【技术实现步骤摘要】
本专利技术涉及固化特征预测，具体涉及一种热固性树脂的固化度预测方法、装置、设备及介质。
技术介绍
1、热固性树脂在航空航天、电子元器件等一些高端领域有着广泛的应用，热固性树脂的形态是决定性能的关键因素，并且是由固化过程中的化学反应决定的。因此，了解固化机理和动力学对评价材料的加工-形态-性能关系具有重要意义，精确的固化动力学模型，可以预测系统在固化过程中的行为以及最终条件，从而优化加工条件并控制最终产品的性能。
2、热固性树脂在接近玻璃化时，反应主要是由扩散控制的，但是，相关固化动力学模型未考虑高聚物的扩散对树脂固化的重要影响，并不能精确预测不同固化特征的树脂，进而导致产品性能降低。
技术实现思路
1、有鉴于此，本专利技术提供了一种热固性树脂的固化度预测方法、装置、设备及介质，以解决相关固化动力学模型未考虑高聚物的扩散对树脂固化的重要影响，并不能精确预测不同固化特征的树脂，进而导致产品性能降低的问题。
2、第一方面，本专利技术提供了一种热固性树脂的固化度预测方法，该方法包括：
3、获取热固性树脂固化度数据和扩散控制数据，基于热固性树脂固化度数据和扩散控制数据构建基于反常扩散的热固性树脂固化动力学模型；
4、对基于反常扩散的热固性树脂固化动力学模型进行参数优化，生成参数优化后的热固性树脂固化动力学模型；
5、利用参数优化后的热固性树脂固化动力学模型进行固化度预测，生成热固性树脂的固化度预测结果。
6、本实施例提供
7、在一种可选的实施方式中，基于热固性树脂固化度数据和扩散控制数据构建基于反常扩散的热固性树脂固化动力学模型，基于反常扩散的热固性树脂固化动力学模型的表达式如下所示：
8、
9、上式中，α表示热固性树脂固化度数据，t表示时间，k1表示非催化速率常数，k2表示自催化速率常数，m和n表示模型参数，表示扩散控制数据，αf表示等温固化结束时刻的固化度，μ表示分数阶指数，c表示热固性树脂扩散参数。
10、在一种可选的实施方式中，对基于反常扩散的热固性树脂固化动力学模型进行参数优化，生成参数优化后的热固性树脂固化动力学模型，包括：
11、获取不同热固性树脂固化温度对应的热固性树脂的固化总反应热数据和等温固化余热数据，基于固化总反应热数据和等温固化余热数据构建固化度曲线；
12、根据基于反常扩散的热固性树脂固化动力学模型，利用最小二乘法拟合固化度曲线，生成模型优化参数；
13、将模型优化参数输入基于反常扩散的热固性树脂固化动力学模型中，生成参数优化后的热固性树脂固化动力学模型。
14、本实施例提供的一种热固性树脂的固化度预测方法，通过最小二乘法拟合固化度曲线，生成模型优化参数，实现了基于反常扩散的热固性树脂固化动力学模型中模型参数达到最优，提高了热固性树脂固化动力学模型对热固性树脂固化度的预测准确度，进而提高了产品性能。
15、在一种可选的实施方式中，根据基于反常扩散的热固性树脂固化动力学模型，利用最小二乘法拟合固化度曲线，生成模型优化参数，包括：
16、获取预设模型参数，将预设模型参数输入基于反常扩散的热固性树脂固化动力学模型中，生成固化度实验数据；
17、基于固化度曲线确定参考固化度数据，利用最小二乘法将固化度实验数据和参考固化度数据进行误差平方和最小化处理，生成模型优化参数。
18、本实施例提供的一种热固性树脂的固化度预测方法，利用最小二乘法将固化度实验数据和参考固化度数据进行误差平方和最小化处理，生成模型优化参数，实现了对模型参数的优化，由于最小二乘法的解为唯一解，进而使得模型优化参数更加准确，为后续热固性树脂的固化度的精准预测奠定了基础。
19、第二方面，本专利技术提供了一种热固性树脂的固化度预测装置，该装置包括：
20、构建模块，用于获取热固性树脂固化度数据和扩散控制数据，基于热固性树脂固化度数据和扩散控制数据构建基于反常扩散的热固性树脂固化动力学模型；
21、参数优化模块，用于对基于反常扩散的热固性树脂固化动力学模型进行参数优化，生成参数优化后的热固性树脂固化动力学模型；
22、预测模块，用于利用参数优化后的热固性树脂固化动力学模型进行固化度预测，生成热固性树脂的固化度预测结果。
23、在一种可选的实施方式中，基于反常扩散的热固性树脂固化动力学模型的表达式如下所示：
24、
25、上式中，α表示热固性树脂固化度数据，t表示时间，k1表示非催化速率常数，k2表示自催化速率常数，m和n表示模型参数，表示扩散控制数据，αf表示等温固化结束时刻的固化度，μ表示分数阶指数，c表示热固性树脂扩散参数。
26、在一种可选的实施方式中，参数优化模块，包括：
27、构建单元，用于获取不同热固性树脂固化温度对应的热固性树脂的固化总反应热数据和等温固化余热数据，基于固化总反应热数据和等温固化余热数据构建固化度曲线；
28、拟合单元，用于根据基于反常扩散的热固性树脂固化动力学模型，利用最小二乘法拟合固化度曲线，生成模型优化参数；
29、生成单元，用于将模型优化参数输入基于反常扩散的热固性树脂固化动力学模型中，生成参数优化后的热固性树脂固化动力学模型。
30、在一种可选的实施方式中，拟合单元，包括：
31、生成子单元，用于获取预设模型参数，将预设模型参数输入基于反常扩散的热固性树脂固化动力学模型中，生成固化度实验数据；
32、处理子单元，用于基于固化度曲线确定参考固化度数据，利用最小二乘法将固化度实验数据和参考固化度数据进行误差平方和最小化处理，生成模型优化参数。
33、第三方面，本专利技术提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的热固性树脂的固化度预测方法。
34、第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的热固性树脂的固化度预测方法。
本文档来自技高网...【技术保护点】
1.一种热固性树脂的固化度预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述热固性树脂固化度数据和所述扩散控制数据构建基于反常扩散的热固性树脂固化动力学模型，所述基于反常扩散的热固性树脂固化动力学模型的表达式如下所示：
3.根据权利要求1所述的方法，其特征在于，所述对所述基于反常扩散的热固性树脂固化动力学模型进行参数优化，生成参数优化后的热固性树脂固化动力学模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述基于反常扩散的热固性树脂固化动力学模型，利用最小二乘法拟合所述固化度曲线，生成模型优化参数，包括：
5.一种热固性树脂的固化度预测装置，其特征在于，所述装置包括：
6.根据权利要求5所述的装置，其特征在于，所述构建模块中，所述基于反常扩散的热固性树脂固化动力学模型的表达式如下所示：
7.根据权利要求5所述的装置，其特征在于，所述参数优化模块，包括：
8.根据权利要求7所述的装置，其特征在于，所述拟合单元，包括：
9.一种计算
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至4中任一项所述的热固性树脂的固化度预测方法。
...【技术特征摘要】
1.一种热固性树脂的固化度预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述热固性树脂固化度数据和所述扩散控制数据构建基于反常扩散的热固性树脂固化动力学模型，所述基于反常扩散的热固性树脂固化动力学模型的表达式如下所示：
3.根据权利要求1所述的方法，其特征在于，所述对所述基于反常扩散的热固性树脂固化动力学模型进行参数优化，生成参数优化后的热固性树脂固化动力学模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述基于反常扩散的热固性树脂固化动力学模型，利用最小二乘法拟合所述固化度曲线，生成模型优化参数，包括...
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。