| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-30页 |
| ·陶瓷涂层的特点及应用 | 第10-17页 |
| ·陶瓷涂层的特点 | 第10-11页 |
| ·陶瓷涂层的制备方法 | 第11-15页 |
| ·陶瓷涂层的应用 | 第15-17页 |
| ·热化学反应陶瓷涂层技术 | 第17-22页 |
| ·热化学反应陶瓷涂层特点 | 第17-18页 |
| ·热化学反应陶瓷涂层制备工艺 | 第18-20页 |
| ·热化学反应陶瓷涂层研究进展 | 第20-22页 |
| ·数据挖掘技术及应用 | 第22-26页 |
| ·数据挖掘技术 | 第22-24页 |
| ·数据挖掘技术的应用 | 第24-25页 |
| ·数据挖掘技术在材料学中的应用现状 | 第25-26页 |
| ·小样本数据挖掘 | 第26-27页 |
| ·神经网络——遗传算法结合模型 | 第26-27页 |
| ·本文的研究目的及内容 | 第27-30页 |
| 2 实验材料及方法 | 第30-39页 |
| ·实验材料及设备 | 第30-32页 |
| ·材料的选择 | 第30-31页 |
| ·原材料种类及性状 | 第31页 |
| ·实验设备 | 第31-32页 |
| ·涂层制备工艺流程 | 第32-34页 |
| ·涂层成分及组织结构观察 | 第34-35页 |
| ·扫描电镜分析 | 第34-35页 |
| ·X 射线分析 | 第35页 |
| ·涂层性能测试 | 第35-39页 |
| ·涂层抗热震性能的测试 | 第35-36页 |
| ·涂层结合强度的测试 | 第36-37页 |
| ·涂层致密性的测试 | 第37页 |
| ·涂层耐腐蚀性能的测试 | 第37-38页 |
| ·涂层耐磨损性能的测试 | 第38-39页 |
| 3 实验结果及分析 | 第39-66页 |
| ·陶瓷涂层配方的正交实验 | 第39-42页 |
| ·正交实验设计 | 第39页 |
| ·陶瓷涂层配方的正交实验及结果分析 | 第39-42页 |
| ·小样本数据挖掘 | 第42-45页 |
| ·网络模型和算法的确定 | 第42页 |
| ·网络的训练和预测检验 | 第42-43页 |
| ·陶瓷涂层配方的优化 | 第43-45页 |
| ·陶瓷涂层成分及组织结构观察 | 第45-48页 |
| ·陶瓷涂层的扫描电镜观察 | 第45-46页 |
| ·陶瓷涂层的X 射线分析 | 第46-48页 |
| ·陶瓷涂层的结合强度 | 第48-51页 |
| ·陶瓷涂层的致密性 | 第48-49页 |
| ·陶瓷涂层的抗热震性能 | 第49页 |
| ·陶瓷涂层的结合强度 | 第49-51页 |
| ·涂层的耐腐蚀性 | 第51-57页 |
| ·涂层的耐酸性 | 第51-52页 |
| ·涂层的耐碱性 | 第52-53页 |
| ·涂层的耐盐性 | 第53-54页 |
| ·极化实验 | 第54-55页 |
| ·耐蚀性实验结果分析 | 第55-57页 |
| ·涂层的耐磨性 | 第57-61页 |
| ·磨粒磨损 | 第57-58页 |
| ·粘着磨损 | 第58-59页 |
| ·涂层的耐磨性综合分析 | 第59-61页 |
| ·小样本数据挖掘技术在陶瓷涂层制备中的优化作用 | 第61-66页 |
| 4 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录A 神经网络——遗传算法的MATLAB 计算程序 | 第71-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75-76页 |