基于神经网络的复合材料的改性及其性能预测.pdfVIP

基于神经网络的复合材料的改性及其性能预测 朱永光 郭朝霞 于建 清华大学化学工程系高分子所，北京100084 关键词：高分子复合材料，BP 网络，L—M 算法 高分子复合材料作为性能多样化、用途广泛的新型材料，引起人们的关注。 复合材料的添加剂是影响复合材料性能的重要因素，这些因素是如何作用的，这 是一个非线性很强的问题，一时难以建立精确的数学模型。神经网络中BP 网络 在处理非线性映射问题时功能强大，利用BP 网络可以建立材料性能与组成或结 构的网络模型，利用模型可以在一定范围之内预测材料的性能，一定程度上减少 实验次数，同时实现实验数据的挖掘，并有一定的指导意义。 建立模型:文中考察22 个复合改性PP 体系的力学性能，建立了其拉伸强度和冲 击强度的BP 网络模型。表1 给出了最终确立的网络模型对22 种复合材料的拉伸 强度和冲击强度的预测。 序 拉伸强 拉伸强 冲击强度S 冲击强度S 序 拉伸强 拉伸强 冲击强度S 冲击强度S 号 度T （实 度T （计 （实验） （计算）号 度T（计 度T （计 （实验） （计算） 验）(MP） 算）(MP) （J/m） （J/m） 算）(MP 算）(MP) （J/m） （J/m） 1 22.0 21.46 101.6 96.7 12 18.6 19.35 533.6 610.6 2 20.5 20.61 138.5 141.4 13 18.9 18.96 540.0 611.5 3 20.1 19.92 148.2 213.9 14 18.2 18.64 903.0 718.4 4 19.5 19.39 283.1 311.0 15 32.4 32.14 109.5 38.9 5 19.3 18.98 474.9 429.6 16 26.4 26.43 108.9 96.2 6 19.8 19.33 344.1 341.5 17 31.8 31.94 96.8 50.9 7 19.0 18.93 654.6 630.8 18 25.7 25.63 111.3 133.7 8 18.3 18.63 711.5 719.6 19 —— 31.27 144.8 163.1 9 18.5 18.41 703.6 739.5 20 —— 21.66 70.8 60.6 10 18.6 18.25 739.3 745.4 21 25.0 25.13 60.0 57.4 11 19.3 19.90 471.9 382.1 22 36.0 35.96 45.0 27.8 表1 图1 图2 模型解释：由图1 可以看出三种添加剂对拉伸强度的影响，在添加量较大时，可 以认为拉伸强度对各个量近似线性变化；添加量较小时拉伸强度下降较快，有逾 渗现象。 由图2 可以看出在添加量较大时，冲击强度对各个量近似线性变化；添加量较小 时冲击强度下降较快，逾渗现象明显。 结论：利用BP 网络可以建立材料属性与组成之间的数学模型，在一定精度下可 以进行预测。该模型建立后，可以验证原来实验数据中已经发现的规律，同时可 以计算新的数据来验证该规律，进而一定程度上可将实验改在计算机上进行，减 少了人力物力，同时利用此模型进行理论研究，为改性提出宝贵的指导意见。 参考文献 1、神经网络及其应用…… 周志华, 曹存根主编北京 : 清华大学出版社, 2004 2、化工产品的计算机辅助设计方法研究（博士论文）…… 研究生 周祥 指导教师 何小荣 清华大学化学工程系