来源：期刊VIP网 时间：
作者：权滢滢;白帆;董莹;康达庄;张天丽;蒋成保;
单位：北京航空航天大学材料科学与工程学院;北京航空航天大学苏州创新研究院;
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。
关键词：Sm-Co系永磁体;;Sm-Co纳米颗粒;;机器学习算法;;成分优化;;磁性能优化
基金资助：国家重点研发计划项目（2018YFB2003901）;; 国家自然科学基金项目（91960101,52031001）资助
