[發明專利]基于環境大數據和機器學習的高分子材料服役壽命預測方法

有效

• 申請號: 202010934619.5
• 申請日: 2020-09-08
• 公開（公告）號: CN112331281B
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 覃家祥;李淮;陶友季;時宇;張曉東
• 申請（專利權）人: 中國電器科學研究院股份有限公司
• 主分類號: G16C60/00
• 分類號: G16C60/00;G06F30/27;G06N20/00;G06F113/26;G06F119/04;G06F119/08
• 代理公司: 廣州知友專利商標代理有限公司 44104
• 代理人: 宣國華;劉艷麗

1.一種基于環境大數據和機器學習算法預測高分子材料服役壽命的方法，其特征是包括以下步驟：

(1)選取高分子材料，開展不同地區老化試驗，老化過程中獲取實驗周期內高分子材料的性能參數變化，并將所述性能參數變化作為壽命評價指標；

(2)收集步驟(1)中相應實驗周期內的環境數據，包括溫度、濕度和輻照；

(3)提取步驟(2)所得環境數據中的特征數據作為特征參數，運用主成分分析算法對特征參數數據進行降維減噪處理，其中特征數據為不同環境數據階段的時間累積總和，定義為累計損傷時間；

(4)將不同地區的累計損傷時間-材料性能變化分組，將部分地區作為訓練集，用于壽命預測模型的構建，將剩余地區作為測試集，用于壽命預測模型驗證；

(5)將訓練集的累計損傷時間作為輸入參數，將訓練集的材料性能變化作為輸出參數，利用Python軟件構建機器學習算法進行環境大數據壽命預測模型訓練，形成壽命預測模型；

(6)將測試集的累計損傷時間作為輸入參數，預測其不同累計損傷時間下的材料性能變化，獲取其服役壽命，同時，計算其與實驗值的相關系數的平方值R²，當R²≥95％，預測結果可信。

2.根據權利要求1所述的基于環境大數據和機器學習算法預測高分子材料服役壽命的方法，其特征是：步驟(1)中所述的高分子材料為聚苯乙烯、聚碳酸酯、聚乙烯和聚丙烯中的一種或幾種的復合材料。

3.根據權利要求1所述的基于環境大數據和機器學習算法預測高分子材料服役壽命的方法，其特征是：步驟(1)中所述老化試驗為自然老化實驗、自然加速老化實驗或人工加速老化實驗。

4.根據權利要求1所述的基于環境大數據和機器學習算法預測高分子材料服役壽命的方法，其特征是：步驟(1)中所述高分子材料的性能參數包括光學性能、力學性能和熱性能。

5.根據權利要求4所述的基于環境大數據和機器學習算法預測高分子材料服役壽命的方法，其特征是：步驟(1)中所述高分子材料的性能參數為黃色指數、透明度、拉伸強度、熔融溫度、玻璃化轉變溫度和初始分解溫度中的一種或幾種。

6.根據權利要求1所述的基于環境大數據和機器學習算法預測高分子材料服役壽命的方法，其特征是：步驟(1)～步驟(2)中所述實驗周期為1～5年，高分子材料的性能參數變化取樣間隔為1～3個月，所述環境數據每1～10h記錄一次。

7.根據權利要求1所述的基于環境大數據和機器學習算法預測高分子材料服役壽命的方法，其特征是：步驟(3)中累計損傷時間的獲取過程包括：通過Python軟件對溫度、濕度和輻照數據進行統計，獲取實驗周期內高分子材料性能變化數據和對應的溫度、濕度和輻照下的時間累計總和，以及高溫高濕和高溫高輻照條件下的時間累計總和。

8.根據權利要求1所述的基于環境大數據和機器學習算法預測高分子材料服役壽命的方法，其特征是：步驟(5)中所述機器學習算法為神經網絡、支持向量機、隨機森林、回歸分析、深度學習和XGboost中的一種或幾種。