[發明專利]一種熱固性樹脂固化動力學行為表征方法及系統

在審

• 申請號: 202111528502.8
• 申請日: 2021-12-14
• 公開（公告）號: CN114203266A
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 許英杰;惠新育;張衛紅
• 申請（專利權）人: 西北工業大學
• 主分類號: G16C20/30
• 分類號: G16C20/30;G16C10/00;G16C20/70;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 趙興華

本發明公開了一種熱固性樹脂固化動力學行為表征方法及系統。該方法包括：收集不同溫度速率下的固化實驗的實驗結果作為訓練數據；所述訓練數據包括：固化度、溫度、溫度速率以及固化速率；構建神經網絡模型；通過所述訓練數據對所述神經網絡模型進行訓練；所述神經網絡模型的輸入為固化度、溫度和溫度速率，所述神經網絡模型的輸出為固化速率；通過訓練好的神經網絡模型預測不同溫度速率下的樹脂的固化動力學行為。訓練后獲得的神經網絡模型可以精確預測不同溫度速率下的固化動力學行為。

技術領域

本發明涉及熱固性樹脂材料技術領域，特別是涉及一種熱固性樹脂固化動 力學行為表征方法及系統。

背景技術

熱固性樹脂材料由于其優異且穩定的力學性能在土木建筑、電子電器、航 空航天、汽車機械、體育用品等領域發揮著越來越廣泛的作用，對于樹脂的成 型表征一直是研究的重點。樹脂的成型是一個伴隨著復雜的化學反應和能量交 換的固化過程，在這個過程中樹脂的固化程度對成型后的質量起到決定性的作 用。由于固化反應的過程包含了復雜的化學和物理變化，因此在研究樹脂的固 化動力學方程時普遍采用唯象模型的方法，將常用的經驗模型作為固化動力學 的研究基礎，再將試驗結果通過非線性擬合得到模型參數。

現有的樹脂模型框架都是采用以溫度T和固化度α為變量的函數進行表 征，且所提出的方程對于特定的樹脂具有好的預測精度，但是不能精確預測不 同固化特征的樹脂，且由于樹脂的固化過程受溫度速率的影響，不同溫度速 率下的固化速率也不同，而現有所提出的方程尚未考慮溫度速率對樹脂固化動 力學行為的影響。

發明內容

基于上述問題，本發明的目的是提供一種熱固性樹脂固化動力學行為表征 方法及系統。

為實現上述目的，本發明提供了如下方案：

一種熱固性樹脂固化動力學行為表征方法，包括：

收集不同溫度速率下的固化實驗的實驗結果作為訓練數據；所述訓練數據 包括：固化度、溫度、溫度速率以及固化速率；

構建神經網絡模型；

通過所述訓練數據對所述神經網絡模型進行訓練；所述神經網絡模型的輸 入為固化度、溫度和溫度速率，所述神經網絡模型的輸出為固化速率；

通過訓練好的神經網絡模型預測不同溫度速率下的樹脂的固化動力學行 為。

可選地，在通過所述訓練數據對所述神經網絡模型進行訓練之前，還包括：

對所述訓練數據進行歸一化處理。

可選地，歸一化的計算公式如下：

其中，y為歸一化后的訓練數據，x為任一訓練數據，x_min、x_max分別為訓 練數據的最小值和最大值，y_min、y_max為歸一化后的訓練數據的最小值和最大 值。

可選地，所述神經網絡模型包括輸入層、多層隱藏層和輸出層。

可選地，所述隱藏層的層數通過以下公式進行計算：

其中，n_h為隱藏層的層數，n_i、n₀分別為輸入層的神經元數量和輸出層的 神經元數量，N為常數。

可選地，在通過所述訓練數據對所述神經網絡模型進行訓練時，采用最小 二乘法計算預測結果的誤差。

本發明還提供了一種熱固性樹脂固化動力學行為表征系統，包括：

收集模塊，用于收集不同溫度速率下的固化實驗的實驗結果作為訓練數 據；所述訓練數據包括：固化度、溫度、溫度速率以及固化速率；