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
来源:表面技术, 2022, 51(01): 240-271.
DOI:10.16490/j.cnki.issn.1001-3660.2022.01.025

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L25(55)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0.061 98,导热系数的最大误差为0.065 77。基于遗传算法的优化结果,涂层成分(质量分数)为纳米SiO2 10.1%+TiO2 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14.19W/(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。

全文