基于人工神经网络的NiZn铁氧体结构不敏感性能的预测模型

为了系统研究配方对铁氧体电磁性能的影响,制备了一系列Mn2+、Ge4+和Si4+替代的NiZn铁氧体材料,建立了铁氧体配方与结构不敏感性能之间的人工神经网络预测模型。利用所建立的模型研究了ZnO对NiZn铁氧体3个结构不敏感性能居里温度、磁饱和强度及介电常数的影响规律,以及多个组分的交互作用。结果表明:模型的预测结果与实验结果吻合良好,二者的相对误差较小。ZnO含量的增加会导致铁氧体居里温度下降,但会提高饱和磁化强度和介电常数。NiO和ZnO的交互作用对铁氧体的结构不敏感性能影响明显。利用模型得到的铁氧体性能-成分等值线图对寻找最佳配方有较高参考价值。