GA-BP神经网络的钛合金微弧氧化膜层厚度预测模型的建立
2015-10-20牛宗伟李明哲
牛宗伟*,李明哲
(山东理工大学机械工程学院,山东 淄博 255000)
GA-BP神经网络的钛合金微弧氧化膜层厚度预测模型的建立
牛宗伟*,李明哲
(山东理工大学机械工程学院,山东 淄博255000)
利用正交试验法获得的TC4钛合金微弧氧化实验数据建立了基于4-11-1(即4个输入神经元,11个隐含层节点,1个输出神经元)结构的BP神经网络预测膜层厚度的模型,并引入遗传算法(GA)对其权值和阈值进行优化。以微弧氧化工艺参数中的电流密度、脉冲频率、占空比和氧化时间作为网络的输入向量,氧化膜层厚度作为网络的输出向量,对比和分析了BP与GA-BP模型的预测结果。与BP网络模型相比,GA-BP网络模型稳定性能较好,并能高精度预测膜层的厚度,GA-BP网络模型预测值的平均误差为0.015,最大误差仅为0.036,而BP模型预测结果的平均误差为0.064,最大误差为0.099。
钛合金;微弧氧化;膜厚;预测;神经网络;遗传算法
First-author's address: School of Mechanical Engineering, Shandong University of Technology, Zibo 255000, China
微弧氧化又称微等离子体氧化,是在传统阳极氧化的基础上,利用弧光放电激活并增强工件表面发生的反应,从而在钛、镁、铝等阀金属及其合金表面形成优质陶瓷膜的方法[1-3]。它突破了普通阳极氧化的法拉第区,将电压引入到高压区域,在高电压作用下,工件表面发生微弧放电,材料产生熔融,熔融氧化物经电解液的冷淬最终形成陶瓷膜层[4-5]。该陶瓷膜层厚度大,硬度高,耐磨耐蚀性强,保护了基体金属,延长了其使用寿命[6-8]。膜厚是检验膜层质量的重要指标之一,通过选择合理的工艺参数来获得所需膜厚对微弧氧化工业生产有重要意义。……
