80电影天堂网,少妇高潮一区二区三区99,jαpαnesehd熟女熟妇伦,无码人妻精品一区二区蜜桃网站

  基于機器學習的人工神經(jīng)網(wǎng)絡（ANN）適應復雜非線性系統(tǒng)，在智能識別不可見因素方面具有優(yōu)勢，以此建立了具有實驗范圍外數(shù)據(jù)預測能力的ANN模型，預測了高速冷卻條件下聚丙烯的比體積，適應實際注射成型過程。

  聚合物的比體積是一個關鍵參數(shù)，作為一種基本材料性質(zhì)，它提供了許多非常有前途的應用。然而，通常作為壓力（p）和溫度（T）的函數(shù)的比體積（v）不能滿足關于實驗結(jié)果的精度要求。此外，聚合物制品成型過程是一個快速冷卻過程，冷卻速率（dT/dt）對聚合物的pvT行為有顯著影響。然而，現(xiàn)今的商業(yè)測試設備無法獲得高冷卻率的pvT數(shù)據(jù)。因此，預測用于快速冷卻應用的聚合物的比體積仍然是一個挑戰(zhàn)。一些理論模型（如晶胞\晶格\空穴模型）只適用于描述聚合物液態(tài)pvT行為，且較復雜，難應用于實際生產(chǎn)。目前用于注射成型的pvT狀態(tài)方程都是基于pvT測試實驗數(shù)據(jù)的經(jīng)驗模型，如Tait和Schmidt模型。另外，常規(guī)pvT模型沒有考慮冷卻速率的顯著影響，對制品收縮和翹曲的預測精度較低。注射成型過程中，模腔內(nèi)聚合物溫度變化差異很大，靠近模腔壁面的冷卻速率可達3000°C/min，靠近制品中心的冷卻速率也高達60°C/min。商用PVT測試儀僅能達到30°C/min，且高速冷卻下的樣品內(nèi)部溫度梯度很大，嚴重影響了測試精度。亟待構(gòu)建考慮冷卻速率影響的高精度pvT模型，預測實驗無法測到的聚合物比體積及其隨壓力和溫度的變化。

  新開發(fā)的連續(xù)雙域pvT狀態(tài)方程（EoS）通過添加冷卻速率因子可以實現(xiàn)高冷卻速率條件的聚合物比體積預測，但是模型的數(shù)據(jù)擬合和參數(shù)回歸存在繁瑣和不確定性，可能由于局部極小現(xiàn)象而無法獲得最佳參數(shù)集。機器學習算法促進了通過數(shù)據(jù)驅(qū)動的聚合物科學，并有可能探索尚未發(fā)現(xiàn)的序列模式——過程依賴性�；跈C器學習的人工神經(jīng)網(wǎng)絡（ANN）算法適應對復雜非線性系統(tǒng)建模，在智能識別不可見因素方面具有優(yōu)勢，但鮮有通過ANN預測聚合物pvT關系的報道。因為ANN可很容易實現(xiàn)數(shù)據(jù)范圍內(nèi)插值的良好預測，但對于超出訓練數(shù)據(jù)極值的外推并不有效。由于商用pvT測試儀在高速冷卻方面的局限性和低精度，通過ANN外推實驗范圍外的聚合物比體積是一個重大挑戰(zhàn)。

相關模型及方法對于降低實驗室和勞動力成本以及實現(xiàn)某些通過實驗可能無法實現(xiàn)的預測非常重要。該方法可以很容易地適用于預測其他聚合物的比體積，并在數(shù)值模擬、聚合物加工的智能過程控制和下一代機器的云計算方法方面具有良好的潛力。 

  以上研究成果以《Prediction of Specific Volume of Polypropylene at High Cooling Rates by Artificial Neural Networks》為題在材料領域權威期刊Industrial and Engineering Chemistry Research（Ind. Eng. Chem. Res. 2021, 60, 14434）上發(fā)表，且被選為“補充封面論文”。該論文第一作者和通訊作者為北京化工大學王建教授。

  論文鏈接： https://doi.org/10.1021/acs.iecr.1c02622