主成分分析结合BP神经网络在橡胶材料磨耗性能预测中的应用

采用基于灵敏度分析的BP神经网络模型,将丁苯橡胶(SBR)复合材料的8种力学性能数据经过主成分分析(PCA)降维后作为神经网络的输入向量,耐磨性能数据作为输出向量,对SBR复合材料的耐磨性能进行预测,并计算各输入向量的灵敏度矩阵,从而分析输入量对耐磨性能的影响程度。结果表明:通过PCA降维处理,可以消除神经网络输入向量之间的共线性,简化网络,提高网络的预测性能;预测误差在允许范围内,说明BP网络适用于橡胶材料的耐磨性能预测;灵敏度分析显示定伸应力、拉断伸长率和拉断永久变形对SBR橡胶复合材料的耐磨性能影响最大。

基于BP神经网络的敏感性分析模型在天然橡胶耐磨性分析中的应用

采用主成分分析法将天然橡胶复合材料的8种力学性能降维后作为BP神经网络的输入向量,耐磨性作为输出向量,得到训练优秀的BP神经网络。对输入向量进行敏感性分析,得出各主成分对耐磨性影响大小的顺序。对影响最大的主成分所包含的力学性能再一次进行敏感性分析,得到对天然橡胶耐磨性影响最大的力学性能。结果表明,BP神经网络的预测精度达到93.1%,说明BP神经网络适用于橡胶材料耐磨性的预测。

少量不同填料对炭黑/丁苯橡胶复合材料抗疲劳破坏性能的影响及其机理

对于炭黑/丁苯橡胶复合材料,用5份白炭黑、黏土和淀粉分别等量替代炭黑,研究了复合材料在宽广应变范围(30%～100%)的疲劳破坏性能。结果表明,30%应变下,加入黏土胶料的疲劳寿命提高了1倍;100%应变下,加入白炭黑胶料的疲劳寿命提高了1倍;加入淀粉胶料的疲劳寿命下降。原因是由于在30%的应变下,加入黏土提高了复合材料的滞后能,而生热不大,且片层状黏土对裂纹扩展有较强的阻碍作用;加入白炭黑胶料的滞后能不变,由于白炭黑的粒径小于炭黑,抗裂纹能力提高,因而在所研究的应变范围内其抗疲劳破坏性能提高;由于淀粉的粒径是微米级的,且加入淀粉后复合材料的滞后能降低,因此其抗疲劳破坏性能降低。

白炭黑对累托石/天然橡胶纳米复合材料结构与性能的影响

采用乳液法制备累托石(REC)/天然橡胶(NR)纳米复合材料,研究白炭黑对REC/NR复合材料结构和性能的影响。结果表明:白炭黑粒子可以插入累托石片层形成网络结构。加入少量白炭黑后,REC/NR复合材料的物理性能变化不大。随着白炭黑用量的增大,复合材料的抗湿滑性能、抗切割性能和耐磨性能提高,压缩生热逐渐增大,当白炭黑用量为15份时,复合材料的耐磨性能最好;当白炭黑用量为20份时,复合材料的抗切割性能和抗湿滑性能较好。

黏土及界面剂对乳液插层法天然橡胶纳米复合材料结构与性能的影响

采用乳液插层法制备了黏土/天然橡胶(NR)纳米复合材料,考察了蒙脱土(MMT)、累托石(REC)2种黏土和用界面剂等量替代NR的方式对复合材料微观结构及性能的影响。结果表明,在2种纳米复合材料中,大部分MMT和REC均以纳米片层结构分散在橡胶基体中,与REC片层相比,MMT片层边界模糊且稍微有些弯曲,且层间距变化较大,所填充复合材料的Payne效应更明显。与MMT/NR纳米复合材料相比,REC/NR纳米复合材料的硫化时间稍长,定伸应力、拉伸强度和撕裂强度较高,耐磨耗性能和抗湿滑性较好,抗切割性能下降,抗拉伸疲劳性基本相当;用界面剂等量替代NR时,复合材料的物理机械性能、耐磨性和抗湿滑性得到明显提高。