李心源，馬春陽，趙旭東

(1. 大慶師范學(xué)院 信息中心 黑龍江 大慶 163712;2. 東北石油大學(xué) 機(jī)械科學(xué)與工程學(xué)院， 黑龍江 大慶 163318)

0 引 言

近年來，Ni-SiC納米鍍層以其高硬度、耐磨性、耐腐蝕性及抗高溫氧化性等特點(diǎn)，被廣泛應(yīng)用于機(jī)械、石油、航空、醫(yī)學(xué)、化工、軍事等領(lǐng)域[1-6]。納米鍍層是由特征維度尺寸為納米級(1～100 nm)的不溶性粒子鑲嵌于一種或多種基體金屬中所形成的金屬基納米復(fù)合材料，目前制備納米鍍層的方法有很多種，因超聲輔助電沉積技術(shù)具有設(shè)備簡單、電沉積效率高、耗能少等優(yōu)點(diǎn)，現(xiàn)已被廣泛應(yīng)用于納米鍍層的制備中[7-12]。BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)模型是一種通過數(shù)據(jù)正向傳播、誤差反向傳遞方式，來求得非線性連續(xù)函數(shù)的人工神經(jīng)網(wǎng)絡(luò)模型，此模型非常適用于解決不突出規(guī)律性或工藝參數(shù)變量多的科學(xué)問題，目前已逐漸應(yīng)用于納米鍍層的性能預(yù)測[13-15]。為此，本文采用超聲電沉積制得Ni-SiC納米鍍層，并利用BP神經(jīng)網(wǎng)絡(luò)模型對其耐磨性進(jìn)行測試和分析。此外，本文將利用掃描電鏡、原子力顯微鏡和X射線衍射儀觀察和測試Ni-SiC納米鍍層組織結(jié)構(gòu)和成分。

1 實(shí) 驗(yàn)

1.1 實(shí)驗(yàn)材料及工藝參數(shù)

采用超聲電沉積，在40Cr鋼表面制備Ni-SiC納米鍍層。選用鎳板(純度大于99%)作為陽極，40Cr鋼(尺寸為30 mm×20 mm×10 mm)作為陰極，復(fù)合鍍液組成及制備工藝見表1。

表1 復(fù)合鍍液組成及工藝參數(shù)Table 1 Bath composition and plating parameters

1.2 表 征

Ni-SiC納米鍍層的磨損試驗(yàn)在UMT-2型摩擦磨損試驗(yàn)機(jī)上進(jìn)行，其磨損質(zhì)量在精度為0.1 mg的AUW220型電子分析天平進(jìn)行測量。利用JSM-6460LV型掃描電鏡(SEM)、Nanoscope Ⅲa型原子力顯微鏡(AFM)和XRD-6000型X射線衍射儀(XRD)檢測超聲電沉積Ni-SiC納米鍍層的微觀組織結(jié)構(gòu)和成分。

1.3 BP神經(jīng)網(wǎng)絡(luò)模型

一般而言，BP神經(jīng)網(wǎng)絡(luò)模型是由輸入層、輸出層及隱含層組成，本文采用SiC粒子濃度(X1)、電流密度(X2)和溫度(X3)作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入層，采用Ni-SiC納米鍍層的磨損量(Y)作為輸出層，本BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)如圖1所示。在進(jìn)行BP神經(jīng)網(wǎng)絡(luò)建模時，因Sigmoid函數(shù)具有通用性好、訓(xùn)練效果好以及計(jì)算誤差小等優(yōu)點(diǎn)，故本BP神經(jīng)網(wǎng)絡(luò)模型隱含層的激勵函數(shù)采用Sigmoid函數(shù)，其計(jì)算公式如下：

(1)

圖1 BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)圖Fig 1 Schematic of BP artificial neural network model

2 結(jié)果與討論

2.1 BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練

圖2為BP神經(jīng)網(wǎng)絡(luò)模型的神經(jīng)元數(shù)和隱含層數(shù)對模型均方根誤差的影響規(guī)律。當(dāng)隱含層數(shù)和神經(jīng)元數(shù)分別為1和8時，BP神經(jīng)網(wǎng)絡(luò)模型的均方根誤差最小，其最小值為1.24%。故本文選用3×8×1結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)模型對Ni-SiC納米鍍層耐磨性能進(jìn)行預(yù)測?？衫每ǚ綌M合度檢驗(yàn)法計(jì)算BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測值與實(shí)驗(yàn)值擬合度，其結(jié)果為該BP神經(jīng)網(wǎng)絡(luò)模型的擬合相似度R=0.9992，擬合效果如圖3所示。

圖2 神經(jīng)元數(shù)和隱含層對BP神經(jīng)網(wǎng)絡(luò)均方根誤差的影響Fig 2 Influence of different number of neurons and hidden layer on the root mean square error of BP neural network

圖3 預(yù)測值與實(shí)驗(yàn)值擬合曲線Fig 3 The fitting curve between predicted value and experimental value

2.2 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測

以表2中的1～20組數(shù)據(jù)為訓(xùn)練樣本，用3×8×1結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，從而建立基于BP神經(jīng)網(wǎng)絡(luò)的Ni-SiC納米鍍層耐磨性能預(yù)測模型，圖4為該模型對Ni-SiC納米鍍層磨損性能的預(yù)測結(jié)果。在建立好BP神經(jīng)網(wǎng)絡(luò)模型后，選取表2中的后10組數(shù)據(jù)作為測試樣本，對超聲電沉積Ni-SiC納米鍍層的磨損量進(jìn)行預(yù)測和分析，以此驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)模型的可靠性，其預(yù)測結(jié)果見表3。由表3可見，該BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測值與實(shí)驗(yàn)值的最大相對誤差為1.51%。

表2 制備Ni-SiC納米鍍層的不同工藝參數(shù)Table 2 Different parameters for preparation of Ni-SiC nanocoatings

圖4 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果Fig 4 The prediction results of BP neural network

表3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果Table 3 Prediction results of BP neural network

2.3 鍍層表征

圖5為不同工藝參數(shù)下超聲電沉積Ni-SiC納米鍍層的SEM圖，當(dāng)采用SiC粒子濃度4 g/L、電流密度1 A/dm2、溫度20 ℃時，Ni-SiC納米鍍層表面起伏較大，鎳晶粒尺寸粗大。另外，鍍層表面的SiC粒子(圖5a中白色顆粒)團(tuán)聚現(xiàn)象明顯，且SiC粒子在鍍層表面的分布雜亂。當(dāng)采用SiC粒子濃度8 g/L、電流密度2 A/dm2、溫度40 ℃時，SiC粒子均勻分布于Ni-SiC納米鍍層中，且鍍層鎳晶粒顯著細(xì)化。

圖6為不同工藝參數(shù)下超聲電沉積Ni-SiC納米鍍層的AFM圖，當(dāng)SiC粒子濃度4 g/L、電流密度1 A/dm2、溫度20 ℃時，Ni-SiC納米鍍層表面起伏較大，晶粒較粗且結(jié)構(gòu)不規(guī)則。當(dāng)采用SiC粒子濃度8 g/L、電流密度2 A/dm2、溫度40 ℃時，Ni-SiC納米鍍層較平整，鎳顆粒較細(xì)小。

圖5 掃描電鏡下Ni-SiC納米鍍層的表面形貌Fig 5 Surface morphology of Ni-SiC nanocoatings observed by SEM

圖6 原子力顯微鏡下Ni-SiC納米鍍層的表面形貌Fig 6 Surface morphology of Ni-SiC nanocoatings observed by AFM

將不同工藝參數(shù)下超聲電沉積制備的Ni-SiC納米鍍層用X射線衍射儀進(jìn)行XRD衍射圖譜測繪，其衍射圖譜如圖7所示。不同的工藝參數(shù)對Ni-SiC納米鍍層的XRD圖譜影響較大，當(dāng)采用SiC粒子濃度4 g/L、電流密度1 A/dm2、溫度20 ℃時，Ni-SiC納米鍍層鎳晶粒的衍射峰又細(xì)又高，說明該鍍層鎳晶粒較粗大。當(dāng)采用SiC粒子濃度8 g/L、電流密度2 A/dm2、溫度40 ℃時，Ni-SiC納米鍍層鎳晶粒的衍射峰則變寬、變矮，這說明Ni-SiC納米鍍層在該工藝參數(shù)下鎳晶粒得到明顯細(xì)化。通過XRD衍射圖譜還可以看出，在超聲電沉積Ni-SiC納米鍍層中，存在Ni和SiC相。

圖7 不同工藝參數(shù)下制備的Ni-SiC納米鍍層X射線衍射圖譜Fig 7 XRD spectrograms of Ni-SiC nanocoatings obtained with different parameters

這出現(xiàn)上述現(xiàn)象的原因在于，當(dāng)SiC粒子濃度較低時，SiC粒子與陰極接觸碰撞的幾率小，隨著鍍液SiC的粒子濃度逐漸增大，在單位時間內(nèi)移動到陰極表面的SiC粒子量隨之增多，這大大增加了SiC粒子與陰極表面碰撞的幾率，使得附著在鍍層表面的SiC粒子量增加，且SiC粒子分布較均勻。而SiC粒子對鎳晶粒具有抑制生長的作用，故Ni-SiC納米鍍層中的鎳晶粒細(xì)小，使鍍層平整[16]。當(dāng)電流密度較小時，電場力較弱，SiC粒子和鎳離子的沉積速度較小，使得鎳晶對SiC粒子的包裹能力較差，故Ni-SiC納米鍍層中SiC粒子含量較低。隨著電流密度的增加，電場力增強(qiáng)，SiC粒子沉積到鍍層中的含量增加，致使納米鍍層平整，顆粒較細(xì)小。此外，當(dāng)溫度較低時，鍍液溶解度低，電化學(xué)反應(yīng)速率較慢。隨著溫度的升高，鍍液的溶解度增加，隨之導(dǎo)電性也得到提高，使SiC粒子的沉積速率增大，鍍層中的SiC粒子復(fù)合量增大，故Ni-SiC納米鍍層中的鎳晶粒細(xì)小。

3 結(jié) 論

(1)建立了3×8×1結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)模型，該模型以SiC粒子濃度、電流密度和溫度為輸入層，Ni-SiC納米鍍層的磨損量為輸出層。當(dāng)隱含層數(shù)和神經(jīng)元數(shù)分別為1和8時，BP神經(jīng)網(wǎng)絡(luò)模型的均方根誤差最小，其最小值為1.24%。該BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測值與實(shí)驗(yàn)值相差不大，其最大誤差為1.51%。

(2)當(dāng)采用SiC粒子濃度8 g/L、電流密度2 A/dm2、溫度40 ℃時，SiC粒子均勻分布于Ni-SiC納米鍍層中，且鍍層鎳晶粒顯著細(xì)化。

(3)當(dāng)采用SiC粒子濃度8 g/L、電流密度2 A/dm2、溫度40 ℃時，Ni-SiC納米鍍層鎳晶粒的衍射峰則變寬、變矮，這說明Ni-SiC納米鍍層在該工藝參數(shù)下鎳晶粒得到明顯細(xì)化。