基于CGSOA-BPNN优化AlCoCrNiFe高熵合金涂层等离子喷涂工艺参数

• 作者: 李赞 张长胜 马涛 王卓
• 来源期刊: 表面技术
• 学科: 工学
• 关键词: 等离子喷涂 高熵合金涂层 工艺参数优化 BP神经网络 海鸥优化算法 改进logistic混沌 高斯变异
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 热喷涂与冷喷涂技术|Thermal Spraying and Cold Spraying Technology
• 页码范围: 311-324
• 页数: 14页
• 分类号: TG174.442|TP391.9
• 语种: 中文
• DOI: 10.16490/j.cnki.issn.1001-3660.2022.01.034

摘要

目的 解决等离子喷涂工艺参数耦合导致的参数选取困难问题,提高AlCoCrNiFe高熵合金涂层力学性能.方法 提出全局混沌高斯融合的海鸥算法(CGSOA),优化权值和阈值,使BP(Back Propagation,反向传递)神经网络训练输出理想控制参数.利用改进logistic混沌序列实现网络参数初始化种群的全局搜索,提高权值和阈值初始质量.引入改进logistic映射跳出局部最优,通过加强局部搜索能力,以提高算法收敛精度.引入高斯变异增加种群多样性,提高全局搜索能力.选取6个基准函数,对BAS、PSO、ACO、SOA及CGSOA算法进行测试,仿真结果表明,所提算法具有较快收敛速度、较高寻优精度和稳定性.结果 CGSOA算法优化BP神经网络得出最佳控制量为:喷涂距离99.7 mm,喷涂电流649.6 A,喷涂电压56.3 V,送粉载气203.1 L/h,送粉电压5.1 V.以其进行喷涂试验,涂层结合强度和显微硬度分别为25.2 MPa和616.8HV,与模型预测值的相对误差分别为3.02％和2.91％,验证了CGSOA-BPNN应用到实际喷涂过程的可行性.结论 CGSOA-BPNN对AlCoCrNiFe高熵合金涂层等离子喷涂工艺参数进行优化,进而提高涂层力学性能,具有一定的现实指导意义.