基于人工神经网络的Ni-ZrO_2纳米镀层耐腐蚀性能预测

IOCAS-IR

	基于人工神经网络的Ni-ZrO_2纳米镀层耐腐蚀性能预测
	邓羽 ; 张杰 ; 彭中波 ; 徐玮辰
发表期刊	装备环境工程
ISSN	1672-9242
	2022-02-25
出版年	2022
卷号	v.19 期号:02 页码:108-115
文献类型	CNKI期刊论文
摘要	目的对Ni-ZrO_2纳米镀层的耐腐蚀性能进行预测，优化电镀工艺参数。方法采用磁力搅拌辅助电沉积法，在钴镍基模型合金试样表面制备Ni-ZrO_2纳米镀层，针对电镀工艺条件，设置正交实验，对每组实验镀层进行电化学测试，分析不同工艺条件下镀层的耐蚀性能。将ZrO_2粒子浓度、电镀液温度和电镀电流密度作为神经网络的输入层，将自腐蚀电流密度作为输出层，运用GRNN神经网络和BP神经网络模型，对Ni-ZrO_2纳米镀层进行耐腐蚀性能的预测研究。结果当ZrO_2粒子质量浓度为6 g/L、电镀液温度为60℃、电镀电流密度为5A/dm2时，Ni-ZrO_2纳米镀层的性能良好，表现出较小的自腐蚀电流密度。影响Ni-ZrO_2镀层自腐蚀电流密度的因素满足ZrO_2粒子浓度>电镀液温度>电镀电流密度。运用GRNN神经网络和BP神经网络对4组非正交实验预测的平均相对误差分别为5.30%与10.74%。结论运用神经模型可以有效地预测不同工艺参数下镀层的耐腐蚀性能，从而优化工艺参数，提高实验效率。在训练样本较少的情况下，GRNN神经网络的预测性能更加精确。
关键词	电沉积 Ni-ZrO_2纳米镀层 GRNN神经网络 BP神经网络自腐蚀电流密度预测
CNKI专辑号	B;C;I;
CNKI专辑名称	工程科技Ⅰ辑;工程科技Ⅱ辑;信息科技;
CNKI专题号	B022;I140;
CNKI专题名称	金属学及金属工艺;自动化技术;
分类号	TP183;TG174.4
语种	中文;
资助项目(基金）	国家自然科学基金（41376003） ; 中国科学院战略性先导科技专项（A类）（XDA13040405）~~
文献类型	CNKI期刊论文
条目标识符	http://ir.qdio.ac.cn/handle/337002/187495
专题	中国科学院海洋研究所
作者单位	1.重庆交通大学航运与船舶工程学院 2.中国科学院海洋研究所中国科学院海洋环境腐蚀与生物污损重点实验室 3.青岛海洋科学与技术试点国家实验室海洋腐蚀与防护开放工作室 4.中国科学院海洋大科学研究中心
推荐引用方式 GB/T 7714	邓羽,张杰,彭中波,等. 基于人工神经网络的Ni-ZrO_2纳米镀层耐腐蚀性能预测. 2022.