基于反向传播神经网络与遗传算法优化复合材料零件注塑成型工艺参数

以Moldflow软件模拟得到的不同工艺参数下飞机机头雷达罩模型的翘曲变形量为训练样本,在雷达罩模型成型工艺参数与其翘曲变形量间建立反向传播(Back Propagation,BP)神经网络模型,然后采用遗传算法对工艺参数进行优化,得到使雷达罩模型翘曲变形量最小的工艺参数并进行试验验证.结果表明:在相同工艺参数下由BP神经网络得到的雷达罩模型翘曲变形量与采用Moldflow软件模拟得到的翘曲变形量相近,相对误差小于4％,证明了BP神经网络的可靠性;模拟得到雷达罩模型的最优成型工艺参数为注塑温度295℃、模具温度80℃、注塑时间0.75 s、保压时间8 s、保压压力125 MPa,此时翘曲变形量最小,为0.1213 mm;在最优成型工艺参数下进行注塑成型后得到的雷达罩模型最大翘曲变形量为0.1260 mm,试验结果与预测结果间的相对误差小于3.7％,验证了BP神经网络与遗传算法相结合方法的准确性.     

一步热分解法形成的MoO3在无光条件下的抗菌性能

生物污损是威胁海工材料安全高效服役的重要因素，因此开发环保、成本低廉的防污材料非常必要。本文通过一步热分解法分别在450 ℃和750 ℃制备α-MoO3粉末材料，即S450和S750。采用X射线衍射（XRD）、扫描电子显微镜（SEM）、红外光谱（FTIR）对样品进行表征。结果显示，450 ℃和750 ℃获得的α-MoO3分别表现为纳米级板状结构和微米级长板状结构。利用平板计数法评价两种材料在无光条件下对铜绿假单胞菌（P. aeruginosa）的抗菌性能。结果显示，S450和S750在浓度为0.25，0.5，0.75，和1 mg/ml时，其抗菌率分别为27.3%，99%，100%，100%和16.1%，30.1%，52.3%，73.6%。表明两个条件下获得的α-MoO3在无光条件下均表现出良好的抗菌性能，并且溶液pH值随α-MoO3样品浓度的升高而降低，Mo离子溶出量随α-MoO3样品浓度的升高而增加。α-MoO3在无光条件下的抗菌活性源于H3O+和Mo离子溶出的协同作用影响。与S750相比，S450表现出更高的抗菌率，这可能源于S450在溶液中具有更高的溶解度，因而导致更多的H3O+和Mo离子溶出。