李心源，馬春陽，趙旭東

(1. 大慶師范學院 信息中心 黑龍江 大慶 163712;2. 東北石油大學 機械科學與工程學院， 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，被廣泛應用于機械、石油、航空、醫(yī)學、化工、軍事等領域[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具有設備簡單、電沉積效率高、耗能少等優(yōu)點，現(xiàn)已被廣泛應用于納米鍍層的制備中[7-12]。BP(Back Propagation)神經(jīng)網(wǎng)絡模型是一種通過數(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)變量多的科學問題，目前已逐漸應用于納米鍍層的性能預測[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)絡模型對其耐磨性進行測試和分析。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納米鍍層組織結構和成分。

1 實 驗

1.1 實驗材料及工藝參數(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，復合鍍液組成及制備工藝見表1。

表1 復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在UMT-2型摩擦磨損試驗機上進行，其磨損質量在精度為0.1 mg的AUW220型電子分析天平進行測量。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構和成分。

1.3 BP神經(jīng)網(wǎng)絡模型

一般而言，BP神經(jīng)網(wǎng)絡模型是由輸入層、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)絡模型的結構如圖1所示。在進行BP神經(jīng)網(wǎng)絡建模時，因Sigmoid函數(shù)具有通用性好、訓練效果好以及計算誤差小等優(yōu)點，故本BP神經(jīng)網(wǎng)絡模型隱含層的激勵函數(shù)采用Sigmoid函數(shù)，其計算公式如下：

(1)

圖1 BP神經(jīng)網(wǎng)絡模型的結構圖Fig 1 Schematic of BP artificial neural network model

2 結果與討論

2.1 BP神經(jīng)網(wǎng)絡模型訓練

圖2為BP神經(jīng)網(wǎng)絡模型的神經(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結構的BP神經(jīng)網(wǎng)絡模型對Ni-SiC納米鍍層耐磨性能進行預測。可利用卡方擬合度檢驗法計算BP神經(jīng)網(wǎng)絡模型的預測值與實驗值擬合度，其結果為該BP神經(jīng)網(wǎng)絡模型的擬合相似度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 預測值與實驗值擬合曲線Fig 3 The fitting curve between predicted value and experimental value

2.2 BP神經(jīng)網(wǎng)絡模型預測

以表2中的1～20組數(shù)據(jù)為訓練樣本，用3×8×1結構的BP神經(jīng)網(wǎng)絡模型進行訓練，從而建立基于BP神經(jīng)網(wǎng)絡的Ni-SiC納米鍍層耐磨性能預測模型，圖4為該模型對Ni-SiC納米鍍層磨損性能的預測結果。在建立好BP神經(jīng)網(wǎng)絡模型后，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行預測和分析，以此驗證BP神經(jīng)網(wǎng)絡模型的可靠性，其預測結果見表3。由表3可見，該BP神經(jīng)網(wǎng)絡模型的預測值與實驗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)絡預測結果Fig 4 The prediction results of BP neural network

表3 BP神經(jīng)網(wǎng)絡預測結果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)團聚現(xiàn)象明顯，且SiC粒子在鍍層表面的分布雜亂。當采用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，晶粒較粗且結構不規(guī)則。當采用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又高，說明該鍍層鎳晶粒較粗大。當采用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小，使鍍層平整[16]。當電流密度較小時，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，SiC粒子沉積到鍍層中的含量增加，致使納米鍍層平整，顆粒較細小。此外，當溫度較低時，鍍液溶解度低，電化學反應速率較慢。隨著溫度的升高，鍍液的溶解度增加，隨之導電性也得到提高，使SiC粒子的沉積速率增大，鍍層中的SiC粒子復合量增大，故Ni-SiC納米鍍層中的鎳晶粒細小。

3 結 論

(1)建立了3×8×1結構的BP神經(jīng)網(wǎng)絡模型，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)絡模型的預測值與實驗值相差不大，其最大誤差為1.51%。

(2)當采用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化。

(3)當采用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化。