本發(fā)明涉及材料測試，具體涉及一種基于機器學(xué)習(xí)的pva膜氣體透過性智能檢測方法。

背景技術(shù)：

1、pva是一種水溶性聚合物，具有良好的成膜性、透明性和力學(xué)性能，同時還具備生物相容性和可生物降解性。在普通pva膜基礎(chǔ)上，通過特定工藝使其內(nèi)部形成大量孔隙可制得pva多孔膜。pva多孔膜中孔隙的存在使得其具有更高的比表面積和更好的透氣性，因而適用于一些特定要求的應(yīng)用場景。例如，pva多孔膜可用于食品保鮮包裝，利用多孔膜的選擇性氣體透過性，調(diào)控包裝內(nèi)的氣體成分比例，延長食品的保質(zhì)期；或者，在工業(yè)排放中，從煙道氣中有效地分離二氧化碳與氮氣等成分。

2、不同應(yīng)用場景對pva多孔膜的氣體透過性有不同的要求，通過檢測，可以驗證膜在實際應(yīng)用中的表現(xiàn)，并為產(chǎn)品改進提供數(shù)據(jù)支持。為保證產(chǎn)品的氣體透過性滿足實際使用場景的需求，往往需要對每一生產(chǎn)批次的產(chǎn)品進行采樣檢測。壓差法為測定氣體透過性的常用方法，但目前壓差法檢測設(shè)備的每一次檢測周期較長，對于高頻次檢測需求的生產(chǎn)環(huán)境，現(xiàn)有技術(shù)的檢測效率難以滿足需求。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種基于機器學(xué)習(xí)的pva膜氣體透過性智能檢測方法，以解決上述背景技術(shù)中提到的至少一個問題。

2、本技術(shù)提供的具體技術(shù)方案如下：

3、一種基于機器學(xué)習(xí)的pva膜氣體透過性智能檢測方法，包括步驟：

4、獲取實驗環(huán)境數(shù)據(jù)、第一檢測數(shù)據(jù)、第一擴散理論特征數(shù)據(jù)和第二檢測數(shù)據(jù)，構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；所述神經(jīng)網(wǎng)絡(luò)模型的輸入層為實驗環(huán)境數(shù)據(jù)、第一檢測數(shù)據(jù)和第一擴散理論特征數(shù)據(jù)，輸出層為第二檢測數(shù)據(jù)；所述第一擴散理論特征數(shù)據(jù)包括努森擴散系數(shù)理論值和體積流量理論值；所述實驗環(huán)境數(shù)據(jù)包括氣體濃度、高壓側(cè)壓強、低壓側(cè)壓強、環(huán)境溫度和環(huán)境濕度；所述第一檢測數(shù)據(jù)包括膜厚度、透氣面積、孔隙參數(shù)組、第一波峰強度和表面粗糙度；所述第二檢測數(shù)據(jù)包括氣體透過率參數(shù)組；

5、設(shè)定應(yīng)用環(huán)境參數(shù)，獲取第三檢測數(shù)據(jù)，根據(jù)應(yīng)用環(huán)境參數(shù)和第三檢測數(shù)據(jù)計算第二擴散理論特征數(shù)據(jù)；

6、將應(yīng)用環(huán)境參數(shù)、第三檢測數(shù)據(jù)和第二擴散理論特征數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型獲取氣體透過率預(yù)測值。

7、作為優(yōu)選方案，所述孔隙參數(shù)組包括孔隙率、最大孔徑、第一平均孔徑、第二平均孔徑和第三平均孔徑；所述第一平均孔徑表示膜中所有孔隙的平均直徑；所述第二平均孔徑表示模中所有小于或等于測試氣體的平均自由程的孔隙的平均直徑；所述第三平均孔徑表示模中所有大于測試氣體的平均自由程的孔隙的平均直徑。

8、作為優(yōu)選方案，所述努森擴散系數(shù)理論值表示為：

9、

10、其中，為第二平均孔徑，r是氣體常數(shù)，t是環(huán)境溫度，m為氣體分子量。

11、作為優(yōu)選方案，所述體積流量理論值表示為：

12、

13、其中，為第三平均孔徑，t是環(huán)境溫度，為設(shè)定的標(biāo)準(zhǔn)環(huán)境溫度，為壓差法的高壓側(cè)壓強，為壓差法的低壓側(cè)壓強，為設(shè)定的標(biāo)準(zhǔn)環(huán)境壓強；為氣體分子粘度，根據(jù)具體的測試氣體設(shè)定。

14、作為優(yōu)選方案，所述訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，包括步驟：

15、將所述實驗環(huán)境數(shù)據(jù)、第一檢測數(shù)據(jù)、第一擴散理論特征數(shù)據(jù)和第二檢測數(shù)據(jù)設(shè)定為樣本數(shù)據(jù)集；

16、通過樣本數(shù)據(jù)集和粒子群優(yōu)化算法設(shè)定神經(jīng)網(wǎng)絡(luò)模型的初始權(quán)重和偏置；

17、將所述樣本數(shù)據(jù)集劃分為訓(xùn)練集和驗證集；使用訓(xùn)練集通過反向傳播算法對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，通過調(diào)整權(quán)重和偏置最小化預(yù)測誤差；

18、使用驗證集數(shù)據(jù)獲取神經(jīng)網(wǎng)絡(luò)模型的性能評估指標(biāo)，若性能評估指標(biāo)高于設(shè)定閾值，則結(jié)束訓(xùn)練。

19、作為優(yōu)選方案，所述通過樣本數(shù)據(jù)集和粒子群優(yōu)化算法設(shè)定神經(jīng)網(wǎng)絡(luò)模型的初始權(quán)重和偏置，包括步驟：

20、隨機生成一組粒子，并初始化每個粒子的位置和速度；粒子的位置表示一組神經(jīng)網(wǎng)絡(luò)模型的權(quán)重和偏置；粒子的速度每一批次產(chǎn)品的應(yīng)用環(huán)境參數(shù)、第三檢測數(shù)據(jù)和第二擴散理論特征數(shù)據(jù)移動方向和步長；

21、構(gòu)建神經(jīng)網(wǎng)絡(luò)的損失函數(shù)，將損失函數(shù)設(shè)定為適應(yīng)度函數(shù);

22、獲取每個粒子對應(yīng)的適應(yīng)度函數(shù)值；

23、根據(jù)個人最佳位置和群體最佳位置更新每個粒子的速度和位置；

24、迭代至最大迭代次數(shù)或適應(yīng)度函數(shù)值滿足輸出條件，輸出粒子群的群體最佳位置作為神經(jīng)網(wǎng)絡(luò)模型的初始權(quán)重和偏置。

25、作為優(yōu)選方案，所述粒子的速度表示為：

26、，

27、粒子的位置表示為：

28、，

29、其中，為慣性權(quán)重；和分別為個人學(xué)習(xí)因子和群體學(xué)習(xí)因子；是粒子的個人最佳位置，g表示所有粒子的群體最佳位置。和均為[0,1]區(qū)間內(nèi)的隨機數(shù)，用于為每次迭代提供隨機性；i為粒子的編號，表示第i粒子在時間t的位置，表示第i粒子在時間t的速度。

30、作為優(yōu)選方案，所述獲取第三檢測數(shù)據(jù)，包括：

31、使用測厚儀測量pva多孔膜的實際厚度；

32、根據(jù)檢測設(shè)備設(shè)置透氣面積；

33、使用掃描電子顯微鏡獲取孔隙率、最大孔徑、第一平均孔徑、第二平均孔徑和第三平均孔徑；

34、使用傅里葉變換紅外光譜儀測量設(shè)定波長處的第一波峰強度；

35、使用原子力顯微鏡測量樣品表面粗糙度。

36、作為優(yōu)選方案，還包括步驟：

37、根據(jù)應(yīng)用環(huán)境參數(shù)設(shè)置壓差法氣體透過性實驗，獲取氣體透過率實際值；根據(jù)氣體透過率預(yù)測值和氣體透過率實際值優(yōu)化神經(jīng)網(wǎng)絡(luò)模型。

38、作為優(yōu)選方案，所述壓差法氣體透過性實驗，包括步驟：

39、將待測樣品切割并固定在高壓密閉腔體和低壓密閉腔體之間，使待測樣品密封；

40、將待測樣品、高壓密閉腔體、低壓密閉腔體和檢測氣體的溫度調(diào)節(jié)至應(yīng)用環(huán)境參數(shù)的環(huán)境溫度；

41、通過真空泵依次對低壓密閉腔體和高壓密閉腔體進行抽真空處理；

42、將設(shè)定氣體濃度和濕度的檢測氣體導(dǎo)入高壓密閉腔體，使高壓密閉腔體的壓強為應(yīng)用環(huán)境參數(shù)的高壓側(cè)壓強；

43、檢測氣體通過待測樣品從高壓密閉腔體滲透至低壓密閉腔體，通過真空泵使低壓密閉腔體中的壓強為應(yīng)用環(huán)境參數(shù)的低壓側(cè)壓強；在預(yù)設(shè)時間后，通過檢測儀器獲取預(yù)設(shè)時間內(nèi)通過待測樣品滲透至低壓密閉腔體的各氣體的氣體量；

44、根據(jù)各氣體的氣體量計算氣體透過率實際值。

45、相比現(xiàn)有技術(shù)，本發(fā)明的有益效果在于：

46、本技術(shù)通過實驗環(huán)境數(shù)據(jù)、第一檢測數(shù)據(jù)、第一擴散理論特征數(shù)據(jù)和第二檢測數(shù)據(jù)構(gòu)建并訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型；根據(jù)應(yīng)用環(huán)境參數(shù)和第三檢測數(shù)據(jù)計算第二擴散理論特征數(shù)據(jù)；通過每一批次產(chǎn)品的應(yīng)用環(huán)境參數(shù)、第三檢測數(shù)據(jù)和第二擴散理論特征數(shù)據(jù)，預(yù)測氣體透過率，以減少對壓差法氣體透過性實驗的依賴，降低材料測試與實驗的時間成本，同時便于在線監(jiān)控和調(diào)整生產(chǎn)過程，提高生產(chǎn)經(jīng)濟效益。

47、本技術(shù)實施例將通過實驗環(huán)境數(shù)據(jù)和第一檢測數(shù)據(jù)計算得到的努森擴散系數(shù)理論值和體積流量理論值作為神經(jīng)網(wǎng)絡(luò)模型的輸入特征，表示氣體分別在較小孔徑和較大孔徑（對比氣體分子平均自由程）下的擴散特征，以幫助神經(jīng)網(wǎng)絡(luò)模型更全面地學(xué)習(xí)氣體透過率的特征，加速模型訓(xùn)練并提升模型魯棒性。

48、本技術(shù)實施例通過粒子群優(yōu)化算法設(shè)定初始初始權(quán)重和偏置，能夠快速找到具有較低損失的初始參數(shù)，顯著縮短模型訓(xùn)練的時間，提高訓(xùn)練效率；在設(shè)定初始權(quán)重和偏置之后，結(jié)合驗證集的評估和設(shè)定閾值，使得訓(xùn)練過程更加穩(wěn)定，自適應(yīng)調(diào)整模型性能，避免過度訓(xùn)練。