一种快固化早强型喷涂聚脲弹性体配方优选方法

本发明属于聚脲弹性体，具体而言，涉及一种快固化早强型喷涂聚脲弹性体配方优选方法。背景技术：1、聚脲弹性体是一类重要的高分子材料,广泛应用于各个领域。其制备通常采用异氰酸酯与多元胺发生加成聚合反应。近年来,随着军工防护、结构快速修复等行业对防护涂料的需求日益增加,快固化早强型聚脲弹性体备受关注。2、传统的聚脲弹性体配方设计主要依赖经验公式和反复试验,效率低下,且难以权衡固化时间、力学性能等多个性能指标。随着计算机模拟技术的发展,基于数据建模和优化算法的智能化配方设计方法逐渐兴起。3、目前,常用的聚脲配方优化方法包括响应面法、人工神经网络等。响应面法利用回归模型拟合实验数据,但对于高度非线性的多参数系统,拟合精度较低。人工神经网络能够很好地描述非线性映射关系,但需要大量实验数据训练,且难以解释内在的化学机理。4、另一方面,随着聚脲材料应用场景的扩展,人们对其性能提出了更高要求。例如,在结构快速修复领域，修复窗口期仅有几小时，需要聚脲涂层快速固化形成保护层,且具有良好的力学性能，满足使用要求。在军工行业,防护涂层不仅需要耐候性能,还要兼顾柔韧性以吸收冲击，且需要涂层在几小时内完成固化，便于快速转运。因此,如何在固化时间、强度、伸长率等多个性能指标之间寻找平衡,成为一个亟待解决的难题。技术实现思路1、有鉴于此，本发明提供一种快固化早强型喷涂聚脲弹性体配方优选方法，能够解决现有技术难以解决在固化时间、强度、伸长率等多个性能指标之间寻找平衡得到快固化早强型喷涂聚脲弹性体配方的技术问题。2、本发明是这样实现的：3、本发明面提供一种快固化早强型喷涂聚脲弹性体配方优选方法，其中，包括以下步骤：4、s10、设计基础实验,测试不同原材料组分对产品性能的影响,获取基础实验数据,所述基础实验具体是正交实验；5、s20、根据基础实验数据建立化学反应模型和产品性能预测模型;6、s30、根据产品性能要求,确定多目标优化目标函数；7、s40、结合化学计量比关系,建立配方多目标优化模型；8、s50、采用遗传算法对多目标优化模型进行求解,得到初步优选配方比例;9、s60、使用初步优选配方进行优化实验,获取优化实验数据,所述优化实验,具体是在小试生产条件下制备样品,测试固化特性及力学性能指标;10、s70、利用优化实验数据更新化学反应模型和产品性能预测模型;11、s80、重新构建多目标优化模型,再次采用遗传算法求解,得到新的优选配方比例;12、s90、重复步骤s60~s80,直至配方收敛于最优解。13、其中，所述正交实验用于分别考察异氰酸酯、聚醚多元胺、扩链剂、聚醚多元醇、功能填料、颜料、助剂的原料种类、用量及工艺参数对2小时内拉伸强度、断裂伸长率、撕裂强度及7天后拉伸强度、断裂伸长率、撕裂强度的性能指标的影响。14、其中，所述化学反应模型具体是基于动力学方程描述nco基团与-nh或-oh基团的逐步加成反应过程。15、其中，所述产品性能预测模型具体是基于人工神经网络对实验数据进行非线性映射建模。16、其中，所述多目标优化目标函数的多个目标包括2小时内拉伸强度最大、断裂伸长率最大、撕裂强度最大及7天后拉伸强度最大、断裂伸长率最大、撕裂强度最大。17、其中，所述配方多目标优化模型具体是以异氰酸酯当量、多元醇羟值、多元胺和扩链剂的胺值、功能填料、颜料、助剂用量为自变量,2小时内拉伸强度最大、断裂伸长率最大、撕裂强度最大及7天后拉伸强度最大、断裂伸长率最大、撕裂强度最大为因变量的非线性方程组。18、其中，所述遗传算法中，以配方参数编码作为一个个体的基因序列，所述配方参数为一个向量，至少包括nco/oh比、多元胺用量、扩链剂用量、填料用量、颜料用量、助剂用量。19、进一步的，所述遗传算法的适应度函数为所述多目标优化模型的多个目标值的加权和。20、进一步的，所述遗传算法的迭代结束条件为迭代满2000步，或相邻两次迭代的输出值相似度大于98%。21、其中，所述正交实验设计中考察的异氰酸酯包括二异氰酸苯甲酯(mdi)和异佛尔酮二异氰酸酯(ipdi));所述正交实验设计中考察的聚醚多元胺包括聚四亚甲基醚二胺和聚丙烯醇多元胺;所述正交实验设计中考察的扩链剂包括乙二胺和二乙烯三胺;所述正交实验设计中考察的聚醚多元醇包括聚氧乙烯多元醇和聚氧丙烯多元醇;所述正交实验设计中考察的功能填料包括二氧化硅和碳酸钙,颜料包括钛白粉和炭黑,助剂包括润湿分散剂、抗氧剂、耐老化助剂、偶联剂。22、其中,所述步骤s10具体包括:对不同原材料组分进行正交实验设计,系统性地考察异氰酸酯、聚醚多元胺、扩链剂、聚醚多元醇、功能填料、颜料、助剂等因素对2小时内和7天后拉伸强度、断裂伸长率、撕裂强度等性能指标的影响,通过方差分析确定各因素的重要程度,初步确定各原料的最佳用量范围。23、其中,所述步骤s20具体包括:基于聚脲弹性体的化学反应机理,建立描述异氰酸酯与胺基团逐步加成反应的动力学方程模型,确定反应速率常数;采用人工神经网络对正交实验数据进行非线性映射建模,建立可预测拉伸强度、断裂伸长率、撕裂强度等性能指标的预测模型。24、其中,所述步骤s30具体包括:根据产品性能要求,确定6个优化目标,包括2小时内和7天后的拉伸强度、断裂伸长率、撕裂强度的最大化,以满足快固化和长期使用性能的需求。25、其中,所述步骤s40具体包括:基于化学计量关系,建立以异氰酸酯当量、多元醇羟值、多元胺和扩链剂胺值、填料用量等为自变量,6项性能指标为因变量的非线性多目标优化模型。26、其中,所述步骤s50具体包括:采用遗传算法对上述多目标优化模型进行求解,在满足化学计量关系的前提下,找到6个性能指标的最优平衡点,获得初步的优选配方比例。27、其中,所述步骤s60具体包括:在小试生产条件下,根据初步优选配方制备聚脲弹性体样品,测试2小时内和7天后的固化特性及力学性能指标,并与模型预测值进行对比分析。28、其中,所述步骤s70具体包括:利用优化实验数据,重新拟合化学反应动力学方程中的速率常数,提高模型的预测精度;对人工神经网络模型进行微调和重新训练,增加训练样本,优化网络参数,提高性能指标预测的准确性。29、其中,所述步骤s80具体包括:结合更新后的化学反应动力学模型和产品性能预测模型,重新构建多目标优化问题,再次采用遗传算法求解,获得新一轮的优选配方比例。30、其中,所述步骤s90具体包括:重复步骤s60~s80,直至各项性能指标稳定在满足要求的最优水平,配方达到收敛。通过不断的实验-模型-优化-验证的循环迭代,最终确定出兼顾早期和长期性能的最优聚脲弹性体配方。31、其中,所述化学反应动力学模型基于nco基团与nh基团的逐步加成反应过程建立,反应速率常数通过实验数据拟合确定；所述产品性能预测模型采用人工神经网络进行非线性映射建模,输入为配方参数,输出为拉伸强度、断裂伸长率、撕裂强度等性能指标；所述多目标优化模型中,6个优化目标分别为:2小时内拉伸强度最大化、2小时内断裂伸长率最大化、2小时内撕裂强度最大化、7天后拉伸强度最大化、7天后断裂伸长率最大化、7天后撕裂强度最大化。32、可选的,小试生产条件下制备样品的具体步骤包括:称量原料按优选配方比例投入、采用高速搅拌机进行混合反应、将反应物填充至模具中常温固化2小时,并对样品的固化特性及力学性能进行测试。其中迭代优化过程包括:实验制备样品-模型更新-优化计算-实验验证的循环,通过不断优化模型和配方,最终得到兼顾早期和长期性能的最优聚脲弹性体配方。33、与现有技术相比较，本发明提供的一种快固化早强型喷涂聚脲弹性体配方优选方法的有益效果是：34、1.本发明方法将化学计量模型、分子量分布模型、产品性能预测模型和遗传算法优化相结合,能够全面考虑影响聚脲材料性能的各种因素,有效克服了单一模型的缺陷。35、2.本发明方法采用遗传算法进行多目标优化,可以在固化时间、强度、伸长率等多个性能指标之间寻找最佳平衡,满足不同应用场景的需求。36、3.本发明方法通过反复迭代,不断更新模型参数,提高了性能预测的准确性,从而保证了配方优化的有效性和可靠性。37、4.本发明方法将理论模型与实验数据相结合,既能够揭示聚脲材料形成的内在机理,又能确保优化配方在实际生产中的可行性。38、5.本发明方法具有普适性,不仅适用于聚脲材料,也可推广应用于其他高分子材料的配方优化。39、综上所述，本发明解决了现有技术难以解决在固化时间、强度、伸长率等多个性能指标之间寻找平衡得到快固化早强型喷涂聚脲弹性体配方的技术问题。