[发明专利]高铝青铜涂层性态预测模型建立及单一性态指标寻优方法

摘要

本发明公开了一种高铝青铜涂层性态预测模型的建立方法以及高铝青铜涂层单一性态指标的寻优方法。预测模型的建立方法包括：建立训练样本和测试样本；构建BP神经网络模型；采用训练样本并通过遗传算法优化上述BP神经网络的权值和阈值；采用测试样本对经遗传算法优化后的BP神经网络模型进行测试，获得高铝青铜涂层性态预测模型。寻优方法是利用预测模型并通过遗传算法对高铝青铜涂层进行单一性态指标极值寻优。本发明建立的高铝青铜涂层性态预测模型预测精度高，采用该高铝青铜涂层性态预测模型大大提高了高铝青铜涂层的研究效率，使高铝青铜涂层的研发更具有方向性和前瞻性。

主权项

1.一种高铝青铜涂层性态预测模型的建立方法，其特征在于包括以下步骤：S1：建立训练样本和测试样本；具体包括以下三步：S11：选择高铝青铜涂层性态预测模型的输入变量和输出变量；所述输入变量为工艺参数，包括喷涂距离、送粉速率、喷枪线速度、空气压力以及丙烷压力；所述输出变量为性态指标，包括结合强度、孔隙率、显微硬度以及氧元素含量；S12：采用低温超音速喷涂技术在实验室环境下，以均匀、离散的喷涂工艺参数制备高铝青铜涂层，并完成高铝青铜涂层性能测试，收集实验数据；S13：对收集的实验数据进行归一化预处理，分别得到BP神经网络模型的训练样本和测试样本；S2：构建BP神经网络模型；该构建的BP神经网络模型包括三层结构：输入层、隐含层和输出层，其中，输入层的节点数与输入变量的个数相等，输出层的节点数与输出变量的个数相等，隐含层的节点数q的计算公式为：，；其中，m表示输入层的节点数，n表示输出层的节点数；S3：采用S1得到的训练样本并通过遗传算法优化上述BP神经网络的权值和阈值，得到最优的权值和阈值；S4：采用S1得到的测试样本对经遗传算法优化后的BP神经网络模型进行测试，若通过测试即获得高铝青铜涂层性态预测模型。