[发明专利]一种热固性树脂固化动力学行为表征方法及系统

权利要求书

1.一种热固性树脂固化动力学行为表征方法，其特征在于，包括：

收集不同温度速率下的固化实验的实验结果作为训练数据；所述训练数据包括：固化度、温度、温度速率以及固化速率；

构建神经网络模型；

通过所述训练数据对所述神经网络模型进行训练；所述神经网络模型的输入为固化度、温度和温度速率，所述神经网络模型的输出为固化速率；

通过训练好的神经网络模型预测不同温度速率下的树脂的固化动力学行为。

2.根据权利要求1所述的热固性树脂固化动力学行为表征方法，其特征在于，在通过所述训练数据对所述神经网络模型进行训练之前，还包括：

对所述训练数据进行归一化处理。

3.根据权利要求2所述的热固性树脂固化动力学行为表征方法，其特征在于，归一化的计算公式如下：

其中，y为归一化后的训练数据，x为任一训练数据，x_min、x_max分别为训练数据的最小值和最大值，y_min、y_max为归一化后的训练数据的最小值和最大值。

4.根据权利要求1所述的热固性树脂固化动力学行为表征方法，其特征在于，所述神经网络模型包括输入层、多层隐藏层和输出层。

5.根据权利要求4所述的热固性树脂固化动力学行为表征方法，其特征在于，所述隐藏层的层数通过以下公式进行计算：

其中，n_h为隐藏层的层数，n_i、n₀分别为输入层的神经元数量和输出层的神经元数量，N为常数。

6.根据权利要求1所述的热固性树脂固化动力学行为表征方法，其特征在于，在通过所述训练数据对所述神经网络模型进行训练时，采用最小二乘法计算预测结果的误差。

7.一种热固性树脂固化动力学行为表征系统，其特征在于，包括：

收集模块，用于收集不同温度速率下的固化实验的实验结果作为训练数据；所述训练数据包括：固化度、温度、温度速率以及固化速率；

模型构建模块，用于构建神经网络模型；

训练模块，用于通过所述训练数据对所述神经网络模型进行训练；所述神经网络模型的输入为固化度、温度和温度速率，所述神经网络模型的输出为固化速率；

预测模块，用于通过训练好的神经网络模型预测不同温度速率下的树脂的固化动力学行为。