《稀有金属》北航张天丽：人工神经网络模型辅助优化制备Sm-Co 纳米颗粒

     2024年04月17日

【文献链接】

链接：https://pan.baidu.com/s/1-gVjE0VSnbJvX-mofayCYQ

提取码：1234

 

【摘要】

液相合成与钙热还原结合制备Sm-Co纳米颗粒的方法，具有粒度易于调控的优势，但由于前驱体成分和工艺参数等因素都对合成产物的磁性能具有很大影响，依赖筛选式实验进行多影响因素的优化研究费时费力。将人工神经网络模型与Sm-Co纳米颗粒钙热还原制备实验相结合，以实验数据为基础，利用人工神经网络模型建立实验参数和纳米颗粒磁性能之间的关系，不断优化模型，分析实验参数对磁性能的影响，进而根据分析结果优化实验参数，达到准确预测 Sm-Co 纳米颗粒磁性能的目标。最后，采用优化参数进行实验制备，获得高磁性能Sm-Co 纳米颗粒，并进行测试表征，验证模型的预测精度。将人工神经网络模型应用于快速优化 Sm-Co 纳米颗粒磁性能，解决制备过程中多因素参量优化问题，实现了对 Sm-Co 纳米颗粒磁性能的高精度预测，提高了性能优化效率，为更广泛的 Sm-Co 系永磁体性能优化开辟了新途径。

 

【图文速览】

图1　神经结构网络模型示意图

Fig.1　Schematic diagram of neural structure network mode

 

图2　部分实验产物的XRD图谱

Fig.2　XRD pattern of part of experimental products

 

图3　数据筛选前与数据筛选后模型对Br和Hcj训练结果及预测结果

Fig.3　Training results of Br by model before（a） and after（b） data screening； training results of Hcj by model before（c） and after （d） data screening； Prediction results of Br by model before（e） and after（f） data screening； Prediction results of Hcj by model before（g） and after（h） data screening

 

图4　Br与Hcj优化分层采样示意图

Fig.4　Schematic diagram of optimal stratified sampling of Br （a） and Hcj（ b）

 

图5　Br与Hcj学习曲线

Fig.5　Learning curves of Br（ a） and Hcj（ b）

 

图6　SmCl3浓度对Br与Hcj的影响

Fig.6　Influence of SmCl3 concentration on Br（a） and Hcj（b）

 

图7　CoCl2浓度对Br与Hcj的影响

Fig.7　Influence of CoCl2 concentration on Br（a） and Hcj（b）

 

图8　CaCl2浓度对Br与Hcj的影响

Fig.8　Influence of CaCl2 concentration on Br（a） and Hcj（b）

 

图9　SmCl3和CoCl2对Br与Hcj的交互作用

Fig.9　Interaction of SmCl3 and CoCl2 on Br（a） and Hcj（b）

 

【全文小结】

通过建立反向传播的人工神经网络模型，研究了钙热还原制备方法中的成分参数对Sm-Co 纳米颗粒磁性能的影响。通过优化的人工神经网络模型分析发现，Br主要受Sm-Co纳米颗粒中Co元素含量影响，Hcj的提高需要在Sm-Co纳米颗粒中形成 SmCo5相。通过分析SmCl3浓度和CoCl2浓度对磁性能的交互作用，可以确定合适的优化成分组合，基于该优化成分参数，制备得到Br为42.10 A·m2·kg-1，Hcj为4.06T的Sm-Co纳米颗粒。模型对该成分样品Br的预测值和实验值相差6.82%，Hcj预测值和实验值相差2.71%，表明该模型可较为准确的预测Sm-Co纳米颗粒的磁性能，提高性能优化效率。

 

【作者简介】

权滢滢1，白 帆1，董 莹1，康达庄2，张天丽1*，蒋成保1

（1. 北京航空航天大学材料科学与工程学院，北京 100191； 2. 北京航空航天大学苏州创新研究院，江苏苏州 215011）

 

【引用本文】

权滢滢，白 帆，董 莹，康达庄，张天丽*，蒋成保. 人工神经网络模型辅助优化制备Sm-Co纳米颗粒 [J]. 稀有金属，2024，48(3): 305-316.

Quan Yingying，Bai Fan，Dong Ying，Zhang Tianli，Jiang Chengbao. Artificial Neural Network Model Assisted Optimization of Preparation of Sm-Co Nanoparticles [J]. Chinese Journal of Rare Metals, 2024, 48(3): 305-316.