本文是一篇工程硕士论文，笔者通过采用BP神经网络对WC-10Co-4Cr涂层建立预测模型，当隐含层神经元节点数为12时（也即为“4-12-2”型BP神经网络），BP神经网络模型精度达到最佳。
1.绪论
1.1.超音速火焰喷涂概述
超音速火焰喷涂(High Velocity Oxygen Fuel），英文缩写为HVOF，是涂层热喷涂中的一个重要研究方向，是一种表面改性和表面涂覆技术，可应用于产品表面涂层喷涂和表面缺陷修复。HVOF技术最早由美国Browning公司在20世纪80年代提出，并配以JET-KOTE喷涂设备产品推出。相对于其他的喷漆方式，HVOF工艺在喷涂碳化物及其金属合金等方面具有较为突出的优势，因此该技术在短时间内迎来了飞速发展，成为了热喷涂中一种重要的喷涂工艺方法。目前国内绝大部分HVOF工艺设备均为进口设备，其中最有代表性的是METCO公司的DJ系列和PRAXAIR公司的JP-8000系列。
HVOF工艺设备最重要的组成部分为控制系统和喷枪系统，控制系统负责对喷涂过程中的各项过程参数进行综合控制，喷枪系统负责产生超音速焰流。喷枪系统结构大致可分为燃烧室、拉伐尔喷嘴、枪管以及冷却装置等，其基本结构如图1.1所示。HVOF工艺通常使用可燃气体或液体当做燃料（如氢气、丙烷、航空燃油等），氧气当做助燃材料，燃料雾化或汽化后与氧气在喷枪的燃烧室均匀混合，经点燃后瞬间产生高温、高压焰流，通过特定的拉伐尔喷嘴加速后进一步产生超高速焰流，超高速焰流在喷枪枪管中对输送进来的喷涂材料进行加热，共同形成超高速粒子流[1][2][3][4]。
1.2.WC-10Co-4Cr涂层研究现状
1.2.1.国内外研究现状
HVOF工艺可喷涂不同类型的喷涂材料，从而制备不同性能的涂层。常规的碳化钨涂层有WC-10Co-4Cr、WC-17Co等，这些喷涂材料元素含量的不同会使得WC涂层的金相组织结构和涂层性能也不尽相同。本文以WC-10Co-4Cr涂层作为研究对象，其综合性能优异，适用于航空航天产品活动部件表面的性能优化。WC-10Co-4Cr涂层的金相组织结构主要包括WC相、Co-Cr相和少量的W2C相，它的金相组织结构可看做是一种典型的陶瓷结构：WC相质地坚硬、对涂层的性能起到决定性作用，可类比于陶瓷结构中的晶相；Co-Cr相可类比于陶瓷中的玻璃相，它的作用是将WC相相互粘黏在一起，也即WC-10Co-4Cr涂层金相组织结构为WC相均匀、弥散地分布在Co-Cr相之间；W2C相是WC相在喷涂过程中氧化后的产物，当喷涂粉末被加热到2700℃左右时，就会造成少量的WC氧化脱碳从而形成W2C相[10][11]，W2C相质地硬而脆，因此在制备WC-10Co-4Cr涂层时应尽量减少W2C相的产生。WC-10Co-4Cr涂层的性能指标通常包括金相组织结构、结合强度、维氏硬度，而作者所在公司制备的WC-10Co-4Cr涂层由于其使用环境较为特殊，除上述4个性能指标外，还需对涂层的弯曲性能、残余应力和抗盐雾腐蚀性进行检测。国内外研究学者在当前的WC-10Co-4Cr涂层性能研究过程中，研究对象集中于金相组织结构、结合强度、维氏硬度、抗盐雾腐蚀和抗滑动磨损性能研究，而鲜有对残余应力和弯曲性能等方面的研究。国内研究学者对WC-10Co-4Cr涂层喷涂及性能的研究主要集中在以下三个方面：
1、分析多影响因素中某单一变量对各类性能的独立影响，例如左晓婷[14]研究了WC粉末的粒度对涂层孔隙率、维氏硬度、抗磨损性能、耐腐蚀性能影响。
2、分析多影响因素的不同变量对单一性能的综合影响，例如周夏凉、陈小明[12]等的“HVOF制备纳米WC-10Co4Cr涂层的微观组织及抗冲蚀性能”，该篇论文研究了在0Cr13Ni5Mo基材上制备WC-10Co4Cr涂层的金相组织结构、结合强度、维氏硬度和耐冲蚀性等，证明了涂层维氏硬度可达到1358HV0.2，结合强度可达到75Mpa。
3、运用流体力学和热力学知识，建立喷涂焰流夹带喷涂材料飞行过程的仿真模型，例如马佰庆[13]等学者以喷涂过程的焰流温度变化、焰流中喷涂材料的速度变化等作为研究对象进行模拟仿真。
2.WC-10Co-4Cr涂层分析与试验
2.1.WC-10Co-4Cr涂层影响因素与性能指标
2.1.1.涂层影响因素
本文在第一章中介绍了影响WC-10Co-4Cr涂层性能的影响因素种类可分为设备因素、过程参数因素和粉末特性因素。设备因素对涂层性能的影响主要通过影响喷涂焰流来实现，设备对喷涂焰流影响的因素主要包括燃烧室体积、枪管直径、枪管长度、燃料种类和送粉方式等。在制备WC-10Co-4Cr涂层时，可调整的过程参数包括煤油流速、氧气流速、燃烧室压力、喷射距离、喷涂温度、喷涂角度、送粉量、喷涂速度和载气流速。粉末特性包括粉末粒径和粉末粒度分布等。以上设备因素、过程参数因素和粉末特性因素对喷涂过程及最终涂层性能影响如下：
燃烧室体积：燃烧室体积过大，燃料与助燃剂混合后燃烧所产生的压力越小，所产生的的焰流温度和焰流速度降低；燃烧室体积过小，不利于燃料和燃烧室混合后充分燃烧，同时不利于焰流通过拉伐尔喷嘴加速。因此燃烧室体积需要设备制造厂家通过专业的数据论证，以达到最优效果。燃烧室体积由设备自身决定，同一型号设备燃烧室体积相同，为不可变量因素。
枪管直径：枪管直径过大，焰流通过枪管加速效果降低，且焰流在行进过程中降温梯度增加，不利于粉末融化；枪管直径过小，单位时间内喷涂粉末量降低，涂层喷涂效率降低，同时会造成粉末过度加热而出现氧化等情况，对涂层性能产生不利影响。同一型号设备所配套使用的枪管由同一家设备厂家提供，直径一致，枪管直径为不可变量因素。
2.2.WC-10Co-4Cr涂层正交试验与结果分析
由于在试验过程中仅使用了METCO公司生产WC-10Co-4Cr（型号：METCO 5847）同一批次的粉末，因此粉末粒径和粉末粒度分布未作为影响因素进行分析，载气流速和喷枪移动速度作为独立的因素，在进行正式喷涂试验前进行了独立试验并确定，因此本文仅对氧气流速、煤油流速、送粉转速以及喷射距离这4个过程参数进行了正交试验。试验采用四因素三水平正交试验表设计试验方案。通过对涂层残余应力和维氏硬度两项指标进行考量，筛选出对应的最佳组合，并判断每个过程参数对涂层性能影响的严重程度，以此确定最佳的喷涂过程参数。
2.2.1.正交试验设计方案
正交试验设计方案如表2.2和表2.3所示。
本文所使用的喷涂设备推荐的最大氧气流速为2000（根据实际情况可调整上限至2100），且当氧气流速低于1700时，设备会出现无法点火或燃烧室压力低且不稳定的情况，因此综合分析后氧气流速选择1750、1850和1950。
本文所使用的喷涂设备推荐的最大煤油流速为6，且当煤油流速低于4时，设备会出现燃烧室压力低且煤油流速不稳的情况，因此综合分析后煤油流速选择4.5、5和5.5。
3.基于神经网络的WC-10Co-4Cr涂层预测模型.......................32
3.1.BP与GA-BP神经网络.......................32
3.1.1.BP神经网络...........................32
3.1.2.GA-BP神经网络..................38
4.基于NSGA-II算法的WC-10Co-4Cr涂层性能多目标优化.......................54
4.1.多目标优化方法.........................54
4.1.1.多目标优化简介..........................54
4.1.2.多目标优化过程............................55
5.总结与展望................................69
5.1.总结............................69
5.2.展望..........................70
4.基于NSGA-II算法的WC-10Co-4Cr涂层性能多目标优化
4.1.多目标优化方法
4.1.1.多目标优化简介
多目标优化问题是指在求解含有多个子目标的问题时，子目标之间是非独立的，子目标之间存在相互制约的关系，无法一起获得最佳值。为获得多目标综合的最优解，需要对存在相互影响的子目标进行调和处理[50][51][52]。在当前的各类工艺、工程、制造研究中经常会碰到多目标优化的问题，比如切削加工优化、焊接参数优化、运动路径规划以及市场行情预测等。多目标优化需要在多个约束条件下对多个目标函数结果进行优化处理，且这些约束条件对目标函数结果的存在线性或非线性的影响关系。在多目标优化过程中，目标函数结果往往是非独立的，存在相互制约的关系，因此多目标优化的最终目的不是各目标函数结果表现分别最为优异的解，而是寻找目标函数集合在整体意义上的最优解集。
在传统的多目标优化问题上，求解最优解的方法是将多目标拆解为单个目标进行独立优化，但这种方式显然忽略了多目标之间的相互制约关系，并且求得的目标解不能显著指导工程研究和应用，一切潜在的最优解也会被忽视，进而无法求得真正的最优目标解。
常用的多目标优化方法可分为归一法和非归一法：归一法中常见的算法有极大极小点法、理想点法、线性加权法；非归一法常见的算法有NSGA算法、NSGA-II算法。
随着人工神经网络及人工智能的发展，智能算法在一些复杂的、非线性的优化问题上展现了巨大的优势，国内外研究学者也在智能算法解决多目标优化问题上取得了巨大的进步，这使得智能算法成为了解决多目标优化问题的主流应用。
5.总结与展望
5.1.总结
HVOF工艺制备WC-10C
