[发明专利]基于神经网络的感应热沉积钙磷涂层工艺预测方法

说明书

技术领域

本发明涉及一涂层性能的测试方法，特别是涉及一种涂层工艺的预测方法，还涉及一种神经网络系统分析和应用方法，应用于建立了工艺参数知识库和分析工艺参数对沉积过程的影响技术领域，对实验设计和工业应用有较好的技术指导意义。

背景技术

HAp涂层C/C复合材料是潜在的新一代骨替代和修复材料，具有广阔的应用前景。目前制备C/C复合材料表面HAp涂层的方法主要有：等离子喷涂法，涂覆烧结法，电化学法，碱热处理法，仿生法和感应热沉积法。

试验证实，感应热沉积法简单，工艺条件温和、适合复杂基体表面沉积，又无气体从碳/碳复合材料基体表面逸出。因此，通过控制工艺条件，可实现在改性的碳/碳复合材料表面制备出由粒状晶粒紧密堆积的致密钙磷涂层，并且涂层的强度能够达到临床使用的标准要求。鉴于以上优点，感应热沉积法是一种值得继续研究和开发的新技术。

然而，感应热沉积法，是2009年发展起来的制备HAp涂层C/C复合材料的新技术，目前的研究大多局限于涂层的制备，涂层形貌，组分，结构的表征，以及涂层性能的测试，对其工艺参数作用规律的研究，多受制于实验条件，未能有效快速地进行。

误差反向传播神经网络，即BP网络，具有较强的联想记忆和泛化能力，是理论上较成熟的神经网络，也是在许多科学技术领域得到成功应用的网络。它的自学习和自适应能力使其成为对各类信号进行多用途加工处理的一种天然工具，能够根据已学会的知识和处理问题的经验对复杂问题作出合理的判断决策，给出较满意的解答，或对未来过程作出有效地预测和估计。有关神经网络在实践中应用的专利及论文已有很多，例如，姜秀华等发明了一种基于人工神经网络的视频质量评价方法，韩洋等发明了一种基于神经网络模型的CT灌注医疗图像智能融合方法，费春国等发明了一种求解优化问题的神经网络。神经网络在感应热沉积法制备钙磷涂层工艺预测方面的报导比较少见，但是从理论上讲，BP神经网络完全可以用于涂层制备工艺研究中，但是目前还没有有关将BP神经网络应用于感应热沉积钙磷涂层工艺评价和预测领域的相关报道。

发明内容

为了解决现有技术问题，本发明的目的在于克服感应热沉积法工艺参数的研究多依赖实验手段存在的不足，拓宽研究思路，提供一种基于神经网络的感应热沉积钙磷涂层工艺预测方法。利用了BP神经网络的自学习能力和自适应能力，在实验获得的有限数据的基础上，采用Levenberg-Marquardt算法训练网络，在满足网络误差性能函数值较小，并且网络泛化能力较好的前提下，确定网络的结构和参数，然后设计正交试验样本，利用已训练好的网络进行仿真输出，得到正交样本集，丰富工艺参数知识库，在此基础上，分析工艺参数对涂层沉积过程的影响，对实验有较好的指导意义。

为达到上述发明创造目的，本发明采用下述技术方案：

一种基于神经网络的感应热沉积钙磷涂层工艺预测方法，包括以下步骤：

a.在实验室条件下采用感应热沉积法，在碳/碳复合材料表面制备钙磷涂层，通过数据采集装置记录实验过程中的时间、频率和温度三个工艺参数以及对应的涂层沉积重量，整理实验数据，构造测试样本，即整理成3输入1输出的测试样本，其中时间、频率和温度作为输入参数，沉积量作为输出参数；

b.将在上述第a步骤中的数据采集装置采集并整理的测试样本数据向数据分析系统输入，利用在上述第a步骤中构造出的测试样本数据，通过数据分析系统绘制时间、频率和温度三个工艺参数与涂层沉积重量的关系图，然后利用数据分析系统在图中有规律地取点，读取点坐标数据，每取一个点坐标数据，便可得到一组以时间、频率、温度为输入参数，以涂层沉积重量为输出参数的样本数组，样本数组汇总后，可以得到一个3输入1输出的训练样本集，其中训练样本数的选取要结合感应热沉积工艺的复杂性和输入参数、输出参数的个数来决定；