基于BP人工神经网络的Al_2O3_-13%TiO_2复合陶瓷涂层厚度预测

作     者：时礼平 吴玉国 迟开红 陈彬 吴胜 SHI Li-ping;WU Yu-guo;CHI Kai-hong;CHEN Bin;WU Sheng

作者机构：安徽工业大学机械工程学院马鞍山243032 马鞍山市博望区科技局马鞍山243131 

出 版 物：《粉末冶金材料科学与工程》 (Materials Science and Engineering of Powder Metallurgy)

年 卷 期：2013年第18卷第5期

页      面：621-626页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：安徽工业大学青年基金资助项目(QZ201023) 马鞍山市博望区资助项目(BW20120016) 

主　　题：AT13 复合陶瓷涂层 电刷镀 BP人工神经网络 

摘      要：电刷镀制备Al2O3-13%TiO2(AT13)复合陶瓷涂层是1个多参数耦合的非线性过程。在分析工艺参数对涂层厚度影响的基础上,通过实验采集样本,建立预测涂层厚度的误差反向传播(back propagation,BP)人工神经网络模型。为验证人工神经网络预测模型的准确性,将该模型的预测结果与多元线性回归模型(multiple linear regression model,MLR)的预测结果进行对比。结果表明:与传统多元线性回归模型相比,人工神经网络模型能捕捉工艺参数的非线性规律,能更好地预测涂层厚度,拟合优度R2达到0.86,模型具有较强的泛化能力和自适应能力,为实现电刷镀制作过程中涂层厚度的实时预测与控制提供参考。