神经网络和遗传算法的激光纳米陶瓷涂层工艺优化

为了提高激光纳米陶瓷涂层工艺优化的精度,提出神经网络和遗传算法的激光纳米陶瓷涂层工艺优化模型。首先选择影响激光纳米陶瓷涂层的工艺参数,然后采用遗传算法对神经网络进行优化,并将优化神经网络用于建立工艺参数与结合强度和显微硬度之间的预测模型,最后的激光纳米陶瓷涂层工艺优化实验结果表明,本文模型降低了激光纳米陶瓷涂层工艺优化误差,可以准确对激光纳米陶瓷涂层的性能进行预测。

纳米SiC激光熔覆陶瓷涂层组织结构分析

将激光熔覆引入纳米陶瓷涂层工艺,进行了纳米SiC的激光熔覆试验,分析了纳米陶瓷材料激光熔覆工艺的影响因素,得到了合理的纳米SiC粉末激光熔覆工艺。通过X射线衍射(XRD)分析,扫描电镜(SEM)等手段,对所制备的纳米陶瓷涂层进行组织结构分析。试验表明:采用获得的激光熔覆工艺,能够有效缓解现有纳米陶瓷涂层工艺中材料晶粒过渡生长、致密度等问题,实现高质量纳米结构SiC陶瓷涂层制备。熔覆过程中,部分SiC纳米粉末发生分解,生成Si与C,产物保持纳米结构。