神经网络用于聚合物静电纺成纤性能的预测

摘要：将BP神经网络数学模拟技术与静电纺丝技术相结合,基于聚酯等20种聚合物和相应的165组聚合物溶液体系的实验数据和静电纺丝的实际结果,建立了一种用于聚合物静电纺丝的理论计算模型,其中,聚合物结构参数(溶度参数)、聚合物溶液特征参数(黏度、表面张力、电导率)作为输入量,经过理论模型的模拟与计算,提前对聚合物静电纺丝结果进行预判。结果表明:通过65组聚合物纺丝溶液体系的验证,该理论模型的准确率达到了81%;为了验证模型的实用性,采用聚氧化乙烯等3种聚合物和相应的12组聚合物溶液体系进行验证,证明所建立的BP神经网络理论模型适用于聚合物纺丝结果的预测;BP神经网络理论模型的应用将极大地缩短聚合物静电纺丝工艺的探索时间。