[发明专利]一种基于BP神经网络的碳酸钙填充复合材料设计方法

说明书

本发明公开了一种基于BP神经网络的碳酸钙填充复合材料设计方法，包括制备试验样品；测试力学性能参数；生成代表性体积单元，计算三维盒维数；收集各类不同的填充工艺参数及对应的各个力学性能指标，整理成数据集；进行BP神经网络系统建模；采用GA算法对初始BP神经网络进行优化，利用数据集中的训练集进行模型的训练；计算误差百分比；可将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。本发明可以克服二维图像难以反映不同填充工艺参数下代表性体积单元结构特征的缺陷，科学设计碳酸钙粉体填充聚合物基复合材料的填充工艺参数，提高碳酸钙粉体填充聚合物基复合材料设计研发效率，可以将研发周期缩短至一半。

技术领域

本发明涉及一种基于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领域。

背景技术

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。

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。

“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系统的预测和优化提供了一条新途径。

中国专利CN109190767A公开了一种基于机器学习的阻燃面料性能老化预测方法，该方法的步骤如下：获得阻燃面料老化性能训练样本；采集阻燃面料的二维图像作为训练模型的输入特征，测试面料老化后的机械性能、阻燃性能和热防护性能作为训练模型的目标变量；进行SVM回归训练，获得性能老化模型，输入阻燃面料性能老化数据库；准备阻燃面料性能老化测试样本，采集二维图像并进行预处理；阻燃面料测试样本二维图像的参数化处理；从阻燃面料性能老化数据库中提取SVM模型，将二维图像参数作为输入特征，预测面料机械性能、阻燃性能和热防护性能老化结果。该发明通过非破坏性的图像采集方式，快速准确地预测阻燃面料的机械性能、阻燃性能和热防护性能。

中国专利CN108563906A公开了一种基于深度学习的短纤维增强复合材料宏观性能预测方法，包括使用随机吸附法生成代表性体积单元、基于数值仿真的均质化方法计算材料宏观性能，建立纤维分布图像对应宏观性能的训练样本集，在此基础上搭建、训练卷积神经网络等过程。该发明的预测方法所得结果与实际测试得到的力学性能参数存在一定的差距。因此，仅利用有限元计算结果作为机器学习模型训练和测试的数据集，会影响所得机器学习模型的准确性与适用性。

目前尚未发现有利用机器学习算法进行碳酸钙粉体填充聚合物基复合材料结构及性能设计的专利。

发明内容

本发明的目的是为了克服二维图像难以反映不同填充工艺参数组合下代表性体积单元结构特征的缺陷，以及提高碳酸钙粉体填充聚合物基复合材料设计研发效率，提供一种采用三维盒维数作为表征填充复合材料的颗粒分布结构量化表征参量，并采用神经网络模型建立填充工艺参数与材料力学性能之间的联系，进行碳酸钙粉体填充聚合物基复合材料的科学设计。