神经网络模型在SiC涂层制备中的应用

材料表面抗氧化涂层的质量是限制碳／碳复合材料作为高温结构材料使用的关键．本文运用人工神经网络技术建立了CVD－SiC涂层制备工艺的过程模型，以解决该过程影响因素众多、相互作用关系复杂、难以对制备过程进行有效的预测和控制的问题．研究结果表明：所建立的神经网络模型，可以比较准确和全面地反映各工艺因素对SiC-CVD过程的影响大小及内在规律；模型对工艺参数与沉积速率之间关系的预测与实验结果相吻合；证实了将人工神经网络模型应用于抗氧化涂层的制备过程的控制和工艺优化是有效和可行的．

SiC-CVD过程的人工神经网络建模

SiC -CVD过程的本质复杂性制约了在碳 /碳复合材料表面有效地制备高性能抗氧化涂层 .本研究在对CVD工艺过程及机理试验研究的基础上 ,采用人工神经网络技术对SiC -CVD过程进行了辨识与模拟研究 ,建立了SiC -CVD过程的神经网络结构模型 ,并根据CVD过程复杂、工艺性强等特点 ,从样本选取、网络结构设计、学习参数调整等方面对神经网络学习算法进行了改进 .结果表明 :模型对工艺参数影响规律的预测结果与工艺实验结果相一致 ,所开发的神经网络模型 ,不仅可以对各种实验条件下的沉积结果进行准确的预测 ,还能更为全面地反映不同工艺因素对沉积规律的不同影响和判断各工艺因素间的交互作用的存在及作用大小 ,同时采用SiC -CVD模型可对沉积机理的时间效应进行预测和分析 .

CVD生长SiC涂层工艺过程的正交分析研究

为了在C/C材料表面可靠地制备SiC抗氧化涂层 ,针对CVD工艺特点 ,采用正交设计方法对MTS +H2 体系制备SiC工艺过程进行了全面系统的研究 ,在对沉积过程现象进行观察分析的基础上 ,计算了 6种工艺因素对SiC -CVD过程影响的方差 ,对各自影响的显著性进行了分析 ,并讨论了所属的 2 1种工艺条件对沉积结果的影响。

炭/炭复合材料抗氧化研究

Ｃ／Ｃ复合材料抗氧化问题是该领域的研究重点。本文根据我校的研究工作论述了Ｃ／Ｃ 复合材料的氧化过程及机理，讨论了不同阶段活化能变化的规律，对Ｃ／Ｃ复合材料抗氧化涂层进行概略分类，介绍了几种先进的涂层及制备方法，并就Ｃ／Ｃ 复合材料抗氧化发展和研究的前沿问题提出一些见解。

碳纤维表面处理对单向C/C复合材料强度的影响

通过对碳纤维表面进行适当的氧化处理 ,改善纤维 /基体之间的界面结合 ,能在复合材料中得到较好的纤维强度利用率 ,提高材料性能。本文在不同条件下对碳纤维进行液相氧化和空气氧化处理 ,并测定了所制备的单向 C/C复合材料的强度 ,研究了不同氧化工艺条件对复合材料拉伸强度的影响 ,对采用氧化后纤维制备材料断裂机制的改变进行了讨论 ;研究发现液相氧化处理对 C/C复合材料的性能影响较为显著。

人工神经网络用于炭/炭复合材料CVDSiC涂层的研究

炭／炭复合材料抗氧化涂层是该材料可否用于高温结构件的关键。将人工神经网络用于ＣＶＤＳｉＣ抗氧化涂层的建模，试图解决该过程影响因素复杂、数学模型难于建立、无法对整个过程进行有效预测和控制的问题。初步探讨表明，采用人工神经网络建模，可以比较确切与全面地反映ＣＶＤＳｉＣ涂层过程的影响因素和内在规律，预测的工艺参数与沉积速率的关系同实验结果吻合较好。