨

对镁合金微弧氧化膜层的形成过程以及形成过程中的工艺影响因素做进一步的探讨，得出微弧氧化膜层的形成是一种亚单层生长模型，它是“成膜→击穿→熔化→烧结→再成膜……”的多次循环过程。并且微弧氧化先期形成的主要是致密层，疏松层则主要是在后期形成。还研究了成膜电压、电流、电解液体系等工艺参数与膜层生成的关系，发现电压越高，得到的膜层越厚，而电流在20A/dm^2的电流密度下生成的薄膜具有较好的质量和性能，还发现在硅酸盐体系中形成的膜层在质量还是性能方面优于铝酸盐和磷酸盐体系中形成的膜层。     

微弧氧化膜层的组分质量比率、结构与性能

为了同时提高AZ61的MgF₂+MgO微弧氧化膜层的电化学腐蚀与磨损性能,本文运用复合电介质顺序放电学术思想,通过减弱击穿熔体的喷发,使膜层进一步致密,进而使其性能得到提高。膜层的MgF₂-MgO质量比率α、微观组织、电化学腐蚀与磨损性能的研究结果表明：α=1.2时,减弱击穿熔体喷发的效果显著好于α=0.1和11.8,膜层的内部致密层厚度可提高到3.6 μm,是现有微弧氧化膜层的3倍,外部疏松层的阻抗可提高到13555 Ω cm^₂,比α=0.1和11.8的大30%。该膜层可将AZ61的自腐蚀电压Ecorr由-1.912提高到-0.455 V_SCE、自腐蚀电流Icorr由378.6减小到0.453(10^_-6 A/cm^₂)、磨损率由921降低到0.5(10^_-5 mm^₃/N.m)。本研究为制备高性能微弧氧化膜层提供了一种新模式。     

钛合金表面微弧氧化膜及抗氧化性能的研究

利用微弧氧化技术，通过增加涂层致密性的方法及选择合适的放电电压，在钛合金表面制备出致密的、与基体结合优良的微弧氧化膜。微弧氧化膜分为3层：过渡层、致密层和疏松层。XRD分析表明，微弧氧化膜主要由Al2TiO5和Al2SiO5组成。在700℃循环氧化100h后，经微弧氧化处理的钛合金的氧化增重量为2．08mg／cm^2，低于未经微弧氧化处理的钛合金的增重量（20mg／cm^2），因而微弧氧化能有效地提高钛合金的抗高温氧化性能。     

电流密度对微弧氧化膜层厚度和硬度的影响

电流密度对微弧氧化陶瓷膜的生长和性能的影响较大，不同的电流密度、工作电压，制得的氧化膜层的厚度、硬度、防护性能也将不同。主要研究电流密度对微弧氧化陶瓷膜的厚度和硬度的影响。     

溶液钙浓度和微弧氧化频率对微弧氧化膜层形貌和组成的影响

Ti6A14V合金在不同钙磷浓度的电解液中和不同微弧氧化频率下进行微弧氧化制得氧化膜.采用SEM观察微弧氧化膜微观形貌,使用EDS、XRD分析膜层成分和相组成.结果表明:电解液中钙磷元素浓度直接影响制得氧化膜层中的钙磷元素含量与Ca/P比,且随电解液中Ca元素浓度增加而增加;当频率降低时,氧化膜表面孔洞直径变大且氧化膜中Ca元素含量与Ca/P比都升高;而氧化膜中P元素随频率降低而降低.     

BP神经网络在正交实验样本互预测中的应用

以磷酸盐石墨铸型作为研究对象，用2组不同的正交实验方案结果作为样本集，用BP神经网络对这2个样本进行了互预测，结果表明：对样本集进行恰当的预处理，包含信息量大的样本集能够对包含信息量小的样本集以极高的精度进行预测，而包含信息量小的样本集不能对包含信息量大的样本集进行预测。这给科研人员提供了新的实验设计     

基于BP神经网络与遗传算法的固结磨具制作工艺参数优化

目的 利用BP神经网络技术与遗传算法寻找固结磨具制作最优工艺参数组合,实现固结磨具制作工艺参数的快速寻优.方法 设计磨粒粒径、磨粒质量分数、成型压力、烧结温度的正交工艺参数表,按正交表工艺参数制作蓝宝石晶片加工用的Cr2O3固结磨具,并且设计不同固化温度下制作的固结磨具的硬度与抗压强度测试试验,验证自制的固结磨具加工的...     

基于人工神经网络预测铝基复合材料瞬间液相扩散焊的接头性能

非连续增强铝基复合材料的瞬间液相(TLP)扩散焊的焊接工艺与其接头力学性能之间具有很强的非线性关系,人工神经网络是解决非线性映射关系的一种有效手段。本文以Al2O3p/6061Al的TLP扩散焊(用Cu箔作中间层)焊接工艺与接头抗剪强度的关系为研究对象,在Matlab语言环境下,以正交实验数据作为训练和预测样本,用5节点的单隐含层BP型神经网络进行了预测。结果表明:正交实验和人工神经网络相结合来预测铝基复合材料的TLP扩散焊接头性能是有效的,切实可行的。     

基于人工神经网络预测铝基复合材料瞬间液相扩散的接头性能

非连续增强铝基复合材料的瞬间液相（TLP）扩散焊的焊接工艺与其接头力学性能之间具有很强的非线性关系，人工神经网络是解决非线性映射关系的一种有效手段。本文以Al2O3p／6061Al的TLP扩散焊（用Cu箔作中间层）焊接工艺与接头抗剪强度的关系为研究对象，在Matlab语言环境下，以正交实验数据作为训练和预测样本，用5节点的单隐含层BP型神经网络进行了预测。结果表明：正交实验和人工神经网络相结合来预测铝基复合材料的TLP扩散焊接头性能是有效的，切实可行的。     

用人工神经网络模型预测灰铸铁件的性能

材料的成分和性能之间具有很强的非线性关系,人工神经网络是解决非线性映射关系的一种有效的手段.本文以L9(33)发动机缸盖灰铁铸件的性能与成分的关系为研究对象,在Matlab语言环境下,以型正交试验数据作为训练和预测样本,用5节点的单隐含层BP型神经网络进行了预测.结果表明:正交试验和人工神经网络相结合来预测发动机缸盖灰铁铸件的性能是有效的、切实可行的.     

BP神经网络在注塑产品质量控制中的应用

设计了一个基于Visual C＋＋平台的多输入多输出的BP神经网络程序,依据正交实验设计训练样本,实现了注射成型产品多质量指标的高精度预测,可实现对注塑产品质量的监控,提高了实际生产效率。     

基于人工神经网络的材料力学性能的预测与评估

以白口铸铁力学性能与成分的关系为研究对象，以L9(3^4)型正交实验数据作为训练学习样本，以与正交实验成分有关的任意6个样本作为预测与评估样本，用学习率为0．5的一层10节点隐含层的BP神经网络进行了预测和评估，结果表明不加评估方案时，训练12913次，其最大误差不超过8％；在加评估方案时，训练了34919次，其最大误差为19．74％。因此，用正交实验测得的数据作为样本进行训练学习，可以对与正交实验成分有关的其余样本进行预测与评估，结果是令人满意的、现实的、可行的。人工神经网络与正交实验相结合，能大大节省时间和费用。     

L-M优化算法BP网络在刀具磨损量预测中的应用

在线刀具磨损量估算及其未来发展趋势预测对于指导现实生产有着十分重要的意义.提出基于L-M优化算法BP神经网络的刀具磨损量在线预测方法.对声发射信号进行小波包分解,得到32个不同频带内的信号,用于构造初始特征向量矩阵;对初始特征向量矩阵进行奇异值分解,计算奇异谱,将奇异谱做为刀具磨损的特征向量,利用神经网络在线预测刀具磨损量.试验结果表明:预测结果能准确地跟踪实际的刀具磨损曲线,并且L-M优化算法比其他改进算法迭代次数少,收敛速度快,精确度高.     

基于BP神经网络的压铸成型工艺参数的模拟与优化

利用数值模拟、BP神经网络和正交试验相结合的方法对压铸成型的工艺参数进行模拟和优化。并且通过一个简单的实例对该方法的可行性进行了验证。基于BP神经网络对压铸工艺参数及其相对应的铸件最低温度点样本进行训练,得到了工艺参数到铸件温度映射关系的神经网络模型,并验证该模型的准确性。结果表明,神经网络结合正交实验设计方法的优化算法,可以确定出最优的工艺参数组合,缩短了优化工艺参数的时间。     

BP神经网络在预测注塑模型腔温度中的应用

注塑成型的过程中,影响其质量的因素很多,模具型腔的温度就是其一重要因素。它不仅影响到注塑件的质量,而且影响到模具加工的生产效率。运用BP神经网络来预测注塑模型腔温度不仅过程简便,还具有很高的精度,绝对误差小于2℃。