【技术实现步骤摘要】
一种基于BP神经网络的碳酸钙填充复合材料设计方法
[0001]本专利技术涉及一种基于BP神经网络的碳酸钙填充复合材料设计方法,适用于碳酸钙粉体填充聚合物基复合材料的工艺设计及结构、性能预测,属于复合材料制造
技术介绍
[0002]碳酸钙粉体(CaCO3)是填充聚合物基复合材料(如:CaCO3/PVC、CaCO3/PP等)加工中广泛使用的无机填料,它不仅可减少聚合物基体用量,降低成本,还可以改善复合材料的强度、韧性、硬度、弹性模量、尺寸稳定性等。碳酸钙粉体填充复合材料需要具备良好的拉伸强度、韧性、冲击强度和弯曲强度等综合力学性能,才能满足不同应用领域的使用需求。
[0003]影响碳酸钙粉体填充聚合物基复合材料力学性能的工艺因素很多,主要包括聚合物基体的性能、碳酸钙填料的化学组成成分、颗粒的几何形状及粒径分布、颗粒填充体积比,以及颗粒表面性质等物理特性。目前关于碳酸钙填充工艺的研发以开展大量工艺实验为主,对于不同填充工艺对复合材料力学性能的影响机理缺乏深入研究;为寻求碳酸钙填充工艺与复合材料力学性能的理想组合,需要开展大量的工艺开发及性能测试实验,导致研发周期过长,材料性能有待进一步提高。
[0004]“材料基因工程”是近年来国际材料领域兴起的颠覆性前沿技术,通过采用高通量并行迭代方法替代传统试错法中的多次顺序迭代方法,逐步由“经验指导实验”向“理论预测和实验验证相结合”的材料研究新模式转变,以提高新材料的研发效率。人工神经网络技术作为智能制造领域中的一项先进技术,为解决多维非线性系统及模型未知 ...
【技术保护点】
【技术特征摘要】
1.一种基于BP神经网络的碳酸钙填充复合材料设计方法,其特征在于,包括以下步骤:步骤S1.设计多因素多水平的正交试验,制备不同填充工艺参数组合下的碳酸钙填充复合材料试验样品;步骤S2.分别对步骤S1制备的试验样品进行力学性能测试,得到不同填充工艺参数组合下的复合材料的力学性能参数;步骤S3.在不同填充工艺参数组合下,利用随机吸附法生成代表性体积单元,计算不同填充工艺参数组合下复合材料中颗粒分布的三维盒维数;步骤S4.收集正交试验中的不同填充工艺参数组合,以及对应的颗粒分布三维盒维数及力学性能实验结果,整理成数据集,其中,一部分数据集作为BP神经网络模型的训练集,其余的数据集作为BP神经网络模型的测试集;步骤S5.进行BP神经网络系统建模,确定初始BP神经网络的拓扑结构参数、初始权值和阈值;步骤S6.采用遗传算法对初始BP神经网络进行优化,利用训练集中的数据进行模型的训练;步骤S7.将测试集中的数据作为输入,利用训练后的BP神经网络模型预测输出;若预测值与实测值之间的误差百分比小于等于预测精度要求,则可将该BP神经网络模型用于碳酸钙填充复合材料的工艺设计及性能预测,否则返回步骤S5~步骤S6,重新进行BP神经网络模型的建立及训练。2.如权利要求1所述的一种基于BP神经网络的碳酸钙填充复合材料设计方法,其特征在于,步骤S1中,所述填充工艺参数组合包括聚合物基体、颗粒类型、颗粒几何形状、填充体积比、颗粒粒径分布及表面改性状态。3.如权利要求1所述的一种基于BP神经网络的碳酸钙填充复合材料设计方法,其特征在于,步骤S2中,所述的力学性能参数包括拉伸强度、弹性模量及弯曲强度。4.如权利要求1所述的一种基于BP神经网络的碳酸钙填充复合材料设计方法,其特征在于,所述步骤S3中计算三维盒维数的方法包括以下步骤:3A.考虑代表性体积单元的周期性,利用随机吸附法生成不同填充工艺参数组合下复合材料的代表性体积单元,得到不同填充工艺参数组合下的碳酸钙颗粒随机分布模型;3B.对于每个颗粒随机分布模型,定义(X,Y)为二维平面,(Z)为第三维,颗粒随机分布模型可以用体积为L
×
L
×
L的立体空间Ω完全覆盖,用体积为s
×
s
×
s的小立方体对空间Ω进行平均分割,其中s是小立方体的边长,令标度r=L/s;3C.定义空间Ω中颗粒所占的立体空间为空间Φ,计算覆盖空间Φ所需要的尺寸为s
×
s
×
s的小立方体数目,若被测空间Φ的最小高度值和最大高度值分别落在第k和第l个小立方体里,则第(i,j)位置的盒子计数n
r
(i,j),其计算公式为:n
r
(i,j)=l
‑
k+13D.按照3C中所述方法,得到当标度为r时,用于覆盖代表性体积单元中颗粒所占空间结构的小立方体总数N
r
为,其...
【专利技术属性】
技术研发人员:潘斯宁,罗士君,苏南光,胡正西,张敏,
申请(专利权)人:贺州学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。