基于人工神经网络的金刚石微粉化学镀镍层性能预测

用化学镀方法在M1/2、M6/12、M20/30金刚石微粉表面镀镍,并用人工神经网络预测金刚石颗粒粒径、次亚磷酸钠浓度、镀液温度、镀液pH值等化学镀工艺参数,对镀层沉积速率、镀层密度、镀层耐腐蚀性等镀层性能的影响。结果表明:构建的BP神经网络模型和GRNN模型,经过样本数据训练学习后适用于金刚石微粉化学镀镍层性能的预测;训练完成的BP神经网络和GRNN预测值与实际样品测量值相对误差绝对值的平均值分别为9.14%和5.07%,两者都有较好的预测效果;且在金刚石微粉化学镀镍层性能预测中,GRNN的预测性能优于BP神经网络的预测性能。

资料为PDF文档格式.

本文档关键词:金刚石,化学,预测,人工,神经网络