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

• 超疏水涂层
• BP神经网络
• 遗传算法
• 水接触角
• 导热系数

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。

• 单位
  同济大学