用人工神经网络优化Ni-纳米TiN复合镀层的超声-电沉积工艺.pdfVIP

第37卷 第8期 稀有金属材料与工程 V01．37，No．8 2008正 8月 RAREMETALMATERIAI，SANDENGINEERING 2008 August 用人工神经网络优化Ni．纳米TiN复合镀层 的超声一电沉积工艺 夏法锋1，贾振元1，吴蒙华2，王’帆2，霍峰2 (1．大连理工大学，辽宁大连116023) (2．大连大学，辽宁大连116622) 摘要：在正交实验的基础上，运用人工神经网络优化超声．电沉积工艺制备Ni．纳米TiN复合镀层。并利用扫描探针 显微镜(SPM)对复合镀层的表面形貌进行观察。结果表明，运用人工神经网络优化的最佳工艺条件为：纳米TiN粒 子的浓度7．5 A／din2、脉冲电流占空比3：2、表面活性剂浓度80 W。采用该工 g／L、电流密度5 mg，L、超声功率250 nm。 艺条件制备的Ni．纳米TiN复合镀层结构细密，晶粒较小，平均粒径约为80nm，其表面粗糙度R。，可达到14．6 关键词：人工神经网络；优化；复合镀层；超声．电沉积 中图法分类号：TGl74．4；TQl53．2文献标识码：A 文章编号：1002．185X(2008)08．1479．04 复合镀层具有硬度高、耐磨性和耐腐蚀性好等优 ma型 合镀层中纳米TiN粒子含量；利用Nan0Scope 越的性能，’近年来，复合镀层已成为国内外研究的热 扫描探针显微镜(SPM)观察复合镀层的表面形貌。 点【1。】。众所周知，在制备复合镀层时，一般采用正交 实验或均匀实验的方法来确定最优工艺参数[6-81。因 表1工艺条件 Table1 Processcondition 此，实验数据多，工作量大。而人工神经网络(Artificial Neural Network。ANN)是模拟生物神经网络(BNN) 的信息处理过程建立起来的一种信息智能处理系统， 具有自组织、自学习、快速处理以及很强的非线性函 数逼近能力等特点。它是以实验数据为基础，经过有 限次数的迭代计算，获得一个反映实验数据内在规律 的数学模型。 本实验在正交实验的基础上，建立了Ni一纳米TiN 2神经网络模型 复合镀层中纳米TiN粒子含量预测的人工神经网络模 型，并优化超声一电沉积制备Ni．纳米TiN复合镀层的2．1 BP神经网络结构 工艺。利用扫描探针显微镜(SPM)对复合镀层进行 误差反向传播【9]BP(Back．Error 观察分析。 目前使用最广泛、较为成熟的一种人工神经网络，故 本研究采用BP算法。BP网络一般由输入层、输出层 1 实验 和隐层(可以是多层)组成，包括正向传播和反向传 采用超声一电沉积的方法制备Ni．纳米TiN复合镀播两部分。在正向传播过程中，输入信号从输入层通 层。以镍板作阳极，45#钢作阴极。镀液组成包括： 过激励函数，逐层向隐层、输出层传播。如果得不到 300 40 30 期望的输出，则转入