基于RBF網絡優化制備均勻粒度分布的微米級SiO2基相變調濕復合材料

張 浩

(安徽工業大學 建筑工程學院，安徽 馬鞍山 243032)

基于RBF網絡優化制備均勻粒度分布的微米級SiO2基相變調濕復合材料

張 浩

(安徽工業大學 建筑工程學院，安徽 馬鞍山 243032)

以SiO2為載體、癸酸-棕櫚酸為相變材料，采用溶膠-凝膠法制備微米級SiO2基相變調濕復合材料。運用均勻設計結合RBF網絡優化制備參數，對最均勻粒度分布微米級SiO2基相變調濕復合材料進行表征。結果表明：當擴散系數為0.5時，RBF網絡具有最佳的逼近效果；最優制備工藝參數：溶液 pH值為4.27，去離子水用量為8.58，無水乙醇用量為4.83和超聲波功率為316W；最均勻粒度分布微米級SiO2基相變調濕復合材料的d10，d50，d90分別為383.51，511.63，658.76nm，d90-d10實測值為275.25nm，實測值與預測值吻合較好，相對誤差為-2.64%；最均勻粒度分布微米級SiO2基相變調濕復合材料在相對濕度為40%～60%時，平衡含濕量為0.0925～0.1493g/g，相變溫度為20.02～23.45℃，相變焓為54.06～60.78J/g。

激光粒度；RBF神經網絡；納米級SiO2基相變調濕復合材料；均勻粒度分布；優化制備

SiO2基相變調濕復合材料是一種新型的節能與環保材料，其通過發生相變過程儲存或釋放大量熱量，以達到維持溫度恒定[1,2]，利用無機多孔材料吸收或釋放水分子，以達到調節相對濕度的目的[3-5]，從而降低室內溫濕度波動，提高室內環境舒適度，實現真正建筑節能。目前，對于SiO2基相變調濕復合材料的研究多關注于殼材(無機多孔材料)與核材(相變材料)的選擇和優化制備[6,7]，以及通過合理的核殼比提高SiO2基相變調濕復合材料的綜合相變調濕性能方面[8,9]。但是，SiO2基相變調濕復合材料的綜合相變調濕性能不僅與核/殼材料的性質相關，而且與其粒度分布密切相關。均勻的粒度分布不僅有利于保證SiO2基相變調濕復合材料穩定的核殼比，提高其綜合相變調濕性能；而且有利于保持SiO2基相變調濕復合材料良好的形貌，提高其耐久性能。然而，目前關于提高SiO2基相變調濕復合材料顆粒粒徑均勻性的研究報道較少。

本工作在課題組前期研究成果[10,11]的基礎上，以SiO2為載體材料、癸酸-棕櫚酸為相變材料，采用溶膠-凝膠法制備微米級SiO2基相變調濕復合材料，通過均勻設計與徑向基函數神經網絡結合，考察溶液pH值、去離子水用量(去離子水與正硅酸乙酯的物質的量比)、無水乙醇用量(無水乙醇與正硅酸乙酯的物質的量比)和超聲波功率對微米級SiO2基相變調濕復合材料粒度分布的影響，建立優化材料制備工藝與粒度分布的RBF粒度分布預測模型，獲得最優制備參數。利用激光粒度分析儀、動態水分吸附分析儀和差示掃描量熱儀對復合材料進行分析，驗證優化材料制備工藝，為數學模型在復合材料優化制備和粒度分布預測領域的應用提供一定的理論基礎和技術支持。

1 實驗材料與方法

1.1 試劑

本實驗所用試劑：正硅酸乙酯(Si(OC2H5)4)，分析純，天津市福晨化學試劑廠；無水乙醇(CH3CH2OH)，分析純，西安三浦化學試劑有限公司；癸酸(CH3(CH2)8CO(OH))，分析純，天津市福晨化學試劑廠；棕櫚酸(C16H32O2)，分析純，天津市福晨化學試劑廠；鹽酸(HCl)，分析純，上海山浦化工有限公司；氨水(NH3·H2O)，分析純，上海山浦化工有限公司；實驗用水均為去離子水。

1.2 實驗方法

癸酸-棕櫚酸的制備：將癸酸和棕櫚酸按質量比85.5∶14.5混合放入燒杯中，60℃水浴下溶解并攪拌2h使其分散均勻，得到癸酸-棕櫚酸。SiO2溶膠的制備：將0.25mol正硅酸乙酯、無水乙醇(摩爾比)4～7、去離子水(摩爾比)6～12，依次稱量加入燒杯中，用恒溫磁力攪拌器在中速、60℃水浴條件下攪拌10min，將混合液放入150～450W功率的超聲波細胞破碎儀中分散15min，用鹽酸和氨水調整混合液pH值為2～5后，繼續超聲分散15min，得到SiO2溶膠。微米級SiO2基相變調濕復合材料的制備：將一定量(癸酸-棕櫚酸與正硅酸乙酯的物質的量比為0.70)癸酸-棕櫚酸加入SiO2溶膠中，用恒溫磁力攪拌器在高速、60℃水浴下攪拌15min，放入功率為150～450W的超聲波細胞破碎儀中分散45min，得到水溶膠。將水溶膠置于60℃恒溫水浴鍋中陳化，得到凝膠。將凝膠于80℃干燥箱中烘干8h，得到微米級SiO2基相變調濕復合材料。

1.3 性能測試及表征

采用NANOPHOX型激光粒度分析儀測試微米級SiO2基相變調濕復合材料的粒度分布；用DVS Intrinsic型動態水分吸附分析儀測試復合材料的儲濕調濕性能；用TA2910型差示掃描量熱儀測試復合材料的相變調溫性能。

1.4 實驗方案

在單因素實驗基礎上，以制備微米級SiO2基相變調濕復合材料的溶液pH值、去離子水用量、無水乙醇用量和超聲波功率作為考察因素，以復合材料顆粒粒徑分布范圍作為指標，按4因素4水平設計實驗方案，其因素及水平如表1所示。

FactorLevel1234SolutionpHvalue(A)2345Amountofdeionizedwater(deionizedwater/Si(OC2H5)4)/(mol·mol-1)(B)681012Amountofabsolutealcohol(CH3CH2OH/Si(OC2H5)4)/(mol·mol-1)(C)4567Ultrasonicwavepower/W(D)150250350450

1.5 數據處理方法

徑向基函數神經網絡(RBF網絡)是一種新穎、有效的前饋式神經網絡，它具有最佳逼近和全局最優的性能，同時訓練方法快速、易行，不存在局部最優問題。RBF網絡具有良好的逼近任意非線性函數和表達系統內在的難以解析的規律性能力，并且具有極快的學習收斂速度[12]。

RBF網絡包含輸入層、隱含層和輸出層3層前向網絡,其中輸入層是由信號源結點組成；隱含層是隱單元數視所描述問題的需要而定，隱單元的變換函數是對中心點徑向對稱且衰減的非負非線性函數；輸出層是對輸入模式的作用作出響應[13]。從輸入空間到隱含層空間的變換是非線性的，而從隱含層空間的輸出層空間變換是線性的。各層神經元僅與相鄰層神經元之間相互全連接，同層內神經元之間無連接，各層神經元之間無反饋連接，構成具有層次結構的前饋型神經網絡系統。在RBF網絡中，輸入層至輸出層之間的所有權值固定為1，隱層RBF單元的中心及半徑通常也預先確定，僅隱層至輸出層之間的權值可調。RBF網絡的隱層執行一種固定不變的非線性變換，將輸入空間映射到一個新的隱層空間，輸出層在該新空間中實現線性組合。顯然，由于輸出單元的線性特性，其參數調節極為簡單，且不存在局部極小問題。

徑向基神經網絡中常用的徑向基函數是高斯函數，因此徑向基神經網絡的激活函數可表示為：

(1)

由徑向基神經網絡的結構可得到網絡的輸出為：

(2)

式中：yj為與輸入樣本對應的網絡的第j個輸出結點實際輸出；ωij為隱含層到輸出層的連接權值；h為隱含層的節點數。

2 結果與分析

2.1 均勻實驗結果

表2 微米級SiO2基相變調濕復合材料的均勻設計及粒度分布Table 2 Uniform design and particle size distribution of micron SiO2-based phase change and humidity controlling composite materials

從表2可以看出，1#～12#的微米級SiO2基相變調濕復合材料的d50均在508.52～523.04nm范圍內，這是因為在相同用量的癸酸-棕櫚酸條件下，即癸酸-棕櫚酸與正硅酸乙酯的物質的量比為0.7，微米級SiO2基相變調濕復合材料具有固定的核(癸酸-棕櫚酸)-殼(SiO2)比，各試樣的中位徑基本一致，從而進一步驗證了對于微米級SiO2基相變調濕復合材料粒徑大小影響最重要的是核-殼比。1#～12#的微米級SiO2基相變調濕復合材料的粒徑分布區間存在較大差異，這是因為溶液pH值、去離子水用量、無水乙醇用量和超聲波功率對溶液的凝膠時間、正硅酸乙酯水解縮聚反應速率、癸酸-棕櫚酸在SiO2溶膠中的填充程度，以及癸酸-棕櫚酸與SiO2溶膠的接觸面均有顯著影響，將直接影響微米級SiO2基相變調濕復合材料顆粒的均勻性，導致微米級SiO2基相變調濕復合材料中存在極大粒徑或極小粒徑的顆粒。

2.2 徑向基函數神經網絡優化模型

2.2.1 徑向基函數神經網絡的訓練

依據微米級SiO2基相變調濕復合材料的均勻設計及粒度分布，以制備微米級SiO2基相變調濕復合材料工藝中的溶液pH值、去離子水用量、無水乙醇用量和超聲波功率，以及微米級SiO2基相變調濕復合材料的粒度分布區間作為建模對象，引入RBF粒度分布預測模型。在RBF網絡的訓練及測試過程中，擴展系數對精度的影響很大，當擴展系數選擇不合適時，誤差很大。不同擴展系數對應的RBF網絡逼近誤差，如表3所示。

表3 不同擴展系數網絡逼近誤差Table 3 Approximation error of the network corresponding to different spread

從表3可以看出，擴展系數為0.5時，RBF網絡的逼近效果是最好的，因此，可將擴展系數的最佳值設定為0.5。同時采用擴展系數為0.5的RBF網絡對微米級SiO2基相變調濕復合材料的最均勻粒度分布進行預測。

2.2.2 徑向基函數神經網絡的預測與優選

為獲得最均勻粒度分布微米級SiO2基相變調濕復合材料的制備工藝參數，需要根據所選水平的取值范圍，利用逐項密集掃描技術對RBF網絡模型各因素進行采值，以此作為RBF網絡模型的預測樣本。只有保證預測樣本的全面性，才能選出最優參數。利用計算機技術對4個因素(溶液pH值、去離子水用量、無水乙醇用量和超聲波功率)依次取值，并且自動剔除不符合要求的數據，以有效數據作為RBF網絡的訓練樣本。將選取的預測樣本直接輸入RBF粒度分布預測模型進行預測，可得到預測樣本，即微米級SiO2基相變調濕復合材料的粒度分布。從樣本預測值中選取最均勻粒度分布，對應的參數即為最均勻粒度分布微米級SiO2基相變調濕復合材料的制備工藝參數(見表4)。

表4 最均勻粒度分布微米級SiO2基相變調濕復合材料的制備參數、預測值與實測值Table 4 Preparation parameters, predicted value and measured value of micron SiO2-based phase change and humidity controlling composite materials with optimal uniform particle size distribution

從表4可以看出，利用RBF粒度分布預測模型，獲得最均勻粒度分布微米級SiO2基相變調濕復合材料的制備工藝參數：溶液pH值為4.27，去離子水用量為8.58，無水乙醇用量為4.83，超聲波功率為316W。依據1.2實驗方法進行最均勻粒度分布微米級SiO2基相變調濕復合材料的制備，并且進行表征(見圖1)。

圖1 最均勻粒度分布微米級SiO2基相變調濕復合材料的激光粒度分析Fig.1 Laser particle size analysis of micron SiO2-based phase change and humidity controlling composite materials with optimal uniform particle size distribution

從圖1可知，最均勻粒度分布微米級SiO2基相變調濕復合材料的d10為383.51nm，d50為511.63nm，d90為658.76nm，其d90-d10實測值為275.25nm，對比于d90-d10預測值(267.98nm)，相對誤差為-2.64%。依據1.3節性能測試及表征可知，最均勻粒度分布微米級SiO2基相變調濕復合材料在相對濕度為40%～60%的平衡含濕量為0.0925～0.1493g/g，相變溫度為20.02～23.45℃，相變焓為54.06～60.78J/g，說明最均勻粒度分布微米級SiO2基相變調濕復合材料具有良好的儲濕調濕性能與相變調溫性能。

3 結論

(1)在RBF網絡的訓練及測試過程中，擴展系數對精度的影響很大，當擴展系數為0.5時，RBF網絡具有最佳的逼近效果。

(2)最均勻粒度分布微米級SiO2基相變調濕復合材料的制備工藝參數：溶液pH值為4.27，去離子水用量為8.58，無水乙醇用量為4.83，超聲波功率為316W。

(3)最均勻粒度分布微米級SiO2基相變調濕復合材料的d10，d50，d90為383.51，511.63，658.76nm，其d90-d10實測值為275.25nm，對比于d90-d10預測值(267.98nm)，相對誤差為-2.64%。

(4)最均勻粒度分布微米級SiO2基相變調濕復合材料具有良好的儲濕調濕性能與相變調溫性能，即在相對濕度為40%～60%的平衡含濕量為0.0925～0.1493g/g，相變溫度為20.02～23.45℃，相變焓為54.06～60.78J/g。

[1] RAO Z H,WANG S F,ZHANG Z G.Energy saving latent heat storage and environmental friendly humidity-controlled materials for indoor climate[J].Renewable and Sustainable Energy Reviews,2012,16(5):3136-3145.

[2] HUYNH C K.Building energy saving techniques and indoor air quality: a dilemma[J].International Journal of Ventilation,2010,9(1):93-98.

[3] SHARMA A,TYAGI V V,CHEN C R,et al.Review on thermal energy storage with phase change materials and applications[J].Renewable and Sustainable Energy Reviews,2009,13(2):318-345.

[4] BAKER J.New technology and possible advances in energy storage[J].Energy Policy,2008,36(12):4368-4373.

[5] PACHECO R,ORDEZ J,MARTNEZ G.Energy efficient design of building: a review[J].Renewable and Sustainable Energy Reviews,2012,16(6):3559-3573.

[6] 尚建麗，張浩，熊磊，等.脂肪酸/SiO2復合相變材料的制備及其織構影響因素的研究[J].材料研究學報,2015,29(10):757-766.

SHANG J L,ZHANG H,XIONG L,et al.Preparation and texture of phase change materials of fatty acid/SiO2composite[J].Chinese Journal of Materials Research,2015,29(10):757-766.

[7] 張浩，黃新杰，劉秀玉.棕櫚醇-棕櫚酸-月桂酸/SiO2復合相變調濕材料的制備[J].材料研究學報,2015,29(11):867-873.

ZHANG H,HUANG X J,LIU X Y.Preparation of hexadecanol-palmitic acid-lauric acid/SiO2composite as phase change material for humidity control[J].Chinese Journal of Materials Research,2015,29(11):867-873.

[8] 尚建麗，張浩，熊磊，等.基于均勻設計優化制備癸酸-棕櫚酸/SiO2復合相變材料[J].材料工程,2015,43(9):94-102.

SHANG J L,ZHANG H,XIONG L,et al.Optimized preparation of decanoic-palmitic acid/SiO2composite phase change materials based on uniform design[J].Journal of Materials Engineering,2015,43(9):94-102.

[9] 張浩，顧恒星，黃新杰，等.基于均勻設計與 BP 神經網絡優化制備SiO2基相變調濕復合材料的預測模型[J].過程工程學報,2015,15(4):548-554.

ZHANG H,GU H X,HUANG X J,et al.Prediction model for optimizing preparation of SiO2-based phase change and humidity storage composites with uniform design and back-propagation neural network[J].The Chinese Journal of Process Engineering,2015,15(4):548-554.

[10] 張浩，黃新杰，劉秀玉，等.優化制備棕櫚醇-棕櫚酸-月桂酸/SiO2復合相變調濕材料[J].材料研究學報,2015,29(9):671-678.

ZHANG H,HUANG X J,LIU X Y,et al.Optimization for preparation of phase change and humidity control composite materials of hexadecanol-palmitic acid-lauric acid/SiO2[J].Chinese Journal of Materials Research,2015,29(9):671-678.

[11] 尚建麗，張浩.癸酸-棕櫚酸/SiO2相變儲濕復合材料的制備與表征[J].復合材料學報,2016,33(2):341-349.

SHANG J L,ZHANG H.Preparation and characterization of decanoic acid-palmitic acid/SiO2phase change and humidity storage composites[J].Acta Materiae Compositae Sinica,2016,33(2):341-349.

[12] AMJADY N,KEYNIA F.A new neural network approach to short term load forecasting of electrical power systems[J].Energies,2011,4(3):488-503.

[13] NAWI N M,KHAN A,REHMAN M Z.A new levenberg marquardt based back propagation algorithm trained with cuckoo search[J].Procedia Technology,2013,11(1):18-23.

[14] 楊鐸.基于Gauss-Newton法的空間管形擬合算法的研究[J].大連大學學報,2014,35(3):19-23.

YANG D.Space tube-shaped fitting algorithm based on spatial Gauss-Newton method[J].Journal of Dalian University,2014,35(3):19-23.

[15] 韓敏，王亞楠.求解非線性回歸問題的Newton算法[J].計算機學報,2010,33(5):841-846.

HAN M,WANG Y N.A Newton algorithm for nonlinear regression[J].Chinese Journal of Computers,2010,33(5):841-846.

(本文責編：王 晶)

Optimizing Preparation of Micron SiO2-based Phase Change and Humidity Controlling Composites with Uniform Particle Size Distribution Based on RBF Neural Network

ZHANG Hao

(School of Civil Engineering and Architecture,Anhui University of Technology,Maanshan 243032,Anhui,China)

With SiO2as the carrier, decanoic acid-palmitic acid as a phase change material,the micron SiO2-based phase change and humidity controlling composite materials were prepared by sol-gel method. The scheme was optimized by uniform design in a combination with RBF neural network to optimizing preparation of micron SiO2-based phase change and humidity controlling composite materials. The performance of micron SiO2-based phase change and humidity controlling composite materials with optimal uniform particle size distribution were tested and characterized. The results show that RBF neural network has the best approximation effect, when spread is 0.5; optimization technology parameters are solution pH value 4.27, amount of deionized water (mole ratio between deionized water and tetraethyl orthosilicate) is 8.58, amount of absolute alcohol (mole ratio between absolute alcohol and tetraethyl orthosilicate) is 4.83 and ultrasonic wave power is 316W; micron SiO2-based phase change and humidity controlling composite materials with optimal uniform particle size distribution’d10is 383.51nm,d50is 511.63nm andd90is 658.76nm, measured value ofd90-d10is 275.25nm, the measured value and the predicted value are in good agreement (relative error is -2.64%); micron SiO2-based phase change and humidity controlling composite materials with optimal uniform particle size distribution’ equilibrium moisture content in the relative humidity of 40%-60% is 0.0925-0.1493g/g, phase transition temperature is 20.02-23.45℃ and phase change enthalpy is 54.06-60.78J/g.

laser particle size(LPS);RBF neural network;micron SiO2-based phase change and humidity controlling composite;uniform particle size distribution;optimizing preparation

10.11868/j.issn.1001-4381.2016.000382

TU522.1

A

1001-4381(2017)08-0024-06

國家自然科學基金青年基金資助項目(51206002)；高等學校優秀青年人才基金項目(2010SQRL034)

2016-03-28;

2017-04-15

張浩(1982-)，男，博士，副教授，從事環保型建筑節能材料方面的研究工作，聯系地址：安徽省馬鞍山市雨山區安徽工業大學(東校區)建筑工程學院(243032)，E-mail:fengxu19821018@163.com