亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        曲面響應法在等離子噴涂WC-12Co涂層工藝優(yōu)化中的應用

        2018-05-22 03:49:12梁存光李新梅
        材料科學與工藝 2018年2期
        關鍵詞:模型

        梁存光,李新梅

        (新疆大學 機械工程學院,烏魯木齊 830000)

        WC-Co作為優(yōu)異的硬質合金涂層,具有高硬度,高化學穩(wěn)定性以及優(yōu)異的耐磨損、耐腐蝕特性,在航空、機械、汽車等行業(yè)具有普遍應用[1].由于等離子噴涂中涂層的性能受較多因素及各因素交互式影響,難以確定出一個較為理想的工藝參數(shù),且工作量較大,對制備出一種性能良好的涂層設置了障礙[2].因此,選擇一組較為理想的工藝參數(shù)至關重要.

        針對熱噴涂工藝的實驗設計以及數(shù)據(jù)分析的研究大多采用傳統(tǒng)的單變量實驗,而傳統(tǒng)的單變量實驗不考慮各種影響因子之間的交互作用,只能對單個孤立的實驗點進行分析[3].毛杰[4]等人以孔隙率為評價Cr2O3涂層質量的指標,建立Box-Behnken二階響應曲面法設計回歸分析試驗,得到最優(yōu)工藝參數(shù).王東生[5]等人利用遺傳神經(jīng)網(wǎng)絡對等離子噴涂進行工藝參數(shù)優(yōu)化,文獻[4-5]采用了兩種不同的參數(shù)優(yōu)化方法.目前,工藝參數(shù)優(yōu)化的方法種類繁多,但響應曲面法在等離子噴涂的工藝參數(shù)優(yōu)化應用較少.響應曲面法是一種廣泛應用于產(chǎn)品和工藝參數(shù)穩(wěn)健性設計及工藝過程優(yōu)化的統(tǒng)計方法[6],主要應用于化工、制藥和生物領域.通過響應曲面法可以找出影響工藝質量特征的主要因子,優(yōu)化產(chǎn)品或工藝質量特征,并找出最優(yōu)水平的控制范圍,以達到優(yōu)化工藝參數(shù)的目的.

        本文以涂層顯微硬度作為響應值,利用統(tǒng)計學方法重構變量與響應值之間的特征函數(shù),擬合出響應值的連續(xù)變量響應曲面和響應值的預測模型,并對其模型進行方差分析和適合性檢驗,對噴涂工藝參數(shù)進行優(yōu)化,同時利用BP神經(jīng)網(wǎng)絡對試驗結果進行預測.

        1 試驗方案與設計

        1.1 Box-Behnken實驗設計的回歸模型

        Box-Behnken實驗設計是可以評價指標和因素間的非線性關系的一種實驗設計方法[7].該實驗方法沒有將所有實驗因素同時安排為高水平的實驗組合,對某些特殊需求的實驗尤為適用.同時引進一個中心點,并未增加軸向點,且不存在任何極限值,是一種簡單、精確度高的設計實驗方法.

        在大氣等離子噴涂中,影響涂層質量的因素較多,如:噴涂功率、噴涂距離、送粉率、主氣流量等.若系統(tǒng)的對這些參數(shù)進行分析,實驗方案較多,工作量繁重.本文以主氣流量QAr、電流I、噴涂距離d為影響因子,為了準確了解各加工參數(shù)對涂層顯微硬度的交互式影響規(guī)律,通常采用系統(tǒng)有彎曲的二次回歸模型建立顯微硬度與工藝參數(shù)之間的關系.

        (1)

        式中:y為顯微硬度估計值;ε為實驗誤差;β為系數(shù)估計值;X為因素編碼.

        1.2 BP神經(jīng)網(wǎng)絡模型

        基于已有試驗數(shù)據(jù), 借助MATLAB平臺,建立WC-12Co涂層顯微硬度的BP神經(jīng)網(wǎng)絡模型,其具有自主學習及處理非線性問題的能力.BP神經(jīng)網(wǎng)絡系統(tǒng)由輸入層、隱含層和輸出層構成,本文以噴涂距離、電流和主氣流量為輸入層,以涂層顯微硬度為輸出層建立神經(jīng)網(wǎng)絡模型.由于隱含層的節(jié)點數(shù)量極大地影響到網(wǎng)絡學習和計算的能力、速度和精度,是整個BP 神經(jīng)網(wǎng)絡結構是否可行的關鍵性因素[8],因此,選擇合適的隱含層節(jié)點數(shù)至關重要.參照經(jīng)驗公式(2)[9],在MATLAB 中進行反復調(diào)試,確定隱層單元個數(shù)q=9,BP神經(jīng)網(wǎng)絡結構如圖1所示.

        q=(n+m)0.5+a.

        (2)

        式中:n= 3為輸入層節(jié)點數(shù);m=1 為輸出層節(jié)點數(shù);a∈[1,10].

        為了提高預測精度,加快收斂速度,對試驗數(shù)據(jù)進行歸一化預處理,使其歸于[0,1]之間.數(shù)據(jù)歸一化公式見式(3),數(shù)據(jù)歸一化處理后代入神經(jīng)網(wǎng)絡進行訓練.

        (3)

        圖1 BP神經(jīng)網(wǎng)絡結構

        1.3 試驗過程

        本試驗基體材料為Q235碳素結構鋼,試樣尺寸為Φ20 mm×5 mm.在噴涂前使用丙酮溶液對試樣超聲波清洗20 min,然后,采用剛玉進行噴砂粗化并用干凈的空氣清理試樣表面,在2 h內(nèi)完成噴涂.WC-12Co涂層制備采用上海大豪噴涂公司的噴涂設備,型號為DH-2080,噴涂電壓50 V,氫氣流量1.5 L/min,噴槍移動速度60 mm/s,送粉率60 g/min.WC-Co涂層采用粒徑25~45 μm的WC-12Co粉末,由北京礦冶研究總院生產(chǎn).涂層截面形貌采用LED-1430VP型掃描電鏡觀察.涂層物相成分測定采用D&Advance型衍射儀,采用HXD-1000TB型視頻顯微硬度計加載5 N載荷15 s測量涂層顯微硬度,取10個不同位置進行測量取平均值.涂層韌性的計算方法如下:

        (4)

        式中:H為涂層維氏硬度,GPa;D為維氏壓痕對角線長,μm;CL為壓痕四角延伸出的裂紋長之和,μm.

        假定主氣流量QAr為x1,電流I為x2,噴涂距離d為x3.同時確定工藝參數(shù)的變化范圍:QAr為2 300~2 500 L/h,I為300~400 A,d為110~130 mm.對以上3個變量進行編碼,得到水平編碼表如表1所示.

        表1 因素水平編碼表

        2 結果與分析

        2.1 響應方程的建立與顯著性分析

        按照Box-Behnken模型統(tǒng)計學實驗設計要求,等離子噴涂影響因子的編碼矩陣和實測值見表2.

        表2 實驗結果

        通過對試驗參數(shù)的轉換,將試驗參數(shù)經(jīng)過無量綱線性編碼后,利用最小二乘法回歸擬合響應值與自變量之間的多元回歸模型方程.為了能夠討論影響因素之間的交互影響,選擇復相關系數(shù)R2最大的二次模型,最終擬合二次多項式如式(5)所示.

        y=917.74-22.74x1-18.33x2+114.26x3+54.44x1x2+

        (5)

        對式(5)進行方差分析及回歸模型的適合性驗證,判斷回歸模型的顯著性.通過對二次模型的方差分析(表3)可知,P值為0.001<0.05;模型的失擬度的F值為3.87,P值為0.212 2>0.05.二次模型顯著,而失擬度不顯著,表明該模型能夠較好地分析及預測響應值與各因素之間的關系.同時該模型的復相關系數(shù)R2為0.979 9,信噪比精度為13.421,更說明該模型的適合性.

        表3 回歸模型方差分析表

        根據(jù)回歸模型正態(tài)概率分布圖2的散點分布情況推斷回歸模型的合適性,如果接近線性則表明模型很合適[10].由圖2可見,回歸模型的殘差分析圖接近線性關系,說明回歸模型比較合適,也表明方差分析的可信度以及回歸模型的有效性.

        在進行優(yōu)化參數(shù)之前,對各無量綱線性編碼后因素進行效應分析.回歸模型的一次項、交互項與二次項的回歸系數(shù)之間線性不相關,但二次項系數(shù)之間卻線性相關[11].為了得到各單因素對回歸模型的影響,分別將模型中其他兩個因素置于零水平.因此,可以通過對3個因素的效應分析和邊際效應分析來分析各因素對響應值的影響.y1、y2、y3分別為氬氣流量、電流和噴涂距離的子模型.

        圖2 殘差正態(tài)概率分布圖

        圖3為各因素子模型的回歸方程曲線,可以看到,x3對顯微硬度的變異度最大,通過方差分析,其P為0.002<0.05表現(xiàn)顯著,x3在-0.25~1,通過改變x3的大小能使顯微硬度值發(fā)生明顯的正效應.x1、x2的P值分別為0.100 4、0.166 1都不顯著,曲線變異度較小且變化平緩.

        圖3 子模型回歸方程曲線

        從單因素邊際效應圖4中可以看出,噴涂距離x3對涂層顯微硬度影響最大,x1次之,x2最小.另外,各因素在不同的水平時,對顯微硬度的影響程度表現(xiàn)的都不一樣.只有通過合適的參數(shù)優(yōu)化處理后才可以確定實際生產(chǎn)的工藝參數(shù),也能夠準確掌握各因素對響應值的影響程度,以確保最優(yōu)工藝參數(shù)的可信度.

        圖4 單因素邊際效應圖

        2.2 BP神經(jīng)網(wǎng)絡訓練結果

        將試驗數(shù)據(jù)用式(3)進行歸一化處理,得到BP神經(jīng)網(wǎng)絡訓練樣本矩陣,之后進行反復訓練.本文采用Bayesian Regularization函數(shù)進行訓練,訓練結果如圖5所示.由于該函數(shù)訓練速度較慢,在訓練到266步時達到設計要求,此時均方誤差為1.02×10-4符合設計要求.BP神經(jīng)網(wǎng)絡模型的復相關系數(shù)R2=0.999 1,而多項式回歸模型的復相關系數(shù)R2=0.979 9,二者的復相關系數(shù)都接近1,說明BP神經(jīng)網(wǎng)絡模型與多項式回歸模型都能較好地解決非線性問題[12].圖6為涂層顯微硬度的樣本值與BP神經(jīng)網(wǎng)絡模型和多項式回歸模型預測值的比較,可以發(fā)現(xiàn),神經(jīng)網(wǎng)絡的平均相對誤差0.46%低于多項式回歸模型的平均相對誤差1.56%,多項式回歸模型擬合效果略差于BP神經(jīng)網(wǎng)絡,但二者相差不大,說明多項式回歸模型也有較好擬合的效果[13].

        圖5 BP神經(jīng)網(wǎng)絡訓練過程中均方誤差變化曲線

        Fig.5 Variational square error curve in BP neural network training

        圖6 BP神經(jīng)網(wǎng)絡和多項式預測模型與輸入樣本對比

        Fig.6 Comparison between network and polynomial output values and sample values

        3 討 論

        通過方差分析表3可知,噴涂距離d對顯微硬度的影響最為顯著,與文獻[5]中分析結果表現(xiàn)一致.氬氣流量QAr與電流I的交互項對顯微硬度影響顯著,其交互項P值為0.019 2<0.05,表明氬氣流量與電流共同作用時對顯微硬度影響較大.因此,本文建立不同噴涂距離下電流與噴涂距離的顯微硬度響應曲面圖來分析三因素對顯微硬度的影響規(guī)律.圖7為不同噴涂距離下涂層顯微硬度的響應面,從曲面形狀和變化可以直觀地看出電流與氬氣流量交互影響較顯著且復雜.噴涂距離110 mm時,小電流小氬氣流量時獲得最大硬度,而大電流大氬氣流量時對顯微硬度影響不大.在中等噴距120 mm,電流較小時,隨著氬氣流量的減小涂層的顯微硬度逐漸增大;氬氣流量較大時,隨著電流增大涂層的硬度顯示增長的趨勢.涂層的最大硬度出現(xiàn)在小電流小氬氣流量的位置,大電流和大氬氣流量時也能夠得到較大顯微硬度,但整體硬度值較大噴涂距離時的硬度有所降低.當噴距為130 mm時,涂層的最大硬度出現(xiàn)在大電流大氬氣流量的位置.小電流和小氬氣流量時也能夠得到較大顯微硬度.

        圖8為粉末與不同噴涂距離下涂層的XRD譜圖,通過對比3種不同噴涂距離的衍射結果可以看出,不同噴涂距離下涂層中都出現(xiàn)了W2C相和Co6W6C相[14],各峰的衍射強度均發(fā)生變化,表明不同噴涂距離下的涂層出現(xiàn)了不同程度的脫碳.文中脫碳程度使用W2C和WC主峰的峰高比進行表示,噴涂距離d=120 mm涂層的W2C/WC峰高比(3.4)是d=110 mm(1.3)與d=130 mm(0.9)的3倍左右,說明其脫碳行為最為顯著,噴涂距離d=130 mm時脫碳程度最輕.圖9為不同噴涂距離的橫截面形貌.噴涂距離d=120 mm時,涂層沉積厚度(458 mm)最大,其表面有明顯的孔洞,孔隙率最大,致密性差.噴涂距離d=130 mm和d=110 mm時,涂層較為致密.圖10為不同噴涂距離涂層韌性,可見噴涂距離為130 mm時涂層具有較好的韌性,噴涂距離為120 mm時涂層韌性差.

        圖7 不同噴涂距離下涂層顯微硬度的響應面

        Fig.7 Response surface of micro-hardness under different spraying distance:(a) 110 mm; (b) 120 mm; (c) 130 mm

        在WC-Co涂層中,WC對涂層的彌散強化作用最強,WC越多,硬質顆粒間距離越小,顆粒間富鈷粘結劑越薄,涂層的硬度越高,顆粒熔融充分,顆粒之間及顆粒與基體之間碰撞疊加越致密,涂層結合性能越好,而Co 作為粘結相進行高溫燒結或復合,使得WC-Co涂層具備高硬度和良好韌性.WC顆粒的脫碳分解程度主要取決于等離子火焰的溫度及粉末顆粒在噴涂高溫火焰中的停留時間[15].溫度越高,粉末高溫飛行停留時間越長,脫碳現(xiàn)象越嚴重.噴涂距離為120 mm時涂層脫碳最為嚴重,也表明該噴涂距離下粒子溫度相對較高,WC嚴重脫碳生成Co6W6C增多,降低了涂層的硬度.Co轉變?yōu)镃o6W6C相,降低了涂層的韌性,且脫碳產(chǎn)生部分CO2以及氧化物夾雜,使得涂層致密性差,孔隙率增大.噴涂距離為130 mm時涂層氧化脫碳程度最輕,WC與Co能夠很好地保留,增加了涂層的硬度與韌性.從XRD譜圖、截面形貌以及涂層韌性分析不難看出,d=130 mm時涂層各項性能均較好,因此,在該噴涂距離下能夠得到較大顯微硬度,與響應曲面分析結果一致.

        圖8 不同噴涂距離涂層XRD譜圖

        Fig.8 XRD diffraction patterns of coatings under different spraying distance

        圖9 不同噴涂距離涂層截面SEM形貌

        Fig.9 SEM images of cross-section coatings under different spraying distance

        通過式(3)與噴涂距離為130 mm時響應曲面對參數(shù)進行優(yōu)化.分析得到,優(yōu)先推薦能獲得最大顯微硬度的試驗參數(shù)是電流I=390 A,氬氣流量QAr=2 500 L/h和噴距d=130 mm,此時預測能獲得的最大顯微硬度為1 336.9HV0.5,置信度為0.95.通過對該參數(shù)進行試驗,得到該參數(shù)的顯微硬度為1 309.1HV0.5,其相對誤差為 2.1%,因此,確定該參數(shù)為涂層最優(yōu)參數(shù).

        圖10 不同噴涂距離涂層韌性

        Fig.10 Fracture toughness of coatings under different spraying distance

        4 結 論

        1)Box-Behnken實驗設計能夠有效地縮短實驗周期,避免了人力財力的浪費,在等離子噴涂工藝選擇中,可以使用該實驗設計方法.同時,基于該實驗數(shù)據(jù)的多項式回歸模型具有較好的擬合效果,其復相關系數(shù)R2為0.979 9,BP神經(jīng)網(wǎng)絡的復相關系數(shù)為0.999 1,二者擬合效果均較好.

        2)大氣等離子噴涂中,噴涂距離對涂層顯微硬度的影響最為顯著,電流與氬氣流量的交互作用對涂層顯微硬度影響顯著.響應曲面法能夠清楚地展現(xiàn)出電流與氬氣流量對顯微硬度的顯著性影響.

        3)涂層能夠獲得最大顯微硬度的試驗參數(shù)是電流I=390 A,氬氣流量QAr=2 500 L/h和噴距d=130 mm,預測能獲得的最大的顯微硬度為1 336.9HV0.5,實際測得該參數(shù)下的顯微硬度為1 309.1HV0.5,其相對誤差為 2.1%.

        參考文獻:

        [1] VAMSI Krishna Balla, SUSMITA Bose, AMIT Bandyopadhyay. Microstructure and wear properties of laser deposited WC-12%Co composites[J]. Material Science Engineering, 2010,527 (24-25): 6677-6682.

        [2] ELFGHI F M. A hybrid statistical approach for modeling and optimization of RON: A comparative study and combined application of response surface methodology (RSM) and artificial neural network (ANN) based on design of experiment (DOE)[J]. Chemical Engineering Research and Design,2016,113:264-272.

        [3] 毛杰,鄧暢光,鄧春明,等.響應曲面法在大氣等離子噴涂工 藝研究中的應用[J].表面技術,2013,42(4):65-68.

        MAO Jie,DENG Changguang,DENG Chunming,et al.Application of response surface methodology to the process study of atmospheric plasma spraying[J].Surface Technology,2013,42(4):65-68.

        DOI:10.16490/j.cnki.issn.1001-3660.2013.04.023

        [4] 毛杰,鄧暢光,鄧春明,等.基于孔隙率的Cr2O3涂層工藝優(yōu)化及回歸分析[J].中國表面工程,2013,26(4):38-43.

        MAO Jie,DENG Changguang,DENG Chunming,et al. Process optimization and regression analysis of Cr2O3coating based on porosity[J].China Surface Engineering,2013,26(4): 38-43.

        DOI:0.3969/j.issn.1007-9289.2013.04.005

        [5] 王東生,楊斌,田宗軍,等.基于遺傳神經(jīng)網(wǎng)絡的等離子噴涂納米ZrO2-7%Y2O3涂層工藝參數(shù)優(yōu)化[J].焊接學報,2013,34(3):10-14.

        WANG Dongsheng, YANG Bing, TIAN Zongjun,et al.Process parameters optimization of nanostructured ZrO2-7%Y2O3coating deposited by plasma spraying based on genetic algorithms and neural networks[J].Transactions of the China Welding Institution,2013,34(3):10-14.

        [6] 張烘州,明偉偉,安慶龍等.響應曲面法在表面粗糙度預測模型及參數(shù)優(yōu)化中的應用[J].上海交通大學學報,2010,44(4):447-451.

        ZHANG Gongzhou, MING Weiwei, AN Qinglong,et al. Application of response surface methodology in surface roughness prediction model and parameter optimization[J]. Journal of ShanghaiJiaotong University,2010,44(4): 447-451.

        [7] 張偉,毛建國,魏特特,等. 基于響應曲面法的煤油發(fā)動機氣門正時優(yōu)化[J].中國機械工程, 2016(7):933-938.

        ZHANG Wei,MAO Jiangguo,WEI Tete,et al.Optimization of Valve Timing of a Kerosene Engine Based on RSM[J].China Mechanical Engineering,2016(7):933-938.

        DOI:10.3969/j.issn.1004-132X.2016.07.014

        [9] SOLMAZ O, OZGOREN M. Prediction of hourly solar radiationin six provinces in turkey by artificial neural networks[J]. Journal of Energy Engineering, 2012,138, 194-204.

        [10] 楊振凱,王海軍,劉明,等.基于響應曲面法的Ar-N2等離子射流特性研究[J].表面技術,2016(1):148-154+160.

        YANG Zhenkai,WANG Haijun,LIU Ming,et al.Characteristics of the Ar-N2plasma Jet by response surface methodology[J].Surface Technology,2016(1): 148-154+160.

        DOI:10.16490 /j.cnki.issn.1001-3660.2016.01.024

        [11] 尹少華,林國,彭金輝,等. 響應曲面法優(yōu)化微波干燥碳酸稀土的實驗研究[J].稀有金屬,2016(4):350-355.

        YIN Shaohua,LIN Guo,PENG Jinhui,et al.Optimization on experiment of microwave drying of rare earth carbonate using response surface methodology[J].Chinese Journal of Rare Metals,2016(4):350-355.

        DOI:10.13373 /j.cnki.cjrm.2016.04.009

        [12] YADAV A K, CHANDEL S. Solar radiation prediction using artificialneural network techniques: A review[J]. Renewable and Sustainable EnergyReviews, 2014,33, 772-781.

        [13] GAO Y,XU J,LUO X,et al. Experiment research on mix design and early mechanical performance of alkali-activated slag using response surface methodology[J].Ceramics International,2016,42(10): 11666-11673.

        [15] GENG Zhe, HOU Sihan,SHI Gaolian,et al. Tribological behaviour at various temperatures of WC-Co coatings prepared using different thermal spraying techniques[J]. Tribology International,2016,104:36-44.

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務本地化模型
        適用于BDS-3 PPP的隨機模型
        提煉模型 突破難點
        函數(shù)模型及應用
        p150Glued在帕金森病模型中的表達及分布
        函數(shù)模型及應用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權M-估計的漸近分布
        3D打印中的模型分割與打包
        尤物在线精品视频| 亚洲中文字幕在线精品2021| 国产一级黄色片在线播放| 久久理论片午夜琪琪电影网| 国产夫妻自拍视频在线播放| 国产精品泄火熟女| 亚洲av无码国产精品麻豆天美 | 国产男女猛烈无遮挡免费网站 | 四虎精品成人免费观看| 国产精品视频免费一区二区三区| 男女啪啪视频高清视频| 亚洲精品www久久久| 亚洲熟女少妇精品久久| 级毛片无码av| 久久免费视频国产| 如何看色黄视频中文字幕| 日本免费观看视频一区二区| 国产熟女内射oooo| 丁香综合网| 国产精品av免费网站| 日韩精品熟妇一区二区三区| 性激烈的欧美三级视频| 天天干夜夜操| 久久dvd| 亚洲一区二区三区在线看| 亚洲视频在线观看| 最新国产一区二区精品久久| 人妻少妇无乱码中文字幕| 日本免费视频一区二区三区| 亚洲国产精品不卡av在线| 亚洲av无码av男人的天堂| 久久久国产精品免费无卡顿| 国产一区二区熟女精品免费| 人人人妻人人澡人人爽欧美一区 | а中文在线天堂| 国产精品国产三级国av在线观看 | 狠狠躁夜夜躁无码中文字幕| 麻豆成年视频在线观看| 久久精品日本不卡91| 熟妇高潮一区二区三区| 99福利在线|