基于机器学习的优化,使用人工神经网络和Taguchi设计在环保电解质中的电抛光
Hyun-Kyu Hwang1, Seong-Jong Kim2
1Mokpo National Maritime University, 91, Haeyangdaehak-ro, Mokpo-si, 58628, Jeollanam-do, Republic of Korea.
Scientific reports
|August 5, 2025
概括
这项研究优化了使用人工神经网络 (ANN) 和塔古奇设计的电抛光. 在特定的环保电解质条件下,集成框架实现了4.162nm的最低表面粗度.
科学领域:
- 材料科学与工程 材料科学与工程
- 表面工程是什么?表面工程是什么?
- 可持续制造 可持续制造 可持续制造
背景情况:
- 电化学表面处理,如电抛光,对于材料加工至关重要.
- 优化过程参数是复杂的,因为非线性相互作用.
- 开发环保电解质对于可持续制造至关重要.
研究的目的:
- 开发一个集成的优化框架,用于电抛光,使用环保的深层环氧溶剂.
- 系统地分析关键工艺参数对表面粗度的影响.
- 通过优化条件来实现最小的表面粗度.
主要方法:
- 结合人工神经网络 (ANN) 和塔古奇强大的设计.
- 使用基于多层感知子的ANN模型进行预测.
- 采用高斯噪声用于数据增强,以解决数据稀缺问题.
- 对应电压,处理时间,温度,电解质成分和水度进行系统分析.
主要成果:
- 该ANN模型实现了高预测准确度 (R2 = 0.981).
- 确定了最佳条件:20V,21分钟,1:4电解质比,0%蒸水,42°C.
- 经过实验确认的最低表面粗度为4.162nm.
结论:
- 综合框架有效优化了电抛光工艺.
- 该研究展示了环境可持续制造的实际方法.
- 在电化学处理中实现了非线性复杂性的定量分析.
