凉感粒相变材料的制备方法技术

技术编号:38369851 阅读:9 留言:0更新日期:2023-08-05 17:34
一种凉感粒相变材料的制备方法,包括:S1:通过石蜡乳化剂对十八烷进行乳化以得到乳化好的石蜡溶液;S2:提供纳米二氧化硅粉体、聚氨酯溶液和纳米铝粉;S3:将所述纳米二氧化硅粉体加入所述乳化好的石蜡溶液中并搅拌均匀以得到第一混合液体;S4:在所述第一混合物中加入所述聚氨酯溶液中直至形成稳定稠状的第二混合液体;以及,S5:在所述第二混合液体中加入所述纳米铝粉以得到第三混合液体,并将所述第三混合液体加入造粒机中进行造粒成型以得到凉感粒相变材料颗粒物。这样,可以提高凉感粒相变材料的凉感持续性。相变材料的凉感持续性。相变材料的凉感持续性。

【技术实现步骤摘要】
凉感粒相变材料的制备方法


[0001]本申请涉及智能化制备
,并且更具体地,涉及一种凉感粒相变材料的制备方法。

技术介绍

[0002]相变材料(PCM
ꢀ‑ꢀ
Phase Change Material)是指温度不变的情况下而改变物质状态并能提供潜热的物质。转变物理性质的过程称为相变过程,这时相变材料将吸收或释放大量的潜热。目前,相变材料被广泛应用于各个领域,例如建筑上,将石蜡、水合盐、脂肪酸以及脂肪酸和石蜡的混合物加入适当的混合物做成墙体、地板、天花板。
[0003]现有的技术方案将相变材料应用于面料上,以使得相变储能材料接触瞬间凉感,给人们在炎热的夏天带来凉意。但是,接触凉感面料即是由热传导将温度由高温处传导到低温处,达到降温的目的,导致接触凉感面料的凉感持续性较低,并不能够达到令人满意的效果。
[0004]因此,期望一种优化的凉感粒相变材料的制备方案。

技术实现思路

[0005]为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种凉感粒相变材料的制备方法,包括:S1:通过石蜡乳化剂对十八烷进行乳化以得到乳化好的石蜡溶液;S2:提供纳米二氧化硅粉体、聚氨酯溶液和纳米铝粉;S3:将所述纳米二氧化硅粉体加入所述乳化好的石蜡溶液中并搅拌均匀以得到第一混合液体;S4:在所述第一混合物中加入所述聚氨酯溶液中直至形成稳定稠状的第二混合液体;以及,S5:在所述第二混合液体中加入所述纳米铝粉以得到第三混合液体,并将所述第三混合液体加入造粒机中进行造粒成型以得到凉感粒相变材料颗粒物。这样,可以提高凉感粒相变材料的凉感持续性。
[0006]第一方面,提供了一种凉感粒相变材料的制备方法,其包括:S1:通过石蜡乳化剂对十八烷进行乳化以得到乳化好的石蜡溶液;S2:提供纳米二氧化硅粉体、聚氨酯溶液和纳米铝粉;S3:将所述纳米二氧化硅粉体加入所述乳化好的石蜡溶液中并搅拌均匀以得到第一混合液体;S4:在所述第一混合物中加入所述聚氨酯溶液中直至形成稳定稠状的第二混合液体;以及S5:在所述第二混合液体中加入所述纳米铝粉以得到第三混合液体,并将所述第三混合液体加入造粒机中进行造粒成型以得到凉感粒相变材料颗粒物。
[0007]在上述凉感粒相变材料的制备方法中,所述步骤S4,包括:S41:获取由摄像头采集的所述第二混合液体的混合状态检测图像;S42:将所述混合状态检测图像输入作为特征提取器的卷积神经网络模型的第一部分以得到浅层状态特征图;S43:将所述浅层状态特征图输入所述作为特征提取器的卷积神经网络模型的第二部分以得到深层特征图,其中,所述
第二部分与所述第一部分沿着所述作为特征提取器的卷积神经网络模型的深度维度连接;S44:融合所述浅层状态特征图和所述深层特征图以得到融合特征图;S45:将所述融合特征图通过空间注意力模块以得到空间增强融合特征图;S46:对所述空间增强融合特征图进行沿通道维度的特征分布优化以得到分类特征图;以及,S47:将所述分类特征图通过分类器以得到分类结果,所述分类结果用于表示是否停止加入聚氨酯溶液。
[0008]在上述凉感粒相变材料的制备方法中,所述步骤S42,包括:使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对所述混合状态检测图像进行卷积处理、池化处理和非线性激活处理以从所述作为特征提取器的卷积神经网络模型的第一部分提取浅层状态特征图。
[0009]在上述凉感粒相变材料的制备方法中,所述步骤S43,包括:使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对所述浅层状态特征图进行卷积处理、池化处理和非线性激活处理以从所述作为特征提取器的卷积神经网络模型的第二部分提取深层特征图。
[0010]在上述凉感粒相变材料的制备方法中,所述步骤S44,包括:以如下融合公式融合所述浅层状态特征图和所述深层特征图以得到融合特征图;其中,所述公式为:其中,表示所述融合特征图,表示所述浅层状态特征图,表示所述深层特征图,“+”表示所述浅层状态特征图和所述深层特征图相对应位置处的元素相加,和表示用于控制所述浅层状态特征图和所述深层特征图之间的平衡的加权参数。
[0011]在上述凉感粒相变材料的制备方法中,所述步骤S45,包括:S451:使用所述空间注意力模块的卷积编码部分对所述融合特征图进行深度卷积编码以得到融合卷积特征图;S452:将所述融合卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图;S453:将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图;以及,S454:计算所述空间注意力特征图和所述融合卷积特征图的按位置点乘以得到所述空间增强融合特征图。
[0012]在上述凉感粒相变材料的制备方法中,所述步骤S46,包括:S461:计算所述空间增强融合特征图的每个特征矩阵的实例归一化和一致性相关恢复因数以得到由多个所述实例归一化和一致性相关恢复因数组成的加权特征向量;以及,S462:以所述加权特征向量的各个位置的特征值作为权重来分别对所述空间增强融合特征图的沿通道维度的各个特征矩阵进行加权以得到所述分类特征图。
[0013]在上述凉感粒相变材料的制备方法中,所述步骤S461,包括:以如下加权公式计算所述空间增强融合特征图的每个特征矩阵的实例归一化和一致性相关恢复因数以得到由多个所述实例归一化和一致性相关恢复因数组成的所述加权特征向量;其中,所述公式为:其中,表示所述空间增强融合特征图的每个特征矩阵的第位置的特征值,和分别是所述空间增强融合特征图的每个特征矩阵的各个位置的特征值集合的均值和方差,且和分别是所述空间增强融合特征图的每个特征矩阵的的宽度和高度,表示
以2为底的对数函数,表示计算以所述数值为幂的自然指数函数值,表示所述加权特征向量的各个位置的特征值。
[0014]在上述凉感粒相变材料的制备方法中,所述步骤S47,包括:S471:将所述分类特征图按照行向量或列向量展开为分类特征向量;S472:使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量;以及,S473:将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0015]与现有技术相比,本申请提供的凉感粒相变材料的制备方法,包括:S1:通过石蜡乳化剂对十八烷进行乳化以得到乳化好的石蜡溶液;S2:提供纳米二氧化硅粉体、聚氨酯溶液和纳米铝粉;S3:将所述纳米二氧化硅粉体加入所述乳化好的石蜡溶液中并搅拌均匀以得到第一混合液体;S4:在所述第一混合物中加入所述聚氨酯溶液中直至形成稳定稠状的第二混合液体;以及,S5:在所述第二混合液体中加入所述纳米铝粉以得到第三混合液体,并将所述第三混合液体加入造粒机中进行造粒成型以得到凉感粒相变材料颗粒物。这样,可以提高凉感粒相变材料的凉感持续性。
附图说明
[0016]为了更清楚地说明本申请实施例的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种凉感粒相变材料的制备方法,其特征在于,包括:S1:通过石蜡乳化剂对十八烷进行乳化以得到乳化好的石蜡溶液;S2:提供纳米二氧化硅粉体、聚氨酯溶液和纳米铝粉;S3:将所述纳米二氧化硅粉体加入所述乳化好的石蜡溶液中并搅拌均匀以得到第一混合液体;S4:在所述第一混合物中加入所述聚氨酯溶液中直至形成稳定稠状的第二混合液体;以及S5:在所述第二混合液体中加入所述纳米铝粉以得到第三混合液体,并将所述第三混合液体加入造粒机中进行造粒成型以得到凉感粒相变材料颗粒物。2.根据权利要求1所述的凉感粒相变材料的制备方法,其特征在于,所述步骤S4,包括:S41:获取由摄像头采集的所述第二混合液体的混合状态检测图像;S42:将所述混合状态检测图像输入作为特征提取器的卷积神经网络模型的第一部分以得到浅层状态特征图;S43:将所述浅层状态特征图输入所述作为特征提取器的卷积神经网络模型的第二部分以得到深层特征图,其中,所述第二部分与所述第一部分沿着所述作为特征提取器的卷积神经网络模型的深度维度连接;S44:融合所述浅层状态特征图和所述深层特征图以得到融合特征图;S45:将所述融合特征图通过空间注意力模块以得到空间增强融合特征图;S46:对所述空间增强融合特征图进行沿通道维度的特征分布优化以得到分类特征图;以及S47:将所述分类特征图通过分类器以得到分类结果,所述分类结果用于表示是否停止加入聚氨酯溶液。3.根据权利要求2所述的凉感粒相变材料的制备方法,其特征在于,所述步骤S42,包括:使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对所述混合状态检测图像进行卷积处理、池化处理和非线性激活处理以从所述作为特征提取器的卷积神经网络模型的第一部分提取浅层状态特征图。4.根据权利要求3所述的凉感粒相变材料的制备方法,其特征在于,所述步骤S43,包括:使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对所述浅层状态特征图进行卷积处理、池化处理和非线性激活处理以从所述作为特征提取器的卷积神经网络模型的第二部分提取深层特征图。5.根据权利要求4所述的凉感粒相变材料的制备方法,其特征在于,所述步骤S44,包括:以如下融合公式融合所述浅层状态特征图和所述深层特征图以得到融合特征图;其中,所述公式为:其中,表示所述融合特征图,...

【专利技术属性】
技术研发人员:张丽
申请(专利权)人:上海爱尔企业发展有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1