دانلود مقاله ISI انگلیسی شماره 52518
عنوان فارسی مقاله

استفاده از شبکه های عصبی مصنوعی برای پیش بینی سختی نانوپوشش های Ni-TiN ساخته شده توسط الکترود پالسی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
52518 2016 6 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Application of artificial neural networks to predict the hardness of Ni–TiN nanocoatings fabricated by pulse electrodeposition
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Surface and Coatings Technology, Volume 286, 25 January 2016, Pages 191–196

کلمات کلیدی
شبکه عصبی مصنوعی - پوشش نانو نیتین - سختی
پیش نمایش مقاله
پیش نمایش مقاله استفاده از شبکه های عصبی مصنوعی برای پیش بینی سختی نانوپوشش های Ni-TiN  ساخته شده توسط الکترود پالسی

چکیده انگلیسی

A three-layer backward propagation (BP) model was used to predict the hardness of Ni–TiN nanocoatings fabricated by pulse electrodeposition. The effect of plating parameters, namely, TiN particle concentration, current density, pulse frequency, and duty ratio on the hardness of Ni–TiN nanocoatings was investigated. The morphology, structure, and hardness of Ni–TiN nanocoatings were verified using scanning electron microscopy, white-light interfering profilometry, high-resolution transmission emission microscopy, and Rockwell hardness testing. The results indicated that the surface roughness of the Ni–TiN nanocoating is approximately 0.12 μm. The average grain sizes of Ni and TiN on the Ni–TiN nanocoating are 62 and 30 nm, respectively. The optimum conditions for fabricating Ni–TiN nanocoatings based on the greatest hardness of Ni–TiN deposits are as follows: TiN particle concentration of 8 g/L, current density of 5 A/dm2, pulse frequency of 80 Hz, and duty ratio of 0.7. We conclude that the BP model, with a maximum error of approximately 1.03%, can effectively predict the hardness of Ni–TiN nanocoatings.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.