基于人工神经网络的硬质聚氨酯泡沫热分解动力学研究

固体热分解的动力学模型传统上用于等温分解实验数据的单独拟合。然而，这种方法在某些情况下会提供不可接受的误差。为了解决这个问题，本工作开发并采用了神经网络（MLP）。所实现的算法使用速率常数作为输入层和中间层之间的预定权重，并使用动力学模型作为隐藏层中神经元的激活函数。每个模型对实验数据总体拟合的贡献计算为中间层和输出层之间的权重。通过这种方式，该现象被更好地描述为动力学过程的总和。本工作使用了两个硬质聚氨酯泡沫样品：负载 Al2O3 的和无无机填料的。R3 模型以较小的残差描述了两种泡沫在所有温度下的热分解动力学过程。然而，网络残差平均比该单独动力学模型低 102 倍。这种改进的方法允许详细研究物理过程，从而更准确地确定动力学参数，例如活化能和频率因子。