买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海大学

摘要：本发明属于高分子材料制造技术领域，公开了一种机器学习预测热塑性聚酰亚胺薄膜制备工艺的方法及系统，该方法包括如下步骤：S1：定义待预测的热塑性聚酰亚胺薄膜制备工艺；S2：构建机器学习模型，从热压工艺参数中预测出最优拉伸性能及其对应热稳定性的制备工艺参数组合；S3：将预测聚酰亚胺最佳力学性能及其对应热稳定性的制备工艺参数组合代入步骤S1，得到具备特定的机械性能和热稳定性最佳组合的热塑性聚酰亚胺薄膜制备工艺。本发明提供的方法及系统，通过机器学习预测并优化聚酰亚胺薄膜制备工艺，以减少制备工艺实验次数和提高制备效率；采用最佳工艺参数得到的加工工艺更加完善，聚酰亚胺薄膜的机械性能更好，使用寿命更长。

主权项：1.一种机器学习预测热塑性聚酰亚胺薄膜制备工艺的方法，其特征在于，包括以下步骤：S1：定义待预测的热塑性聚酰亚胺薄膜制备工艺；S1-1：准备合成的热塑性聚酰亚胺单体的粉末，并将其放置在烘箱中除去多余水分；S1-2：设定机械性能与热稳定性匹配的制备工艺参数组合，包括热压温度、热压压力以及热压时间；S1-3：热压制备热塑性聚酰亚胺薄膜，对成品薄膜的机械性能及热稳定性进行检测；S2：构建机器学习模型，从热压工艺参数组合中预测出最优拉伸性能及其对应热稳定性的制备工艺参数组合；S2-1：收集聚酰亚胺热压工艺的热压参数组合和成品薄膜的拉伸强度、热稳定性数据，建立数据集；S2-2：构建多种机器学习模型，将所得到的热压参数组合与拉伸强度、热稳定性的数据集进行预处理，随机划分训练集和测试集，将热压过程中的温度、压力以及时间的参数作为训练参数，以拉伸强度及热稳定性为训练目标来训练机器学习模型；S2-3：将得到的训练后的机器学习模型用于拟合热压工艺与拉伸强度及热稳定性之间的关系，该模型进行高通量组合后，从热压工艺参数中预测出最优拉伸性能及其对应热稳定性的制备工艺参数组合；S2-4：以交叉验证后得到的决定系数R²和均方根误差RMSE两个指标来评价模型的预测能力，通过参数调整、迭代优化机器学习模型的性能，然后再重复步骤S2-2和步骤S2-3，得到更优的拉伸性能及其对应热稳定性的制备工艺参数组合；S3：将预测的聚酰亚胺最佳力学性能的制备工艺参数组合，即具有更优的拉伸性能及其对应热稳定性的制备工艺参数组合，代入步骤S1-2，得到具有最优拟合效果、具备特定的机械性能和热稳定性最佳组合的热塑性聚酰亚胺薄膜制备工艺。

全文数据：

权利要求：

百度查询： 上海大学 一种机器学习预测热塑性聚酰亚胺薄膜制备工艺的方法及系统