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
• 来源期刊: 表面技术
• 学科: 工学
• 关键词: 超疏水涂层 BP神经网络 遗传算法 水接触角 导热系数
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 表面功能化|Surface Functionalization
• 页码范围: 240-246,271
• 页数: 8页
• 分类号: TB17
• 语种: 中文
• 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0.06198,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SiO210.1％+TiO26.4％+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.