基于人工神经网络的Ni-ZrO_(2)纳米镀层耐腐蚀性能预测

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5 A/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。