基于改进神经网络的机身镀层抗冲击性能预测

摘要

为准确预测机身镀层抗冲击性能，以40Cr钢为机材，用超声电沉积技术制备Ni-SiC纳米镀层，并进行真空热处理，用平头弹、尖头弹冲击Ni-SiC纳米镀层。用粒子群算法改进RBF神经网络，结合AdaBoost算法构建机身镀层抗冲击性能的预测模型。将Ni-SiC纳米镀层工艺参数及冲击速度作为模型输入，进行Ni-SiC纳米镀层的抗冲击性能预测。结果表明：改进RBF神经网络的最优网络结构为3-10-1，预测误差为0.055%～1.570%，预测精度高；在SiC纳米粉体为8 g/L、电流密度为3 A/dm~2、镀液温度为40℃条件下制备的Ni-SiC纳米镀层形貌最优；以不同速度冲击Ni-SiC纳米镀层，平头弹均未断裂，尖头弹不同程度断裂。