一种基于神经网络预测的乳酸聚合工艺制造技术

本发明专利技术公开一种基于神经网络预测的乳酸聚合工艺，所述工艺涉及乳酸聚合条件的预测，采用叠影取样均匀设计法，通过控制乳酸聚合反应时间、催化剂含量以及反应温度，得到不同分子量的乳酸聚合物，利用得到的试验数据对神经网络进行训练和预测，预测数据与试验数据吻合良好。本发明专利技术利用神经网络预测聚合反应条件，大大简化了试验的探究过程，节省了试验时间和成本，在生物化工合成领域探究化学反应条件具有广阔的应用前景。有广阔的应用前景。有广阔的应用前景。

【技术实现步骤摘要】
一种基于神经网络预测的乳酸聚合工艺


[0001]本专利技术属于生物化工领域，具体涉及一种基于神经网络预测的乳酸聚合工艺。

技术介绍

[0002]聚乳酸是以乳酸为原料聚合而成，是一种聚酯类高分子生物基聚合物材料，在多种应用领域都有着重要的应用。近年来聚乳酸主要采用丙交酯开环聚合法合成。丙交酯开环聚合法虽然能获得较大分子量的聚乳酸，但因其反应条件苛刻且丙交酯产量较低，导致生产的聚乳酸的成本较高，限制了聚乳酸的广泛应用。乳酸缩聚法制得的聚乳酸的分子量没有丙交酯开环聚合法获得的分子量高，但因其原料乳酸来源广、价格低廉，因此通过乳酸缩聚法获得聚乳酸有望成为获得聚乳酸的重要手段。然而缩聚过程中反应条件复杂，需要进行大量的试验探索。
[0003]利用叠影取样均匀设计法和神经网络可以对乳酸直接缩聚法的反应条件进行优化和预测，简化试验的探究过程，但未见相关报道。

技术实现思路

[0004]针对现有技术中存在的上述问题，本专利技术目的在于提供一种基于神经网络预测的乳酸聚合工艺，减少试验次数，节省试验时间和成本，获得更优的乳酸聚合工艺。...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络预测的乳酸聚合工艺，其特征在于催化剂投入到乳酸液体中升温反应，以反应温度x1、反应时间x2和催化剂加入量x3三个因素为控制的自变量，聚乳酸分子量为检测的因变量，通过所述三个因素控制变量的组合方案进行合成聚乳酸的反应实验，获得由所述自变量和因变量所组成的向量的实验数据；所述的神经网络具有三层神经网络结构，采用的模型算法为Levenberg
‑
Marquardt，以反应温度x1、反应时间x2和催化剂加入量x3为输入变量，以聚乳酸分子量为输出变量，构建基于神经网络预测的模型，采用模型对上述获得的实验数据进行训练，获得输入变量与输出变量的对应关系，通过训练后的模型能够预测三种输入变量的组合方案所能够合成的聚乳酸的分子量。2.根据权利要求1所述的一种基于神经网络预测的乳酸聚合工艺，其特征在于，具体包括以下步骤：S1：采用叠影取样均匀设计法，开展3个因素的实验设计，通过控制反应温度、反应时间和催化剂加入量三个因素确定聚乳酸直接缩聚法的合成条件，测定合成的聚乳酸分子量，获得关于所述三个因素和聚乳酸分子量所组成的向量的实验数据；S2：构建三层神经网络结构，输入层包含3个结点，对应3个影响因素，即反应温度x1、反应时间x2和催化剂加入量x3；隐含层结点数根据Kolmogorov定理确定，输入层结点个数为n，则隐含层结点个数为2n+1，即为7个；输出层包含一个结点，即聚乳酸的分子量Y；根据输入变量x1，x2和x3，输入层和隐含层间连接权值，以及隐含层阈值，计算隐含层输出值：的整数；j＝1
‑
7的整数；式中，H
j
为隐含层输出值；w
ij
为从输入层输出到隐含层的权值；x
i
为输入到输入层的变量；a
j
为输入到隐含层阈值；i为输入层节点数；j为隐含层节点数；f为隐含层激励函数，其表达式为：根据隐含层输出值，隐含层和输出层间连接权值，以及输出层阈值，计算神经网络预测输出结果Y'：式中，H
j
为隐含层的输出值；w
jk
为隐含层输出到输出层的权值；b
k
为输入到输出层的阈值；j为隐含层节点数；l为隐含层数；k为输出层节点数；根据网络预测输出结果Y
i
'和...

【专利技术属性】
技术研发人员：贠军贤，司忠文，沈绍传，楼小玲，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：