Ni-ZrO2纳米复合电沉积工艺参数优选研究

在纳米复合电沉积工艺中,通过优选工艺参数可以获得纳米颗粒复合量较高的复合沉积层,以使其具有某些优越的性能.笔者首先运用正交实验法优选了对复合沉积层中纳米颗粒复合量有较大影响的工艺参数,诸如镀液中ZrO2颗粒悬浮量、阴极电流密度和镀液温度等,然后用BP神经网络分析方法对其结果进行分析处理.预测并得到纳米颗粒复合量更高的复...     

纵-扭复合振动超声深滚加工工艺试验

采用正交试验法对Q235钢端面进行了纵-扭复合振动超声深滚加工,探索了工艺参数对表面粗糙度和显微硬度的影响,并基于试验结果构建了表面粗糙度和显微硬度的预测模型。试验结果表明：经纵-扭复合振动超声深滚加工后,工件表面粗糙度值显著减小,而显微硬度有大幅提高;表面粗糙度值随静压力增大先增后减,随进给量的增大而急剧增大,而随滚压速度的增大变化不明显,且进给量对表面粗糙度的影响最显著;显微硬度随静压力的增大而提高,随进给量和滚压速度的增大有微小波动,且静压力对显微硬度的影响最显著;基于t-检验与相关系数计算结果发现,进给量与静压力的交互作用对表面粗糙度的影响最大,而静压力与滚压速度的交互作用对显微硬度的影响最大。基于正交试验结果和预测模型获得了最优工艺参数,两者的结果接近,表明预测模型可靠。     

等离子喷涂NiCrAl黏结涂层工艺优化研究

用正交试验方法研究了等离子喷涂工艺的4个主要参数:喷涂距离、电流、主气流量和辅气流量对NiCrAl涂层结合强度的影响,确定了优化工艺并进行了验证试验,比较了工艺优化前后涂层的结合强度、孔隙率和显微硬度.结果表明:影响涂层结合强度的因素主次顺序是:主气流量、辅气流量、喷涂距离和电流,工艺优化能显著提高NiCrAl涂层的性能,优化工艺喷涂的NiCrAl涂层结合强度达到76..MPa,孔隙率为0.42%,显微硬度为HV321.     

工艺参数和局部热处理对激光沉积修复GH4169合金拉伸性能的影响

采用Inconel718合金对GH4169合金的损伤试样进行激光沉积修复试验,通过正交试验法优化工艺参数,测试分析不同扫描路径和局部热处理修复试样的显微组织、拉伸性能及显微硬度。结果表明：修复区为柱状枝晶,有Laves相析出;经局部热处理后,修复试样的平均抗拉强度和屈服强度分别提高至锻件的86.8%和98.3%,而且修复区、熔合线区及基体的硬度分布趋于一致。     

Ni-B_4C复合涂层制备工艺及性能的研究

通过正交设计,研究了Ni-B4C复合电镀工艺,在充分分析各不同镀液组成和工艺条件下,得出了其最佳镀液组成和工艺参数。研究了镀液中B4C含量对Ni-B4C复合镀层的显微硬度、高温抗氧化性能和耐蚀性能的影响。结果表明,随着B4C颗粒加入量的增加,镀层的显微硬度明显增加,由于B4C微粒加入到电镀Ni复合镀层中可显著地提高基体的抗氧化性,还可降低镀层的耐腐蚀性。     

镀镍超声加工工具的磨损性能研究

通过向电解液中加入添加剂的方法,提高沉积层的硬度。分析添加剂含量和电流密度对沉积层显微硬度、表面形貌的影响。使用电沉积法在超声加工工具表面沉积镍层,进行玻璃超声加工工具磨损试验。结果表明,沉积层硬度的增加使得工具的耐磨损能力得到了提高。     

激光—等离子体辅助化学气相沉积工艺参数对氮化硅膜显微硬度的影响

采用一种新的方法－激光－等离子体辅助气相沉积法，在自行研制的ＬＰＣＶＤ装置上进行了Ｓｉｈ４－ＮＨ３－Ｎ２体系沉积Ｓｉ３Ｎ４膜的工艺试验；采用正交试验法选择工艺参数，根据显微硬度评价膜层性能，并找出最佳工艺参数；激光功率密度为３２８Ｗ／ｃｍ＾２，ＲＦ电源功率为５０Ｗ，氮硅流量比为１０。结果表明，激光功率密度对膜层显微硬度的影响最大，ＲＦ电源功率的影响次之，氮硅流量比的影响最弱。     

复合电铸Ni-La2O3纳米复合材料的组织结构和性能

采用复合电铸工艺制备了不同La2O3纳米颗粒含量的Ni—La2O3纳米复合材料，用扫描电子显微镜和X射线衍射仪观察分析了纳米复合材料的表面形貌及组织结构，与电沉积纯镍作对比研究了纳米复合材料的显微硬度和耐磨损性能。结果表明，由于La2O3纳米颗粒的存在，导致Ni-La2O3纳米复合材料的组织结构发生了改变，它比纯镍沉积层具有更高的显微硬度及耐磨性，且La2O3纳米颗粒质量分数越大，纳米复合材料的显微硬度越高，耐磨性越好。     

基于BP神经网络的SU-8光刻胶工艺参数优选研究

SU-8是一种性能优异的厚胶,广泛应用于高深宽比的MEMS微结构中。本文首先用正交试验研究了前烘时间、曝光剂量、后烘时间以及显影时间对SU-8光刻胶图形尺寸精度的影响,得到了优化的工艺组合。在此基础上,运用BP神经网络对试验数据进行分析处理,预测了较正交试验分析结果更为优化的工艺组合,并用试验验证了其正确性。结果表明,经正交试验数据训练过的BP神经网络,很好地映射了工艺参数与优化指标之间的复杂非线性关系,此时应用BP神经网络对工艺参数进行优选研究能够得到更全面、准确的结果。     

神经网络与正交试验设计在板料成形毛坯形状预测中的综合应用

以带法兰的低方形盒的毛坯形状预测为例，讨论了BP神经网络和正交试验法在毛坯形状预测的综合应用问题，建立了能描述6个工艺参数与毛坯形状之间非线性映射关系的神经网络模型。将正交试验法用于神经网络训练样本的设计和BP网络结构参数的确定，可大大减少训练样本和网络结构参数的试算次数，缩短神经网络的设计周期。     

基于BP神经网络的镗削加工工艺参数优选研究

用BP神经网络对镗削加工工艺参数正交试验的结果进行了分析处理，并再次优选各工艺参数，取得了较为理想的效果。     

齿轮箱复合故障信号的非线性盲源分离算法研究

针对齿轮箱复合故障分析问题,文中提出一种新型非线性盲源分离（Nonlinear Blind Source Separation, NBSS）算法。该算法先利用反向传播（Back Propagation, BP）神经网络逼近非线性混合模型的逆,并对经过BP 神经网络处理后的信号进行独立成分分析（Independent Component Analysis, ICA）;然后以独立成分分析后的信号的负熵作为适应度函数,采用遗传算法对BP神经网络的参数进行寻优;最后利用优化的BP神经网络参数,对观测到的混合信号进行分解,分离出纯净的振源信号。与采用粒子群优化（Particle Swarm Optimization, PSO）算法的核独立成分分析（Kernel ICA, KICA）相比,该方法提取的分离信号具有更高的精度,为齿轮箱复合故障诊断提供了关键技术与有效方法。     

基于神经网络的连铸钢包下渣识别系统

BP网络可以逼近复杂的非线性函数,可广泛用于函数拟合、模式识别、分类、数据压缩、预测等。设计了连铸钢包下渣自动检测系统中BP神经网络的结构,并结合钢包下渣工艺参数,对钢包下渣时刻进行了预报分析。仿真结果证明BP神经网络能够提高连铸钢包下渣时刻预报的准确性。     

基于BP神经网络的电镀金刚石套钻使用寿命的研究

首先运用正交试验法优化了对使用寿命有较大影响的各参数,然后用BP神经网络分析方法对正交试验的结果进行分析处理,预测并得到较正交试验法最优参数组合时更高的使用寿命。     

基于模拟退火的BP神经网络激光切割质量控制模型

激光切割金属板材过程中,工艺条件和表面质量之间存在较为复杂的对应关系;提出基于BP神经网络的激光切割质量控制模型,建立工艺条件与切割面粗糙度之间的关系模型,试验测量点取距切割下边缘1.5mm处表面粗糙度Ra;提出利用模拟退火算法提高多层神经网络的拟合精度,改善网络的收敛性能;切割试验样本设计拟采用星点设计法,用于提高神经网络训练样本的信息量和可靠性;经过实际切割不锈钢板材,验证上述方法具有一定的可靠性和应用价值。     

基于混合遗传算法的磁控形状记忆合金驱动器磁滞模型优化

为了消除或减小磁滞非线性特性对磁控形状记忆合金驱动器定位精度的影响,应用BP神经网络建立了磁控形状记忆合金驱动器磁滞模型。针对BP网络算法存在的不足,以及网络结构、初始连接权值和阈值的选择对BP网络训练的影响很大等问题,提出一种混合遗传算法对神经网络磁滞模型的权值和阈值进行优化。将优化后的参数赋值给BP神经网络重新训练,结果表明,优化后的磁滞模型训练误差绝对值由25nm减小到5nm,有较好的收敛性。     

基于遗传BP神经网络的工艺卡片翻译系统研究

工艺卡片翻译是机器翻译在计算机辅助工艺设计（CAPP）中的一种应用,是制造企业进行国际化合作的需求。针对工艺卡片翻译的复杂性和多样性,应用BP神经网络的学习和自调节特性建立了一种类标准化和规则化的机器翻译系统,提出了一种基于遗传BP神经网络的算法流程和网络模型,利用遗传算法快速收敛的全局寻优特性改造传统BP网络,以提高工艺卡片翻译的速度和效率。     

基于HMPSO和BP神经网络算法的中频淬火工艺参数预测

中频淬火通过人工控制和PID控制工艺参数难以保证产品质量,因此,基于微粒群优化算法和BP神经网络算法提出了一种基于HMPSO的BP神经网络工艺参数控制方法,首先介绍了微粒群优化算法和BP神经网络算法,接着建立了基于HMPSO的BP神经网络工艺参数控制方法,最后对中频淬火控制系统进行MATLAB仿真研究,结果表明,该方法稳定、有效,可提高中频淬火的质量。     

基于GA-BP神经网络的PDC刀头钎焊残余应力优化分析

针对PDC硬质合金基底与45钢焊后残余应力对刀头钎焊强度的影响,在对钎焊残余应力进行有限元分析的基础上,利用MATLAB平台,将BP神经网络与遗传算法应用于钎焊参数优化设计。首先设计正交试验样本,对样本进行有限元模拟获得最大钎焊残余拉应力,并作为基于遗传算法优化的BP神经网络的导师信号;利用遗传算法,把减小最大残余拉应力作为目标,得到钎焊最优参数;最后通过数值仿真验证,计算数值模拟结果与遗传算法预测结果相吻合。