神经网络在制备氮化硅多孔陶瓷中的应用

以凝胶注模法制备多孔氮化硅陶瓷正交试验结果作为样本,建立3层Back Propagation(BP)神经网络,并进行训练以预测陶瓷性能。通过附加试验值对建立的神经网络预测能力进行验证,证明该BP神经网络模型是有效的,能准确预测多孔氮化硅陶瓷性能。通过BP神经网络模型研究多孔氮化硅陶瓷性能的结果表明,随着固含量的增加,气孔率单调下降;固含量存在一优化值,此时陶瓷抗弯强度最大;单体含量越大,气孔率越大,而抗弯强度降低。

Si_3N_4含量对Y-Si-Al-O-N涂层组织和性能的影响

以Y2O3、SiO2、Al2O和α-Si3N4为原料,采用料浆喷涂工艺在多孔Si3N4基体表面制备出致密的Y-Si-Al-O-N陶瓷涂层。研究了原料中α-Si3N4含量对Y-Si-Al-O-N熔体结构的影响,以及对涂层组织和性能的影响。结果显示:随着α-Si3N4含量的增加,颗粒状的δ-Y2Si2O7晶粒逐渐增多,板条状的Keiviite-Y晶粒逐渐减少。涂层使多孔Si3N4的吸水率降低了94.2%～95.6%,起到了很好的封孔效果。涂层也使多孔Si3N4的硬度提高了239.3%～527.3%。