文摘电刷镀制备Al2O3-13%TiO2(AT13)复合陶瓷涂层是1个多参数耦合的非线性过程。在分析工艺参数对涂层厚度影响的基础上,通过实验采集样本,建立预测涂层厚度的误差反向传播(back propagation,BP)人工神经网络模型。为验证人工神经网络预测模型的准确性,将该模型的预测结果与多元线性回归模型(multiple linear regression model,MLR)的预测结果进行对比。结果表明:与传统多元线性回归模型相比,人工神经网络模型能捕捉工艺参数的非线性规律,能更好地预测涂层厚度,拟合优度R2达到0.86,模型具有较强的泛化能力和自适应能力,为实现电刷镀制作过程中涂层厚度的实时预测与控制提供参考。
