[发明专利]一种水性聚氨酯疏水性的预测方法

说明书

本发明涉及一种水性聚氨酯疏水性的预测方法，包括以下步骤：步骤1、确定预测水性聚氨酯疏水性的训练模型；步骤2、利用训练模型预测未知水接触角的水性聚氨酯的疏水性；其中，本发明通过将多种已知水接触角大小的水性聚氨酯树脂的实验数据及物理参数数据导入Matcloud+材料智能大数据云平台的人工智能模块中，进而优化计算模拟预测系统的性能标准，建立一种误差小、准确性高的水性聚氨酯疏水性预测的人工智能模型，能够同时预测多种水性聚氨酯的疏水性，并且也能在更大的实验范围内快速预测水性聚氨酯结构的疏水性，实现“材料按需设计”，最终降低实验成本，缩短研发周期。

技术领域

本发明涉及树脂疏水性的分析技术领域，具体涉及一种水性聚氨酯疏水性的预测方法。

背景技术

水性聚氨酯(WPU)是由多异氰酸酯和多元醇通过聚合反应生成的高分子聚合物，具有绿色环保、粘接强度高、成膜性能好、柔韧性可调等优点，已广泛应用于涂料，胶粘剂等领域。目前，由于水性聚氨酯树脂种类繁多、结构差异较大且制备工艺复杂，对于水性聚氨酯的分子结构和制备工艺与水性聚氨酯的疏水性对应关系的研究主要局限于实验分析法，但这种方法需要采用原料先将水性聚氨酯树脂合成后才能对水性聚氨酯的疏水性进行测试，实验成本较高，耗时长，工作量繁重，并且研究效率低下。

发明内容

本发明所要解决的技术问题是：提供一种水性聚氨酯疏水性的预测方法，能够同时预测多种水性聚氨酯的疏水性，并且也能在更大的实验范围内(含制备工艺)快速预测水性聚氨酯结构的疏水性。

本发明解决其技术问题所采用的技术方案是：一种水性聚氨酯疏水性的预测方法，包括以下步骤：

步骤1、确定预测水性聚氨酯疏水性的训练模型；

1.1、将30～1500种已知水接触角大小的水性聚氨酯树脂的配方数据导入Matcloud+材料智能大数据云平台的人工智能模块；

1.2、在Matcloud+材料智能大数据云平台的人工智能模块中，标签列选择除水接触角列外的其他数据列，特征列选择水接触角数据列；

1.3、在Matcloud+材料智能大数据云平台的人工智能模块中，测试数据占比输入为0.05～0.5；

1.4、在Matcloud+材料智能大数据云平台的人工智能模块中，调用不同的人工智能算法进行计算，并分别得到不同人工智能算法模型的平均绝对差值 (mae)、均方误差(mse)、均方根误差(rmse)以及绝对系数(r²)；

1.5、选取步骤1.4中误差最小的人工智能算法模型作为预测未知水接触角的水性聚氨酯的训练模型；

步骤2、利用训练模型预测未知水接触角的水性聚氨酯的疏水性；

2.1、将1～750种未知水接触角的水性聚氨酯的原材料数据、制备工艺数据以及原材料的物理参数数据导入Matcloud+材料智能大数据云平台的人工智能模块；

2.2、选用步骤1.5中的训练模型对未知水接触角的水性聚氨酯进行水接触角的计算。

进一步的，步骤1.1中所述水性聚氨酯树脂的配方数据包括原材料数据、制备工艺数据、水接触角数据以及原材料的物理参数数据。

进一步的，所述原材料数据包括原材料的种类和加量。

进一步的，所述制备工艺数据包括合成反应的加料方式、合成的反应时间、合成反应的温度、合成反应的搅拌速度、乳化时间、乳化温度及乳化搅拌速度。

进一步的，所述原材料的物理参数数据包括羟基化合物的分子轨道数据、异氰酸酯化合物的分子轨道数据及胺类扩链剂的分子轨道数据中的一种或几种。

进一步的，所述分子轨道数据包括最低空轨道的能量、最高占据轨道的能量及最低空轨道和最高占据轨道的能量差。