人工神经网络对NaNbO3基陶瓷介电性能的预测研究

NaNbO₃基陶瓷在电介质储能领域具有极大的应用潜力。研究在对NaNbO₃基复合陶瓷材料开展实验研究的基础上,基于人工神经网络方法构建BP神经网络与优化的GA-BP神经网络模型,以磷酸盐玻璃相的添加量、烧结温度、烧结时间作为输入,介电性能(介电常数与介电损耗)作为输出,对NaNbO₃基复合陶瓷材料的介电性能开展预测研究。结果表明,通过GA-BP网络预测的介电常数相对误差最大仅为1.03%,介电损耗预测结果最大值仅为-3.18%,完全符合应用需求。     

制备方法对磷酸盐微晶玻璃结构和性能的影响

分别用熔融法和烧结法制备P₂O₅-Nb₂O₅-BaO-Na₂O-CeO₂体系磷酸盐微晶玻璃，用XRD谱和SEM观察表征其结构并测定其体积密度、显微硬度、介电性能、极化性能和储能特性，研究了制备工艺对其结构和性能的影响。结果表明，用熔融法可制备出结构更致密的微晶玻璃，使其体积密度和显微硬度提高和降低其介电损耗。当CeO₂添加量提高到1%(摩尔分数)时，用两种工艺都可实现微晶玻璃的结构致密化，并促进其结晶。结晶程度的提高可改善微晶玻璃的介电常数和极化性能。用熔融法制备的CeO₂添加量为1%(摩尔分数)的微晶玻璃样品其能量释放密度为13.5 mJ/cm³、储能效率为50.1%。