BP神经网络在PP/POE-g-MAH/PP增韧PA6研究中的应用

doi:10.19491/j.issn.1001-9278.2011.12.015

中国塑料 ›› 2011, Vol. 25 ›› Issue (12): 55-58 .DOI: 10.19491/j.issn.1001-9278.2011.12.015

BP神经网络在PP/POE-g-MAH/PP增韧PA6研究中的应用

陈坤郑梯和宋克东田祥儒张瑜

株洲时代新材料科技股份有限公司

收稿日期:2011-07-29 修回日期:2011-10-12 出版日期:2011-12-26 发布日期:2011-12-26

Application of BP Neural Network on PP/POE-g-MAH/PP Toughening PA6

Kun CHEN Tihe ZHENG Kedong SONG Xiangru TIAN Yu ZHANG

Received:2011-07-29 Revised:2011-10-12 Online:2011-12-26 Published:2011-12-26
Contact: Kun CHEN

摘要/Abstract

摘要： 采用均匀设计法和BP神经网络研究了聚丙烯（PP）/马来酸酐接枝乙烯-辛烯共聚物（POE-g-MAH）对聚酰胺6（PA6）的增韧作用，并在此基础上建立了PA6/（PP/POE-g-MAH）复合材料中各组分含量与复合材料冲击强度关系的3层BP神经网络预测模型。结果表明,该模型和实验结果基本吻合，可信度较高；当POE-g-MAH含量为14.00 %（质量分数，下同）、PP含量为9.00 %时,PA6的缺口冲击强度达到92.12 kJ/m2。

关键词: 神经网络, 聚酰胺 6, 聚丙烯, 增韧, 马来酸酐

Abstract: The research of POE-g-MAH/PP toughening PA6 was conducted by BP neural network and homogeneous design in this paper. On this basis，a 3-layer BP neural network prediction model for composite between impact strength and the composition was established. The prediction by the model agreed well with the experiments. The impact strength of the toughening nylon6 reached 92.12kJ/m2 when the content of POE-g-MAH was 14.00% and PP content was 9.00%.

Key words: neural network, polyamide 6, polypropylene, toughen, maleic anhydride

陈坤郑梯和宋克东田祥儒张瑜. BP神经网络在PP/POE-g-MAH/PP增韧PA6研究中的应用[J]. 中国塑料, 2011, 25(12): 55-58 .

Kun CHEN Tihe ZHENG Kedong SONG Xiangru TIAN Yu ZHANG. Application of BP Neural Network on PP/POE-g-MAH/PP Toughening PA6[J]. China Plastics, 2011, 25(12): 55-58 .

[1]	张林, 夏章川, 何亚东, 信春玲, 王瑞雪, 任峰. 等离子体射流载气流量大小对玻璃纤维改性效果影响的研究[J]. 中国塑料, 2022, 36(9): 7-15.
[2]	黄嘉伟, 韩小龙, 吴悠, 靳玉娟, 王朝. 生物基工程聚酯弹性体对聚（3⁃羟基丁酸酯⁃co⁃3⁃羟基戊酸酯）的增韧改性研究[J]. 中国塑料, 2022, 36(9): 24-31.
[3]	张兵. 无规共聚聚丙烯管材氧化诱导时间测试探究[J]. 中国塑料, 2022, 36(8): 107-109.
[4]	赵鸿敬, 朱江. 微纳层叠天然橡胶/聚丙烯两相挤出的数值模拟研究[J]. 中国塑料, 2022, 36(8): 110-114.
[5]	刘义, 王叶, 孙伟, 曲国兴, 许霞, 杨少林, 袁宁. 红外光谱法测定聚丙烯中透明成核剂含量研究[J]. 中国塑料, 2022, 36(8): 115-118.
[6]	张陶忠, 陈晓龙, 郝晓宇, 于福家. 滑石、CaCO₃、BaSO₄填充PP复合材料力学性能及界面相互作用对比[J]. 中国塑料, 2022, 36(8): 36-41.
[7]	吴唯, 胡焕波, 沈辉, 赵天瑜. 4A沸石与钙镁铝水滑石对膨胀阻燃聚丙烯的双重协效阻燃作用与机理[J]. 中国塑料, 2022, 36(7): 1-7.
[8]	于昌永, 辛忠. 基于六氢邻苯二甲酸盐的α/β复合成核剂对聚丙烯性能的影响[J]. 中国塑料, 2022, 36(7): 121-128.
[9]	冯凯, 李永青, 马秀清, 韩颖. 聚甲醛增韧改性的研究进展及应用[J]. 中国塑料, 2022, 36(7): 157-164.
[10]	刘义, 孙伟, 曲国兴, 王叶, 袁宁, 杨少林, 许霞, 常小毅, 张宇飞. 薄壁注塑透明聚丙烯专用料的结构与性能分析[J]. 中国塑料, 2022, 36(7): 37-43.
[11]	张文才, 郝晓刚, 李萍, 林浩, 裴强, 丰功吉, 付兆华, 于小芳. 聚乙烯接枝马来酸酐含量对废旧聚乙烯改性沥青性能的影响[J]. 中国塑料, 2022, 36(6): 24-31.
[12]	孙伟, 刘义, 廖云龙, 陈俊佳. 聚丙烯粉料乙烯含量测定影响因素研究[J]. 中国塑料, 2022, 36(6): 54-59.
[13]	陈文静, 杨小龙, 韩顺涛, 韩颖, 马秀清. 聚丙烯腈材料改性方法及研究进展[J]. 中国塑料, 2022, 36(4): 158-165.
[14]	王青松. 高强度低VOC玻璃纤维增强聚丙烯材料的开发[J]. 中国塑料, 2022, 36(4): 30-34.
[15]	王富玉, 郭金强, 张玉霞. 聚合物原位成纤方法及其在PP共混体系中的应用[J]. 中国塑料, 2022, 36(3): 146-156.

BP神经网络在PP/POE-g-MAH/PP增韧PA6研究中的应用

Application of BP Neural Network on PP/POE-g-MAH/PP Toughening PA6

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价