基于神经网络遗传算法的超疏水涂层优化

作     者：苑昭阔 吴俐俊 王骏 张萍 韦增志 YUAN Zhao-kuo;WU Li-jun;WANG Jun;ZHANG Ping;WEI Zeng-zhi

作者机构：同济大学机械与能源工程学院上海201804 南京同诚节能环保装备研究院南京211100 

基　　金：国家重点研发计划(2020YFC1910100) 

出 版 物：《表面技术》 (Surface Technology)

年 卷 期：2022年第51卷第1期

页      码：240-246,271页

摘      要：目的探究超疏水涂层各成分的含量对涂层水接触角和导热系数的影响,找到最优成分组合,使涂层水接触角和导热系数同时获得最大值。方法根据设计的L_(25)(5^(5))正交试验,制作和测试涂层试样,借助Matlab软件建立结构为5-8-2的BP神经网络,通过正交试验结果训练和测试神经网络,得到涂层水接触角和导热系数的预测模型。调用训练好的预测模型,采用遗传算法对涂层各成分含量进行全局寻优。使用寻优得到的参数和调整后的参数进行试验,检验寻优计算结果。结果BP神经网络预测模型水接触角的最大误差为0.06198,导热系数的最大误差为0.06577。基于遗传算法的优化结果,涂层成分(质量分数)为纳米SiO_(2)10.1%+TiO_(2)6.4%+碳粉5%+纳米石墨烯0.6%+MTES 1.8%时,涂层的水接触角达到164.24°,导热系数达到14.19 W/(m·K),其误差分别为3.80%和2.31%。采用调整后的参数进行试验,测试得到涂层的水接触角为155.02°,导热系数为13.25 W/(m·K),其误差分别5.64%和5.58%。结论通过BP神经网络预测模型和遗传算法寻优,可以使涂层的水接触角和导热系数都获得较大的提高。

主 题 词：超疏水涂层 BP神经网络 遗传算法 水接触角 导热系数 

学科分类：0710[理学-生物科学类] 07[理学] 08[工学] 0805[工学-能源动力学] 0836[0836] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16490/j.cnki.issn.1001-3660.2022.01.025

馆 藏 号：203107255...