| 基于人工神经网络的Ni-ZrO2纳米镀层耐腐蚀性能预测 |
| |
| 引用本文： | 邓羽,张杰,彭中波,徐玮辰.基于人工神经网络的Ni-ZrO2纳米镀层耐腐蚀性能预测[J].装备环境工程,2022,19(2):98-105. |
| |
| 作者姓名： | 邓羽 张杰 彭中波 徐玮辰 |
| |
| 作者单位： | 重庆交通大学 航运与船舶工程学院,重庆 400074;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,山东 青岛 266071;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,山东 青岛 266237;重庆交通大学 航运与船舶工程学院,重庆 400074;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,山东 青岛 266071;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,山东 青岛 266237;中国科学院 海洋大科学研究中心,山东 青岛 266071;重庆交通大学 航运与船舶工程学院,重庆 400074;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,山东 青岛 266071;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,山东 青岛 266237 |
| |
| 基金项目： | 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) |
| |
| 摘 要： | 目的 对Ni-ZrO2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-ZrO2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ZrO2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-ZrO2纳米镀层进行耐腐蚀性能的预测研究.结果 当ZrO2粒子质量浓度为6 g/L、电镀液温度为60℃、电镀电流密度为5 A/dm2时,Ni-ZrO2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-ZrO2镀层自腐蚀电流密度的因素满足ZrO2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-ZrO2纳米镀层 GRNN神经网络 BP神经网络 自腐蚀电流密度 预测 |
| 收稿时间： | 2021/10/14 0:00:00 |
| 修稿时间： | 2021/11/19 0:00:00 |
Prediction of Corrosion Resistance of Ni-ZrO2 Nano-Plating Based on Artificial Neural Network |
| |
| DENG Yu,ZHANG Jie,PENG Zhong-bo,XU Wei-chen.Prediction of Corrosion Resistance of Ni-ZrO2 Nano-Plating Based on Artificial Neural Network[J].Equipment Environmental Engineering,2022,19(2):98-105. |
| |
| Authors: | DENG Yu ZHANG Jie PENG Zhong-bo XU Wei-chen |
| |
| Institution: | School of Shipping and Naval Architecture, Chongqing Jiaotong University, Chongqing 400074, China;Key Laboratory of Marine Environmental Corrosion and Bio-fouling, Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China;Open Studio for Marine Corrosion and Protection, Pilot National Laboratory for Marine Science and Technology Qingdao, Qingdao 266237, China;School of Shipping and Naval Architecture, Chongqing Jiaotong University, Chongqing 400074, China;Key Laboratory of Marine Environmental Corrosion and Bio-fouling, Institute of Oceanology, Chinese Academy of Sciences, Qingdao 266071, China;Open Studio for Marine Corrosion and Protection, Pilot National Laboratory for Marine Science and Technology Qingdao, Qingdao 266237, China;Center for Ocean Mega-science, Chinese Academy of Sciences, Qingdao 266071, China |
| |
| Abstract: | |
| |
| Keywords: | electrodeposition Ni-ZrO2 nano-plating GRNN neural network BP neural network self-corrosion current density prediction |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《装备环境工程》浏览原始摘要信息 |
| 点击此处可从《装备环境工程》下载免费的PDF全文 |
|
