欢迎访问《人工晶体学报》官方网站,今天是 2025年7月22日 星期二 分享到:

人工晶体学报 ›› 2016, Vol. 45 ›› Issue (6): 1718-1721.

• • 上一篇    下一篇

基于BP神经网络模型的Ni-TiN镀层耐磨性预测研究

彭绪山;章晓敏;马春阳   

  1. 宁波大红鹰学院信息工程学院,宁波,315175;东北石油大学机械科学与工程学院,大庆,163318
  • 出版日期:2016-06-15 发布日期:2021-01-20
  • 基金资助:
    浙江省教育厅科研项目(Y201225988);宁波市自然科学基金(2012A610028);大庆市指导性科技计划项目(szdfy-2015-09)

Predicative Study on the Wear Resistances of Ni-TiN Coatings Using BP Neural Networks

PENG Xu-shan;ZHANG Xiao-min;MA Chun-yang   

  • Online:2016-06-15 Published:2021-01-20

摘要: 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

中图分类号: