聚丙烯/蒙脱土纳米复合材料的制备与力学性能预测*

刘金月，祝宝东

（东北石油大学a.计算机与信息技术学院；b.化学化工学院，黑龙江 大庆 163318）

开发高性能的聚丙烯（PP）/蒙脱土（MMT）纳米复合材料在工程塑料领域具有良好的应用前景[1]。然而，强疏水性PP 基体和高极性MMT 表面之间的差异使其难以生产。为了解决这一问题，研究者们主要从以下两个方面开展工作：（1）对蒙脱土进行改性制备有机蒙脱土（OMMT），降低蒙脱土的表面极性并提高片层间距；（2）向该复合体系引入增容剂来增强蒙脱土与PP 基体间界面作用[1，2]。此外，在PP 中添加β 成核剂是制备β 晶型聚丙烯（β-PP）的有效手段，β-PP 比α 晶型聚丙烯（α-PP）展现出更高的韧性和延展性[3]。

BP 神经网络是一种多层前馈型网络模型，具有良好的非线性映射能力[4]。神经网络由输入层、一个或多个隐藏层、输出层组成，通过BP 算法，将预测值和标准值之间的误差从输出层到输入层反向逐层传播，在传播过程中，对各层神经元的连接权值和阈值进行更新，神经网络通过迭代“正向计算预测值-反向传播预测值和真实值的误差”这一过程，使误差逐渐收敛到可接受范围内，BP 神经网络达到学习目标，训练过程也随之结束。

本文采用熔融挤出法制备了β-PP/OMMT 纳米复合材料，考察了OMMT、β 成核剂和增容剂用量对复合材料力学性能的影响，并利用BP 神经网络将上述因素与复合材料的缺口冲击强度和弯曲强度进行关联建立模型，实现对该材料力学性能的预测。

1 实验部分

1.1 原料及仪器

PP（T30S 大庆石化分公司）；OMMT（DK-Ⅱ浙江丰虹黏土化工有限公司）；弹性体增容剂（实验室自制）；β 成核剂（CHB-5 广州和尔鑫化工科技有限公司）。

SHJ-20 型双螺杆挤出机（南京杰恩特机电公司）；TTI-FX100 型注塑机（东华机械有限公司）；XJJ-50 型冲击试验机（承德大华试验机有限公司）；WDW3050 型电子万能试验机（长春科新实验仪器有限公司）。

1.2 复合材料与测试样条的制备

将一定量的PP、OMMT、增容剂和β 成核剂按表1 配方混合均匀，用双螺杆挤出机熔融挤出制备纳米复合材料，主机转速为100r·min-1，一～五区温度分别为190、200、210、210 和190℃。复合材料经真空干燥箱中60℃干燥12h 处理后，用注塑机在注塑温度210℃、注塑压力40MPa 下注塑成拉伸和弯曲测试样条。

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

1.3 力学性能测试

按照GB/T 1043.1-2008 在冲击试验机上进行缺口冲击强度测试。按照GB/T 8812.1-2007 在电子万能试验机上进行弯曲强度测试。

2 结果与讨论

2.1 OMMT 对力学性能的影响

图1 为OMMT 用量对PP/OMMT 复合材料冲击性能及弯曲性能的影响。

图1 OMMT 用量对复合材料冲击强度及弯曲强度的影响Fig.1 Effect of OMMT dosage on impact strength and bending strength of composites

由图1 可见，随着OMMT 用量从0%增加至7%，复合材料的冲击强度从11.78kJ·m-2降至9.23kJ·m-2，减小了21.64%，而弯曲强度从24.53MPa 增加至29.75MPa，增大了21.28%，其中当OMMT 用量＞5%时弯曲强度增加较小。表明增加OMMT 用量对该复合体系的刚性有利而对韧性有损，但过量的黏土易发生团聚，导致自身的增强作用减弱。鉴于以上原因，OMMT 的用量选择3%～5%为宜。

2.2 β 成核剂对力学性能的影响

图2 为β 成核剂用量对PP/OMMT 复合材料冲击性能及弯曲性能的影响。

图2 β 成核剂用量对复合材料冲击强度及弯曲强度的影响Fig.2 Effect of β-nucleating agent dosage on impact strength and bending strength of composites

由图2 可见，随着β 成核剂用量的增加，复合材料的缺口冲击强度略有增加，而弯曲强度呈先增加后减小趋势。当β 成核剂用量为0.25%时，冲击强度达到最大，为5.29kJ·m-2，较未添加β 成核剂的增加了20.22%；当β 成核剂用量0.10%时，弯曲强度达到最大值35.06MPa，较未添加β 成核剂的增加了13.68%。说明β 成核剂对冲击和弯曲性能均有一定的影响。这是由于随β 成核剂用量增加，PP 结晶取向和结晶度增大，球晶内与球晶间产生束缚结构提高了晶粒之间的纠缠，因此，冲击强度和弯曲强度不断增大；当β 成核剂过高时，其促进结晶的能力不再明显，且过多的取代苯环阻碍了PP 大分子在晶核周围排列，使得结晶度降低，从而导致弯曲强度下降[3，5]。

2.3 增容剂对力学性能的影响

增容剂用量对PP/OMMT 复合材料冲击性能及弯曲性能的影响见图3。

图3 增容剂用量对冲击强度及弯曲强度的影响Fig.3 Effect of compatibilizer dosage on impact strength and bending strength of composites

由图3 可见，随着增容剂用量的增加，复合材料的冲击强度逐渐增大，而弯曲强度不断降低。当增容剂用量为30%时，冲击强度达到最大值15.68kJ·m-2，较未添加增容剂的增加了约3 倍，而此时弯曲强度为26.39MPa，仅降低了28.39%。主要原因是复合材料受到冲击时，增容剂粒子在PP 基体中诱发产生了大量银纹吸收冲击能，同时与剪切带起了屏障作用，阻止银纹生成裂纹，所以复合材料的冲击性能不断提升；而弯曲强度的降低符合弹性体增容剂改性无机粒子填充PP 体系的一般规律[6]。

3 BP 神经网络预测模型

3.1 训练集数据选取

BP 神经网络是采用误差反向传播算法训练的多层前馈神经网络，是处理输入与输出之间复杂非线性问题的有效方法[7]。本文采用Matlab 软件建立基于BP 神经网络的PP 基纳米复合材料力学性能的预测模型。

众所周知，有许多因素对PP 基纳米复合材料力学性能产生影响，但无法将每种情况都考虑进去。本文以PP、OMMT、增容剂和β 成核剂用量几个因素作为BP 神经网络的输入参数，用来对冲击强度和弯曲强度2 种力学性能进行预测。神经网络预测模型包括训练和预测两个部分。表2 为聚丙烯及其复合材料不同配方的冲击强度和弯曲强度实测值，将表1 和表2 中16 组数据分为2 组，其中，1～12 组数据作为训练子集，13～16 组数据作为测试样本。

表2 冲击强度和弯曲强度实测值Tab.2 Measured values of impact strength and bending strength

3.2 样本选取及归一化处理

为了保证模型计算精度，防止计算时数据高度集中在某些神经元和权值上，根据BP 神经网络输入和输出的范围要求，采用式（1）对训练数据的输入值和目标值进行归一化处理，使特征向量在0～1 范围内取值。

式中 R：原始参数；Rm：归一化的网络输入参数；Rmin和Rmax：相应数据R 的最小值和最大值。

3.3 隐含层节点的确定

在聚丙烯/蒙脱土纳米复合材料力学性能BP 神经网络预测模型中，需要设计的参数包括输入层节点数、隐含层节点数和输出层节点数。输入层的节点数为4 个，分别为PP、OMMT、增容剂和β 成核剂用量。输出层节点数2 个，分别为冲击强度和弯曲强度。隐含层的节点数量会影响数据预测的精确度，如果神经元数量过少，网络难以达到预期训练结果，就会产生较大误差。如果隐含层的神经元太多，虽然网络可以很好地学习并达到预期的精度，但它会产生过拟合并降低BP 神经网络的泛化能力[8]。隐含层节点数需通过大量的实验才能确定，本文根据前人总结的经验公式得出隐含层节点数，经验公式如下：

式中 l：隐含层节点数；n：输入层节点数。

式中 l：隐含层节点数；n：输入层节点数；α：0～10之间的任意常数。

式中 l：隐含层节点数；n：输入层节点数。

经过多次实验，本文确定隐含层节点数为8 个。

3.4 BP 神经网络预测及结果分析

为了减少网络的训练时间，提升网络的收敛性，采用非线性最小二乘法进行学习训练。为了验证所建立的神经网络预测能力，将实测值与预测值进行对比，结果见表3。

表3 神经网络预测结果与实测结果对比Tab.3 Comparison of neural network prediction results with measured results

结合仿真结果和精度计算公式，可以算出冲击强度的平均相对误差为3.96%，预测精度为96.04%；弯曲强度的平均相对误差为2.38%，预测精度为97.62%，精度达到了一定的标准要求。说明BP神经网络模型能够比较精确的预测复合材料的力学性能，该神经网络具有良好的工作性能。

4 结论

采用熔融挤出法制备了β 成核聚丙烯/蒙脱土纳米复合材料，发现OMMT 用量、β 成核剂及增容剂用量对复合材料的力学性影响有所不同。蒙脱土用量选择3%～5%为宜；添加0.1% β 成核剂时复合材料弯曲强度达到最大值35.06MPa，较不添加时增加了13.68%；当增容剂用量为30%时，复合材料缺口冲击强度较不添加时增加了约3 倍，而弯曲强度仅降低了28.39%。此外，BP 神经网络模型对该复合材料的力学性能预测比较精确，将在后续的研究中进一步采用并改进。