类金刚石（DLC）薄膜由于具有高硬度、高弹性模量、耐腐蚀、低摩擦因数、耐磨损等优良特性，被广泛应用于工业生产中。用于DLC薄膜制备的热阴极辉光等离子体化学气相沉积（PECVD）工艺方法较为新颖且工艺参数众多，用统计回归的方法探索DLC薄膜的最佳制备工艺成本较高。而人工神经网络由于其较强的自学习能力可用于建立数据间的非线性函数映射模型。采用等离子体化学气相沉积（PECVD）方法，改变偏压、占空比、乙炔气流量、氩气气流量、温度等工艺参数制备不同的DLC薄膜样品。用纳米压痕仪测量硬度与杨氏模量、用拉曼光谱仪表征薄膜杂化键比例、用球磨仪测量薄膜厚度、用划痕仪表征膜基结合力。以不同的工艺参数作为输入参量，以表征结果作为输出参量，训练神经网络以得到输入输出的映射模型。使用多目标寻优遗传算法对映射模型进行寻优，得到最优解并进行验证实验。结果表明人工神经网络建立的映射模型对不同工艺参数制得DLC薄膜的各项性能可以进行较好的预测，多目标遗传算法对映射模型的寻优可以得到薄膜综合性能最优下的工艺参数组合。

类金刚石薄膜,人工神经网络,遗传算法,工艺优化