智能方法在聚合物/无机物纳米复合材料研究中的应用

论文摘要

本文在EVA、LLDPE及其共混物/无机物纳米复合材料试验研究的基础上,成功的将多种智能方法单一或结合的应用到材料的研究过程中,开展性能判断、预测和工艺优化等工作。利用推导的均匀化有限元方法进行了宏观等效弹性模量的计算,对EVA/TiO2纳米复合材料进行等效弹性模量的模拟,考察了填充项的含量和颗粒形状对等效弹性模量的影响。发现圆形颗粒的计算结果更接近试验结果。分别利用BP神经网络预测了聚合物基无机纳米复合材料的单指标、双指标和多指标力学性能,并研究其结果和误差,从而建立BP-Markov链模型解决多指标性能预测误差分布不均匀的问题,效果较好。分别基于正交试验分析优化方法和基于正交试验、神经网络和遗传算法三者相结合的优化方法做单指标性能和双指标性能的工艺优化,分别比较两种方法的优化结果,并研究了聚合物基无机纳米复合材料的性能。发现后者对聚合物基无机纳米复合材料的优化取得了较优的结果,具有继续研究的空间。将上述智能方法应用于聚合物基无机纳米复合材料的研究大大的简化了试验,节省了时间和材料。

论文目录

• 提要
• 第1 章 绪论
• 1.1 引言
• 1.2 聚合物/无机纳米复合材料的应用
• 1.2.1 增强、增韧材料
• 1.2.2 新型涂料
• 1.2.3 医用材料
• 1.2.4 包装材料
• 1.3 聚合物/无机纳米复合材料的制备
• 1.3.1 溶胶-凝胶法（Sol-Gel 法）
• 1.3.2 插层复合法
• 1.3.3 共混法
• 1.3.4 原位聚合法
• 1.4 聚合物/无机物纳米复合材料的研究进展
• 1.4.1 EVA/无机物纳米复合材料的研究进展
• 1.4.2 LLDPE/无机物纳米复合材料的研究进展
• 1.5 人工智能方法在材料研究中的应用
• 1.5.1 人工神经网络在材料研究中的应用
• 1.5.2 遗传算法在材料研究中的应用
• 1.6 本文的主要研究内容及意义
• 第2 章 聚合物/无机纳米粒子复合材料的制备及性能测试
• 2.1 引言
• 2.2 试验方案的确定
• 2 纳米复合材料的制备'>2.3 EVA/TiO₂纳米复合材料的制备
• 2.3.1 主要原材料
• 2.3.2 主要仪器设备
• 2.3.3 纳米复合材料的制备
• 2 纳米复合材料拉伸性能的测试'>2.4 EVA/TiO₂纳米复合材料拉伸性能的测试
• 2.5 LLDPE/ZNO 纳米复合材料的制备
• 2.5.1 主要原材料
• 2.5.2 主要仪器设备
• 2.5.3 纳米复合材料的制备
• 2.6 LLDPE/ZNO 纳米复合材料拉伸性能的测试
• 2.7 LLDPE/EVA/ZNO 纳米复合材料的制备
• 2.7.1 主要原材料
• 2.7.2 主要仪器设备
• 2.7.3 纳米复合材料的制备
• 2.8 LLDPE/EVA/ZNO 纳米复合材料拉伸性能的测试
• 2.9 本章小结
• 2 纳米复合材料等效弹性模量的数值模拟'>第3 章 EVA/TiO₂纳米复合材料等效弹性模量的数值模拟
• 3.1 引言
• 3.2 渐近均匀化方法及其有限元列式
• 3.2.1 均匀化理论
• 3.2.2 小参数渐近展开及均匀化过程
• 3.2.3 均匀化有限元格式
• 3.3 均匀化方法程序实现
• 3.3.1 程序实现的具体步骤
• 3.3.2 程序实现的函数选择
• 3.3.3 方法的验证
• 2 纳米复合材料等效弹性模量预测'>3.4 EVA/TiO₂纳米复合材料等效弹性模量预测
• 3.4.1 单胞模型选取与周期性边界条件的确定
• 2 纳米复合材料等效弹性模量的数值模拟及分析'>3.4.2 EVA/TiO₂纳米复合材料等效弹性模量的数值模拟及分析
• 3.5 本章小结
• 第4 章 聚合物/无机纳米粒子复合材料的性能预测
• 4.1 引言
• 4.2 BP 人工神经网络
• 4.2.1 BP 算法的原理
• 4.2.2 BP 模型的计算步骤
• 4.2.3 BP 算法的改进
• 2 纳米复合材料的BP 单指标性能预测'>4.3 EVA/TiO₂ 纳米复合材料的BP 单指标性能预测
• 4.3.1 网络模型的确定
• 4.3.2 输入输出数据的规范化处理
• 4.3.3 网络的训练和检测
• 4.3.4 网络的响应分析
• 4.3.5 结果
• 4.4 LLDPE/ZNO 纳米复合材料的BP 双指标性能预测
• 4.4.1 网络模型的确定
• 4.4.2 训练和预测检验
• 4.4.3 网络的响应分析
• 4.4.4 结果
• 4.5 LLDPE/EVA/无机物纳米复合材料的 BP-MARKOV 多指标性能预测
• 4.5.1 问题的提出
• 4.5.2 Markov 链和 Markov 链预测模型
• 4.5.3 基于神经网络的Markov 链预测模型
• 4.5.4 结果
• 4.6 本章小结
• 2 纳米复合材料的工艺优化及性能'>第5 章 EVA/TiO₂纳米复合材料的工艺优化及性能
• 5.1 引言
• 2 纳米复合材料正交试验分析的优化'>5.2 EVA/TiO₂纳米复合材料正交试验分析的优化
• 5.3 遗传算法
• 5.3.1 遗传算法基本原理
• 5.3.2 遗传算法的运算
• 5.3.3 遗传算法的设计
• 2 纳米复合材料正交试验、神经网络和遗传算法的单指标工艺优化'>5.4 EVA/TiO₂纳米复合材料正交试验、神经网络和遗传算法的单指标工艺优化
• 5.4.1 工艺参数与力学性能之间非线性关系的拟合
• 5.4.2 工艺参数优化
• 5.5 两种优化方法的结果分析与讨论
• 2 纳米复合材料的单指标工艺优化检测'>5.6 EVA/TiO₂纳米复合材料的单指标工艺优化检测
• 5.6.1 形态分析
• 5.6.2 制备方法对复合材料改性的影响
• 2 含量对复合材料改性的影响'>5.6.3 纳米 TiO₂含量对复合材料改性的影响
• 5.6.4 结果讨论与分析
• 5.7 本章小结
• 第6 章 LLDPE/ZNO 纳米复合材料的工艺优化及性能
• 6.1 引言
• 6.2 LLDPE/ZNO 纳米复合材料正交试验分析的优化
• 6.3 多指标遗传算法
• 6.4 LLDPE/ZNO 纳米复合材料正交试验、神经网络和遗传算法的双指标工艺参数优化
• 6.4.1 工艺参数与力学性能之间非线性关系的拟合
• 6.4.2 工艺参数优化
• 6.5 两种优化方法的结果分析与讨论
• 6.6 LLDPE/ZNO 纳米复合材料双指标工艺优化检测
• 6.6.1 形态分析
• 6.6.2 断口形貌
• 6.6.3 拉伸性能
• 6.6.4 结果讨论与分析
• 6.7 本章小结
• 第7 章 结论
• 参考文献
• 攻博期间发表的学术论文及参加项目
• 致谢
• 摘要
• ABSTRACT