聚丙烯/蒙脫土納米復合材料的制備與力學性能預測*

劉金月，祝寶東

（東北石油大學a.計算機與信息技術學院；b.化學化工學院，黑龍江 大慶 163318）

開發高性能的聚丙烯（PP）/蒙脫土（MMT）納米復合材料在工程塑料領域具有良好的應用前景[1]。然而，強疏水性PP 基體和高極性MMT 表面之間的差異使其難以生產。為了解決這一問題，研究者們主要從以下兩個方面開展工作：（1）對蒙脫土進行改性制備有機蒙脫土（OMMT），降低蒙脫土的表面極性并提高片層間距；（2）向該復合體系引入增容劑來增強蒙脫土與PP 基體間界面作用[1，2]。此外，在PP 中添加β 成核劑是制備β 晶型聚丙烯（β-PP）的有效手段，β-PP 比α 晶型聚丙烯（α-PP）展現出更高的韌性和延展性[3]。

BP 神經網絡是一種多層前饋型網絡模型，具有良好的非線性映射能力[4]。神經網絡由輸入層、一個或多個隱藏層、輸出層組成，通過BP 算法，將預測值和標準值之間的誤差從輸出層到輸入層反向逐層傳播，在傳播過程中，對各層神經元的連接權值和閾值進行更新，神經網絡通過迭代“正向計算預測值-反向傳播預測值和真實值的誤差”這一過程，使誤差逐漸收斂到可接受范圍內，BP 神經網絡達到學習目標，訓練過程也隨之結束。

本文采用熔融擠出法制備了β-PP/OMMT 納米復合材料，考察了OMMT、β 成核劑和增容劑用量對復合材料力學性能的影響，并利用BP 神經網絡將上述因素與復合材料的缺口沖擊強度和彎曲強度進行關聯建立模型，實現對該材料力學性能的預測。

1 實驗部分

1.1 原料及儀器

PP（T30S 大慶石化分公司）；OMMT（DK-Ⅱ浙江豐虹黏土化工有限公司）；彈性體增容劑（實驗室自制）；β 成核劑（CHB-5 廣州和爾鑫化工科技有限公司）。

SHJ-20 型雙螺桿擠出機（南京杰恩特機電公司）；TTI-FX100 型注塑機（東華機械有限公司）；XJJ-50 型沖擊試驗機（承德大華試驗機有限公司）；WDW3050 型電子萬能試驗機（長春科新實驗儀器有限公司）。

1.2 復合材料與測試樣條的制備

將一定量的PP、OMMT、增容劑和β 成核劑按表1 配方混合均勻，用雙螺桿擠出機熔融擠出制備納米復合材料，主機轉速為100r·min-1，一～五區溫度分別為190、200、210、210 和190℃。復合材料經真空干燥箱中60℃干燥12h 處理后，用注塑機在注塑溫度210℃、注塑壓力40MPa 下注塑成拉伸和彎曲測試樣條。

表1 聚丙烯及其復合材料配方（%）Tab.1 Experimental formulation of PP and its composites

1.3 力學性能測試

按照GB/T 1043.1-2008 在沖擊試驗機上進行缺口沖擊強度測試。按照GB/T 8812.1-2007 在電子萬能試驗機上進行彎曲強度測試。

2 結果與討論

2.1 OMMT 對力學性能的影響

圖1 為OMMT 用量對PP/OMMT 復合材料沖擊性能及彎曲性能的影響。

圖1 OMMT 用量對復合材料沖擊強度及彎曲強度的影響Fig.1 Effect of OMMT dosage on impact strength and bending strength of composites

由圖1 可見，隨著OMMT 用量從0%增加至7%，復合材料的沖擊強度從11.78kJ·m-2降至9.23kJ·m-2，減小了21.64%，而彎曲強度從24.53MPa 增加至29.75MPa，增大了21.28%，其中當OMMT 用量＞5%時彎曲強度增加較小。表明增加OMMT 用量對該復合體系的剛性有利而對韌性有損，但過量的黏土易發生團聚，導致自身的增強作用減弱。鑒于以上原因，OMMT 的用量選擇3%～5%為宜。

2.2 β 成核劑對力學性能的影響

圖2 為β 成核劑用量對PP/OMMT 復合材料沖擊性能及彎曲性能的影響。

圖2 β 成核劑用量對復合材料沖擊強度及彎曲強度的影響Fig.2 Effect of β-nucleating agent dosage on impact strength and bending strength of composites

由圖2 可見，隨著β 成核劑用量的增加，復合材料的缺口沖擊強度略有增加，而彎曲強度呈先增加后減小趨勢。當β 成核劑用量為0.25%時，沖擊強度達到最大，為5.29kJ·m-2，較未添加β 成核劑的增加了20.22%；當β 成核劑用量0.10%時，彎曲強度達到最大值35.06MPa，較未添加β 成核劑的增加了13.68%。說明β 成核劑對沖擊和彎曲性能均有一定的影響。這是由于隨β 成核劑用量增加，PP 結晶取向和結晶度增大，球晶內與球晶間產生束縛結構提高了晶粒之間的糾纏，因此，沖擊強度和彎曲強度不斷增大；當β 成核劑過高時，其促進結晶的能力不再明顯，且過多的取代苯環阻礙了PP 大分子在晶核周圍排列，使得結晶度降低，從而導致彎曲強度下降[3，5]。

2.3 增容劑對力學性能的影響

增容劑用量對PP/OMMT 復合材料沖擊性能及彎曲性能的影響見圖3。

圖3 增容劑用量對沖擊強度及彎曲強度的影響Fig.3 Effect of compatibilizer dosage on impact strength and bending strength of composites

由圖3 可見，隨著增容劑用量的增加，復合材料的沖擊強度逐漸增大，而彎曲強度不斷降低。當增容劑用量為30%時，沖擊強度達到最大值15.68kJ·m-2，較未添加增容劑的增加了約3 倍，而此時彎曲強度為26.39MPa，僅降低了28.39%。主要原因是復合材料受到沖擊時，增容劑粒子在PP 基體中誘發產生了大量銀紋吸收沖擊能，同時與剪切帶起了屏障作用，阻止銀紋生成裂紋，所以復合材料的沖擊性能不斷提升；而彎曲強度的降低符合彈性體增容劑改性無機粒子填充PP 體系的一般規律[6]。

3 BP 神經網絡預測模型

3.1 訓練集數據選取

BP 神經網絡是采用誤差反向傳播算法訓練的多層前饋神經網絡，是處理輸入與輸出之間復雜非線性問題的有效方法[7]。本文采用Matlab 軟件建立基于BP 神經網絡的PP 基納米復合材料力學性能的預測模型。

眾所周知，有許多因素對PP 基納米復合材料力學性能產生影響，但無法將每種情況都考慮進去。本文以PP、OMMT、增容劑和β 成核劑用量幾個因素作為BP 神經網絡的輸入參數，用來對沖擊強度和彎曲強度2 種力學性能進行預測。神經網絡預測模型包括訓練和預測兩個部分。表2 為聚丙烯及其復合材料不同配方的沖擊強度和彎曲強度實測值，將表1 和表2 中16 組數據分為2 組，其中，1～12 組數據作為訓練子集，13～16 組數據作為測試樣本。

表2 沖擊強度和彎曲強度實測值Tab.2 Measured values of impact strength and bending strength

3.2 樣本選取及歸一化處理

為了保證模型計算精度，防止計算時數據高度集中在某些神經元和權值上，根據BP 神經網絡輸入和輸出的范圍要求，采用式（1）對訓練數據的輸入值和目標值進行歸一化處理，使特征向量在0～1 范圍內取值。

式中 R：原始參數；Rm：歸一化的網絡輸入參數；Rmin和Rmax：相應數據R 的最小值和最大值。

3.3 隱含層節點的確定

在聚丙烯/蒙脫土納米復合材料力學性能BP 神經網絡預測模型中，需要設計的參數包括輸入層節點數、隱含層節點數和輸出層節點數。輸入層的節點數為4 個，分別為PP、OMMT、增容劑和β 成核劑用量。輸出層節點數2 個，分別為沖擊強度和彎曲強度。隱含層的節點數量會影響數據預測的精確度，如果神經元數量過少，網絡難以達到預期訓練結果，就會產生較大誤差。如果隱含層的神經元太多，雖然網絡可以很好地學習并達到預期的精度，但它會產生過擬合并降低BP 神經網絡的泛化能力[8]。隱含層節點數需通過大量的實驗才能確定，本文根據前人總結的經驗公式得出隱含層節點數，經驗公式如下：

式中 l：隱含層節點數；n：輸入層節點數。

式中 l：隱含層節點數；n：輸入層節點數；α：0～10之間的任意常數。

式中 l：隱含層節點數；n：輸入層節點數。

經過多次實驗，本文確定隱含層節點數為8 個。

3.4 BP 神經網絡預測及結果分析

為了減少網絡的訓練時間，提升網絡的收斂性，采用非線性最小二乘法進行學習訓練。為了驗證所建立的神經網絡預測能力，將實測值與預測值進行對比，結果見表3。

表3 神經網絡預測結果與實測結果對比Tab.3 Comparison of neural network prediction results with measured results

結合仿真結果和精度計算公式，可以算出沖擊強度的平均相對誤差為3.96%，預測精度為96.04%；彎曲強度的平均相對誤差為2.38%，預測精度為97.62%，精度達到了一定的標準要求。說明BP神經網絡模型能夠比較精確的預測復合材料的力學性能，該神經網絡具有良好的工作性能。

4 結論

采用熔融擠出法制備了β 成核聚丙烯/蒙脫土納米復合材料，發現OMMT 用量、β 成核劑及增容劑用量對復合材料的力學性影響有所不同。蒙脫土用量選擇3%～5%為宜；添加0.1% β 成核劑時復合材料彎曲強度達到最大值35.06MPa，較不添加時增加了13.68%；當增容劑用量為30%時，復合材料缺口沖擊強度較不添加時增加了約3 倍，而彎曲強度僅降低了28.39%。此外，BP 神經網絡模型對該復合材料的力學性能預測比較精確，將在后續的研究中進一步采用并改進。