1.配方设计用神经网络的可扩展性研究;2.高长径比碳纳米管增强天然橡胶的研究

摘要

第一部分:BP神经网络具有极强的非线性处理、自组织、自适应学习及容错抗噪能力，越来越多的研究人员将其应用于橡胶配方设计及性能预测。本课题重点研究预测橡胶配方性能的BP神经网络的可扩展性，为构建可不断融合新配方因素和性能目标的基于BP神经网络的开放式橡胶配方—性能预测系统奠定基础。主要开展工作和结果如下:
　　 (1)以天然橡胶配方中的硫黄、促进剂CZ和凡士林的用量为输入因素，以硫化胶的拉伸强度为网络输出目标，研究BP神经网络的隐层节点数、训练函数及学习速率对网络稳定性和性能预测准确性的影响，分别通过调整隐层节点数、训练函数和学习速率建立预测稳定可靠的网络，网络预测误差均在10％以下;
　　 (2)在原有神经网络基础上，增加三个新的输入因素（不溶性硫黄、促进剂M、炭黑）和新性能输出目标（300％定伸应力和扯断伸长率）构建包含六个输入因素和三个输出目标的BP神经网络模型。应用新网络对训练数据集范围外的交叉因素配方进行模拟预测，预测结果与实验测试值误差在10％左右，在可接受的误差范围内，初步证明了BP神经网络具有吸纳新数据扩展成较大数据库的能力。
　　 第二部分：可扩展性碳纳米管长期以来作为复合材料理想的增强填料，传统碳纳米管/橡胶复合材料的制备方法（机械混炼、溶剂法、喷雾干燥法等）可以使碳纳米管在基体中达到良好的分散，但是强剪切力或者超声或者酸碱处理等操作对碳纳米管的结构造成破坏，长径比降低。有研究人员认为碳纳米管在高长径比下可能会在基体中形成更好的增强网络。本课题基于制备一种高长径比、高分散的碳纳米管/天然橡胶(CNT/NR)复合材料，期望碳纳米管在橡胶基体中达到较好的分散和较高的完整性，进而探索复合材料结构和性能的关系。本课题主要开展以下内容:
　　 1.将一维定向生长的碳纳米管束使用超声细胞破碎仪在500W功率下处理30min，使其均匀分散在十二烷基硫酸钠(SDS)水溶液中，将其与添加自制硫黄分散体的预硫化胶乳混合均匀，采用浇注铺膜工艺制备了碳纳米管/天然橡胶复合材料胶膜;扫描电镜(SEM)和透射电镜(TEM)观察到碳纳米管在基体中分散状态良好，碳纳米管平均长度在1600-1800nm，碳纳米管的长径比可达到200以上;
　　 2.研究了高长径比、高分散的碳纳米管对天然橡胶(NR)复合材料的增强行为。碳纳米管加入对复合材料的导电和导热性能有很大提高:采用此工艺制备复合材料的导电逾渗值小于0.5phr碳纳米管，在填充1phr碳纳米管时，胶膜的体积电阻率下降了8个数量级至107Ω.cm;当加入1phr碳纳米管时复合材料的导热率提高了33.8％;加入3phr碳纳米管后力学性能增加了近130％。

目录

声明

学位论文数据表

摘要

主要缩写符号与物理符号说明

第一章 绪论

1．1 配方设计用神经网络的可扩展性研究

1．1．1 人工神经网络(artificial neural networks)

1．1．2 ANN分类

1．1．3 BP神经网络的训练过程

1．1．4 BP神经网络的建立

1．1．5 ANN主要应用

1．1．6 论文的选题及意义

1．2 高长径比碳纳米管增强天然橡胶的研究

1．2．1 碳纳米管简介

1．2．2 碳纳米管的制备方法

1．2．3 碳纳米管的提纯

1．2．4 碳纳米管的在水中分散

1．2．5 碳纳米管／聚合物复合材料制备工艺

1．2．6 论文选题的目的与意义

第二章 配方设计用神经网络的可扩展性研究

2．1 课题来源及背景

2．2 实验部分

2．2．1 原料和配方

2．2．2 仪器及设备

2．2．3 实验工艺

2．2．4 测试方法

2．3 BPNN的建立及参数选取

2．3．1 隐层节点数的选择

2．3．2 训练函数的选择

2．3．3 训练速率不同

2．4 BPNN的可扩展性研究

2．4．1 可靠网络建立

2．4．2 可扩展性讨论

2．5 小结

第三章 高长径比碳纳米管增强天然橡胶的研究

3．1 课题来源及背景

3．2 实验部分

3．2．1 实验原料和配方

3．2．2 实验设备

3．2．3 实验工艺

3．2．4 测试方法

3．3 表面活性剂对碳纳米管在水中分散的影响

3．4 碳纳米管分散的超声工艺探索

3．4．1 超声功率

3．4．2 超声时间

3．5 硫黄分散体的配制

3．5．1 增稠剂

3．5．2 乳化剂

3．6 高长径比碳纳米管增强天然橡胶的研究

3．6．1 SEM和TEM观察CNT在复合材料中的分散

3．6．2 碳纳米管长度统计

3．6．3 力学性能

3．6．4 导电性能

3．6．5 导热性能

3．6．6 玻璃化转变温度(Tg)

3．6．7 热失重分析(TG)

3．7 小结

第四章 结论

参考文献

致谢

研究成果及发表的学术论文

作者与导师简介