CN116239928A - 一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法 - Google Patents
一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法 Download PDFInfo
- Publication number
- CN116239928A CN116239928A CN202111485730.1A CN202111485730A CN116239928A CN 116239928 A CN116239928 A CN 116239928A CN 202111485730 A CN202111485730 A CN 202111485730A CN 116239928 A CN116239928 A CN 116239928A
- Authority
- CN
- China
- Prior art keywords
- nano
- content
- tio
- sio
- epoxy resin
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000576 coating method Methods 0.000 title claims abstract description 66
- 239000011248 coating agent Substances 0.000 title claims abstract description 65
- 239000003822 epoxy resin Substances 0.000 title claims abstract description 50
- 229920000647 polyepoxide Polymers 0.000 title claims abstract description 50
- 230000008439 repair process Effects 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000000463 material Substances 0.000 title claims abstract description 28
- 229910018072 Al 2 O 3 Inorganic materials 0.000 claims abstract description 80
- 229910010413 TiO 2 Inorganic materials 0.000 claims abstract description 76
- 229910004298 SiO 2 Inorganic materials 0.000 claims abstract description 72
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 230000002068 genetic effect Effects 0.000 claims abstract description 15
- 239000003973 paint Substances 0.000 claims abstract description 7
- 238000002360 preparation method Methods 0.000 claims abstract description 5
- 238000003050 experimental design method Methods 0.000 claims abstract description 4
- 238000002474 experimental method Methods 0.000 claims description 33
- 238000001132 ultrasonic dispersion Methods 0.000 claims description 15
- 239000003795 chemical substances by application Substances 0.000 claims description 14
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 13
- 229910021389 graphene Inorganic materials 0.000 claims description 13
- 238000001035 drying Methods 0.000 claims description 9
- 239000007822 coupling agent Substances 0.000 claims description 7
- IISBACLAFKSPIT-UHFFFAOYSA-N bisphenol A Chemical compound C=1C=C(O)C=CC=1C(C)(C)C1=CC=C(O)C=C1 IISBACLAFKSPIT-UHFFFAOYSA-N 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 5
- 238000002156 mixing Methods 0.000 claims description 4
- 238000009210 therapy by ultrasound Methods 0.000 claims description 4
- 239000007864 aqueous solution Substances 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000007797 corrosion Effects 0.000 description 30
- 238000005260 corrosion Methods 0.000 description 30
- 238000012360 testing method Methods 0.000 description 13
- 239000002245 particle Substances 0.000 description 11
- 239000000047 product Substances 0.000 description 11
- 238000003756 stirring Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 239000004841 bisphenol A epoxy resin Substances 0.000 description 5
- 229920006122 polyamide resin Polymers 0.000 description 5
- 239000003208 petroleum Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000006087 Silane Coupling Agent Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005536 corrosion prevention Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000002105 nanoparticle Substances 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 239000003292 glue Substances 0.000 description 2
- LNEPOXFFQSENCJ-UHFFFAOYSA-N haloperidol Chemical compound C1CC(O)(C=2C=CC(Cl)=CC=2)CCN1CCCC(=O)C1=CC=C(F)C=C1 LNEPOXFFQSENCJ-UHFFFAOYSA-N 0.000 description 2
- 239000002086 nanomaterial Substances 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000004224 protection Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 229920001187 thermosetting polymer Polymers 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000006750 UV protection Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006172 buffering agent Substances 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 239000003518 caustics Substances 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000012084 conversion product Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 230000002209 hydrophobic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000012046 mixed solvent Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000003039 volatile agent Substances 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
- C09D—COATING COMPOSITIONS, e.g. PAINTS, VARNISHES OR LACQUERS; FILLING PASTES; CHEMICAL PAINT OR INK REMOVERS; INKS; CORRECTING FLUIDS; WOODSTAINS; PASTES OR SOLIDS FOR COLOURING OR PRINTING; USE OF MATERIALS THEREFOR
- C09D163/00—Coating compositions based on epoxy resins; Coating compositions based on derivatives of epoxy resins
-
- C—CHEMISTRY; METALLURGY
- C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
- C09D—COATING COMPOSITIONS, e.g. PAINTS, VARNISHES OR LACQUERS; FILLING PASTES; CHEMICAL PAINT OR INK REMOVERS; INKS; CORRECTING FLUIDS; WOODSTAINS; PASTES OR SOLIDS FOR COLOURING OR PRINTING; USE OF MATERIALS THEREFOR
- C09D5/00—Coating compositions, e.g. paints, varnishes or lacquers, characterised by their physical nature or the effects produced; Filling pastes
- C09D5/08—Anti-corrosive paints
-
- C—CHEMISTRY; METALLURGY
- C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
- C09D—COATING COMPOSITIONS, e.g. PAINTS, VARNISHES OR LACQUERS; FILLING PASTES; CHEMICAL PAINT OR INK REMOVERS; INKS; CORRECTING FLUIDS; WOODSTAINS; PASTES OR SOLIDS FOR COLOURING OR PRINTING; USE OF MATERIALS THEREFOR
- C09D7/00—Features of coating compositions, not provided for in group C09D5/00; Processes for incorporating ingredients in coating compositions
- C09D7/40—Additives
- C09D7/60—Additives non-macromolecular
- C09D7/61—Additives non-macromolecular inorganic
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08K—Use of inorganic or non-macromolecular organic substances as compounding ingredients
- C08K3/00—Use of inorganic substances as compounding ingredients
- C08K3/18—Oxygen-containing compounds, e.g. metal carbonyls
- C08K3/20—Oxides; Hydroxides
- C08K3/22—Oxides; Hydroxides of metals
- C08K2003/2227—Oxides; Hydroxides of metals of aluminium
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08K—Use of inorganic or non-macromolecular organic substances as compounding ingredients
- C08K3/00—Use of inorganic substances as compounding ingredients
- C08K3/18—Oxygen-containing compounds, e.g. metal carbonyls
- C08K3/20—Oxides; Hydroxides
- C08K3/22—Oxides; Hydroxides of metals
- C08K2003/2237—Oxides; Hydroxides of metals of titanium
- C08K2003/2241—Titanium dioxide
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08K—Use of inorganic or non-macromolecular organic substances as compounding ingredients
- C08K2201/00—Specific properties of additives
- C08K2201/011—Nanostructured additives
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Wood Science & Technology (AREA)
- Organic Chemistry (AREA)
- Inorganic Chemistry (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
- Paints Or Removers (AREA)
Abstract
本发明公开了一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法。本发明方法包括如下步骤:(1)在纳米SiO2、纳米Al2O3和纳米TiO2总含量≤特定含量条件下,利用正交实验设计法,以纳米SiO2含量、纳米Al2O3含量和纳米TiO2含量为影响因子,设计多组实验组;(2)每个实验组按照其纳米SiO2含量、纳米Al2O3含量和纳米TiO2含量制作修复涂料试样,并测定各实验组对应的修复涂料试样接触角和硬度;利用多因素灰色预测模型,得到硬度预测模型和接触角预测模型;(3)利用遗传算法进行纳米SiO2、纳米Al2O3和纳米TiO2配比的最优化,得到改性材料最佳配比。本发明从提高管道内修复涂层硬度和接触角的角度出发,实现改性材料最佳配比预测,为实际生产需要提供理论依据。
Description
技术领域
本发明涉及一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法,属于材料制备技术领域。
背景技术
在金属应用如此广泛的现代生活中,腐蚀一直是困扰各个工程的难题,而这一难题在石油工业中更是屡见不鲜,其中承担重要运输职能的管道是这一“疾病”的最主要受害者。
自石油工业兴起以来,国内外学者一直致力于防护管道内壁。油气管道的腐蚀主要分为两种,一是外腐蚀;二是内腐蚀。相对于外腐蚀,内腐蚀对管道的影响才是最大的,内腐蚀的主要成因是管道在运输过程中,容易与油气中的物质发生化学反应,其生产物具有一定的腐蚀性,会由内腐蚀管道,在长时间的腐蚀作用下,会对油气运输造成较为严重的影响。管道内腐蚀分为均匀腐蚀、坑蚀和冲刷腐蚀。均匀腐蚀是由于在油气运输阶段油气转化生成物和水反应生成的酸性气体腐蚀而成,由于气体分散,所以形成的腐蚀表面是均匀分布的;坑蚀主要表现形式是大小不一的腐蚀坑,其原因是管道内壁防腐层不均匀致使管道内壁各部分防腐性能不一;冲刷腐蚀也称为多次腐蚀,是油气在流通过程中腐蚀物质多次冲刷形成的。
目前主流的内防腐技术在预防腐蚀方面主要是添加管道防腐内衬和添加缓冲剂等方法;在修复管道内壁方面先后研制了各种有机涂料、防腐粉末和陶瓷防腐层等。其中环氧树脂因为其粘结性能强、热固性强、耐腐蚀性强等优点而被广泛应用,其最主要的性能就是环氧树脂可以与多种固化剂和添加剂形成性能优异的固化物,而且固化时基本上不产生小分子挥发物。但是在性能和实际应用方面效果不佳,目前存在以下几点问题:
(1)环氧树脂基材内腐蚀涂层硬度达不到要求;
(2)环氧树脂基材内腐蚀涂层易与管内水分发生化学反应;
(3)改性环氧树脂没有可依据方法进行配比;
(4)材料成本较高,不易获得。
石油能源对国家发展有着至关重要的意义,而管道作为运输石油的主要载体,其重要性不言而喻,因此提高管道安全性和延长管道服役寿命非常关键。
发明内容
为了解决上述技术问题,本发明的目的是提供一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法,该改性环氧树脂修复涂层通过添加四种改性粒子(石墨烯、纳米SiO2、纳米Al2O3和纳米TiO2)以增强基材硬度和疏水性性能,依据该预测方法可对纳米SiO2、纳米Al2O3和纳米TiO2进行配比,制备得到硬度和疏水性综合性能最佳的修复涂层,从而进一步增强油气管道内的耐腐蚀效果。
本发明提供的一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法,其中,所述改性环氧树脂修复涂层由环氧树脂、石墨烯、偶联剂、纳米SiO2、纳米Al2O3、纳米TiO2和固化剂制成,所述改性材料最佳配比为纳米SiO2、纳米Al2O3和纳米TiO2的最佳配比,包括如下步骤:
(1)在纳米SiO2、纳米Al2O3和纳米TiO2的总含量≤特定含量的条件下,利用正交实验设计法,以纳米SiO2含量、纳米Al2O3含量和纳米TiO2含量为影响因子,设计多个实验组;对所有实验组按顺序进行数字编号;
(2)每个实验组按照其纳米SiO2含量、纳米Al2O3含量和纳米TiO2含量进行投料制作修复涂料试样,并测定每个实验组对应的修复涂料试样的接触角和硬度;
以硬度值为预测值,以所述纳米SiO2含量、所述纳米Al2O3含量和所述纳米TiO2含量为影响因素,根据所述每个实验组对应的修复涂料试样的硬度,利用多因素灰色预测模型进行预测,得到硬度预测模型y1=b0+b1x1+b2x2+b3x3,其中,y1为硬度预测值,x1表示纳米SiO2含量,x2表示纳米Al2O3含量,x3表示纳米TiO2质含量,b0、b1、b2和b3为估计参数;
以接触角角度为预测值,以所述纳米SiO2含量、所述纳米Al2O3含量和所述纳米TiO2含量为影响因素,根据所述每个实验组对应的修复涂料试样的接触角,利用多因素灰色预测模型进行预测,得到接触角预测模型y2=b0'+b1'x1+b2'x2+b3'x3,其中,y2为接触角预测值,x1表示纳米SiO2含量,x2表示纳米Al2O3含量,x3表示纳米TiO2含量,b0′、b1′、b2′和b3′为估计参数;
(3)以y(x1,x2,x3)=y1+y2为适应度函数,以x1+x2+x3≤特定含量且y2≥特定度数为约束条件,利用遗传算法进行纳米SiO2、纳米Al2O3和纳米TiO2配比的最优化,得到所述最佳配比下的纳米SiO2含量、纳米Al2O3含量和纳米TiO2含量。
上述的预测方法,步骤(1)中,根据所述内防腐涂层的一般要求确定各原材料的种类;所述内防腐涂层的一般要求包括:(1)使用方法简单,固化时间短;(2)满足对硬度和疏水性的要求;(3)可根据不同工况进行性质调整。
上述的预测方法,步骤(1)中,所述环氧树脂具体可为双酚A型环氧树脂;
所述纳米SiO2含量以所述纳米SiO2占所述环氧树脂的质量百分含量计,所述纳米Al2O3含量以所述纳米Al2O3占所述环氧树脂的质量百分含量计,所述纳米TiO2含量以所述纳米TiO2占所述环氧树脂的质量百分含量计;
步骤(1)和步骤(3)中所述特定含量为5%。
上述的预测方法,步骤(1)中,所述设计多个实验组步骤中,每个影响因子下设置7~8个水平,优选8个水平。
在本发明的具体实例中,以C%表示占所述环氧树脂的质量百分含量,所述多组实验组为如下16个实验组:
实验组1:纳米SiO2 2.5C%,纳米Al2O3 2.5C%,纳米TiO2 0C%;
实验组2:纳米SiO2 0C%,纳米Al2O3 0C%,纳米TiO2 5C%;
实验组3:纳米SiO2 0C%,纳米Al2O3 1.67C%,纳米TiO2 3.33C%;
实验组4:纳米SiO2 0C%,纳米Al2O3 2.5C%,纳米TiO2 2.5C%;
实验组5:纳米SiO2 0C%,纳米Al2O3 0.83C%,纳米TiO2 4.17C%;
实验组6:纳米SiO2 3.33C%,纳米Al2O3 0.83C%,纳米TiO2 0.83C%;
实验组7:纳米SiO2 2.5C%,纳米Al2O3 0C%,纳米TiO2 2.5C%;
实验组8:纳米SiO2 4.17C%,纳米Al2O3 0.83C%,纳米TiO2 0C%;
实验组9:纳米SiO2 5C%,纳米Al2O3 0C%,纳米TiO2 0C%;
实验组10:纳米SiO2 0C%,纳米Al2O3 4.17C%,纳米TiO2 0.83C%;
实验组11:纳米SiO2 2.93C%,纳米Al2O3 2.07C%,纳米TiO2 0C%;
实验组12:纳米SiO2 1.67C%,纳米Al2O3 0C%,纳米TiO2 3.33C%;
实验组13:纳米SiO2 3.33C%,纳米Al2O3 1.67C%,纳米TiO2 0C%;
实验组14:纳米SiO2 2.93C%,纳米Al2O3 0C%,纳米TiO2 2.07C%;
实验组15:纳米SiO2 0C%,纳米Al2O3 5C%,纳米TiO2 0C%;
实验组16:纳米SiO2 0C%,纳米Al2O3 3.33C%,纳米TiO2 1.67C%。
上述的预测方法中,所述石墨烯的质量为所述环氧树脂质量的2%~5%,优选2%。
所述偶联剂的质量可为所述环氧树脂质量的5%~10%,具体可为10%;
所述偶联剂可为硅烷偶联剂,如硅烷偶联剂KH560。
所述固化剂与所述环氧树脂的质量比可为1:1;
所述固化剂可为环氧树脂专用固化剂,如聚酰胺树脂B。
上述的预测方法,步骤(2)中,按照如下步骤制作所述修复涂料试样:
1)将所述石墨烯的水溶液、所述环氧树脂和所述偶联剂混合后进行超声分散,超声分散完毕后分离出混合体系中的水,烘干,烘干完毕后再次进行超声;
2)将所述纳米SiO2、所述纳米Al2O3和所述纳米TiO2混合后进行超声分散,超声分散完毕后加入步骤1)得到的产物,加热升温,升温完毕后再次进行超声;
3)在步骤2)得到的产物中加入固化剂进行固化,得到所述修复涂料试样。
优选地,步骤1)中,所述超声分散的频率可为40KHZ,时间可为20min~30min,具体可为20min;
所述烘干的温度可为80℃~100℃,具体可为80℃;时间可为30min~1h,具体可为1h;
所述烘干完毕后再次进行超声的频率可为40KHZ,时间可为20min~30min,具体可为20min。
优选地,步骤2)中,所述超声分散的频率可为40KHZ,时间可为20min~30min,具体可为20min;
所述加热升温至80~100℃,具体可为80℃;
所述升温完毕后再次进行超声的频率可为40KHZ,时间可为60min~90min,具体可为60min。
优选地,步骤3)中,所述固化的温度为80℃~100℃,如80℃;时间为60min~90min,如90min。
上述的预测方法,步骤(3)中,所述特定度数为90°;
所述遗传算法采用编码的形式写出所述适应度函数;
参数设置为种群大小为100,最大迭代次数设置为100,每一代的精英个数为10,交叉后代比例为0.6,最大进化代数和停止代数均为100,适应度函数偏差为1×10-100,排序函数默认为等级排序。
本发明进一步提供了一种油气管道内改性环氧树脂修复涂层的制备方法,包括如下步骤:
利用上述任一项所述的油气管道内修复涂层制备工艺中改性材料最佳配比的预测方法确定纳米SiO2、纳米Al2O3和纳米TiO2的最佳配比;
按照所述最佳配比进行投料制备所述油气管道内改性环氧树脂修复涂层。
本发明中,各改性粒子的性质如下:
(1)双酚A型环氧树脂:具有良好的热固性,可以与多种固化剂和添加剂形成性能优异的固化物,而且固化时基本上不产生小分子挥发物。同时其固化物有很高的强度、粘结强度和耐腐蚀性。缺点是疏水性性和韧性不高。
(2)石墨烯:具有优异的力学性能,将其加入改性环氧树脂后可明显增强稳定性和强度。同时石墨烯具有良好的疏水性能,可以延缓管道的腐蚀速率,延长涂层寿命。
(3)纳米TiO2:具有结构稳定的特点,其大比表面积可以有效增强涂层的吸附性,同时可以有效减弱涂层对腐蚀离子的渗透性,实现涂层机械性能和防腐蚀性能的提高。将其加入改性环氧树脂后也可有效改进拉伸强度、断裂伸长率以及冲击强度。
(4)纳米SiO2:本身具有吸收紫外线的作用,其小粒径更有助于散射更短波长的紫外线,进一步提高其抗紫外、抗老化作用,可以有效增强涂层的耐腐蚀性并且延长涂层寿命。
(5)纳米Al2O3:将纳米Al2O3粒子用作橡胶填充时可以提高其介电性、耐磨性和材料的耐高温冲击韧性。纳米Al2O3的加入可对涂层达到增韧、增强、增刚、提高耐热性的作用。
本发明具有如下有益效果:
本发明从提高管道内修复涂层硬度和接触角的角度出发,针对修复涂层在防护管道内壁中的应用前景,首先给出了几种主要的改性粒子及其特性分析,并对管道内修复技术对涂层的要求进行了研究,从改性粒子中选择了四种材料(石墨烯、纳米Al2O3、纳米TiO2、纳米SiO2),在此基础上,结合多因素灰色模型和遗传算法分析对所选的改性粒子在不同质量分数配比下的硬度和接触角进行比较分析,推导出最佳拟合公式,最终选择出最符合要求的配比方案,为实际生产需要提供理论依据。
附图说明
图1为本发明实施例1中涂层试样的表征结果,图1(a)为100μm下实验组6的元素分布图,图1(b)为50μm下对比例中未改性环氧树脂的SEM照片,图1(c)为50μm下实验组6改性后环氧树脂的SEM照片,图1(d)为500μm下实验组6改性后环氧树脂的SEM照片。
图2为本发明实施例1中涂层试样的不同实验组数下硬度实际值与拟合值对比图。
图3为本发明实施例1中涂层试样的不同实验组数下接触角实际值与拟合值对比图。
图4为本发明实施例1中遗传算法流程图。
具体实施方式
为了对本发明的技术特征、目的和有益效果有更加清楚的理解,现对本发明的技术方案进行以下详细说明,但不能理解为对本发明的可实施范围的限定。
下述实施例中所使用的实验方法如无特殊说明,均为常规方法。下述实施例中所用的材料、试剂等,如无特殊说明,均可从商业途径得到。
下述实施例中的各原料的来源如下:
石墨烯:厂家—深圳市凯宏新材料有限公司,货号—KH-G180。
双酚A型环氧树脂:厂家—深圳市宝安区松岗明德胶水行,货号—E44。
固化剂聚酰胺树脂B:厂家—深圳市宝安区松岗明德胶水行,货号-650。
硅烷偶联剂KH560:厂家—常州市润翔化工有限公司,货号-560。
实施例1、油气管道内环氧树脂修复涂层中改性材料最佳配比的预测
按照如下步骤对以环氧树脂、石墨烯、偶联剂、纳米SiO2、纳米Al2O3、纳米TiO2和固化剂为原料的油气管道内环氧树脂修复涂层中改性材料纳米SiO2、纳米Al2O3、纳米TiO2的最佳配比进行预测:
(1)在纳米SiO2、纳米Al2O3、纳米TiO2的总的质量百分含量≤5C%(即Al2O3+TiO2+SiO2≤5C%,C%表示占双酚A型环氧树脂的质量百分含量,下同)的条件下,利用正交实验设计法,以纳米SiO2的质量百分含量纳米、纳米Al2O3的质量百分含量和纳米TiO2的质量百分含量为影响因子,设计16组实验组,正交实验配比表如表1所示。
表1正交实验配比表
(2)严格按照取样、称量、添加、搅拌、分散、固化及清洗器具的步骤进行试验,由于制造过程较为复杂,影响因素也相对较多,任何的操作失误都将对试验结果产生较大的影响,因此,各个步骤的具体操作如下:
1)取样、称量
按照试验所确定的配比,用电子秤称取各种材料,如表1所示的配比方案。
2)添加石墨烯、拌匀、分散
先将2C%即2g石墨烯和100g双酚A型环氧树脂材料依次倒入搅拌器中,然后边搅拌边倒入10C%即10g的偶联剂KH560,于40KHZ下超声分散20min;然后倒出混合物上部分离出的水层,置于烘箱内(80℃)1h,得到深黑色黏状物;再于40KHZ下超声分散20min。
3)添加改性粒子、拌匀、分散
在搅拌条件下按照表1加入一定比例的纳米粒子,然后继续用超声波分散处理器于40KHZ下分散20min后,将上述步骤2)的产物加入且充分搅拌后将混合溶剂升温至80℃,再用超声波分散处理器于40KHZ下分散60min,后按照与双酚A型环氧树脂质量比为1:1的比例加入100g的固化剂聚酰胺树脂B,持续搅拌15min。
4)固化
将实现上述操作步骤的混和材料置于80℃的烘箱中,直至90min完全固化。
5)清洗器具
操作完成后,迅速对实验所用器件进行清理,养护,防止混和材料凝结在器具上,造成不必要的损坏。
(3)每个实验组按照其纳米SiO2的质量百分含量、纳米Al2O3的质量百分含量和纳米TiO2的质量百分含量进行投料制作修复涂料试样。
按照如下步骤制备未改性的涂层试样:
取100g双酚A型环氧树脂,向其中加入100g固化剂(聚酰胺树脂B),后利用搅拌棒沿一个方向搅拌15min~20min,放入烘箱内(80℃)烘干30min,得到未改性涂层。
改性前和改性后的涂层试样的表征结果如图1所示,其中改性后的涂层试样为按照表1中实验组6投料制成的涂层试样,由图1可以看出,各改性纳米粒子均匀分布在涂层试样中。
测定每个实验组对应的修复涂料试样的接触角和硬度,测定过程和结果如下:
将上述操作完成后的材料利用接触角测量仪(中国-中晨-JC2000D)进行接触角实验,得到各个实验组的硬度数据,如表2所示。
表2接触角测试数据
将上述操作完成后的材料利用回弹仪(鲁制24000001-1)进行硬度实验,得到各个实验组的硬度数据,如表3所示。
表3硬度测试数据
将上述数据利用多因素灰色模型进行分析,得到拟合公式,具体步骤如下:
设待研究事物发展的特征因素时间序列为y=(y1,y2,...,yn),而影响其发展的因素有p个,设为其中/>表示影响事物发的第i个因素时间序列,又因/>的一阶累加序列1-AGO为/>其中/>其背景值序列为/>其中/>
a=[a,u]T=(BTB)-1BTY,Y=[x(0)(2),x(0)(3),...x(0)(n)]T,
由于灰色预测GM(1,1)模型的是衡量其预测效果的重要指标,因此必须对灰色预测GM(1,1)型的预测精度进行检验,为此采用平均相对误差检验方法进行检验(见表4),当相对误差精度等级达到一级或二级时可以进行预测。
表4响度误差精度检验等级参照
第二步,令y(t)=b0+b1x1(t)+b1x2(t)+...+bpxp(t)表示多因素灰色预测模型,其中y(t)为事物在t时刻的预测值,为第i个因素在t时刻的预测值,bi,i=1,2,...,p为估计参数。利用历史观测数据y(1),y(2),...y(m)和xi(1),xi(2),...,xi(m),i=1,2,...p,可以求出多因素灰色预测模型估计参数b=[b0,b1,...,bp]T=(XTX)- 1XTY1,其中
Y1=[y(1),y(2),...,y(m)]T,
Y由于假设多因素灰色预测模型是一个线性回归模型,因此其检验可以使用数理统计学中的F检验。
最后,将所求出的各因素的预测值带入方程
y(t)=b0+b1x1(t)+b2x2(t)+...bpxp(t),
从而可求出多因素灰色模型的预测值。
令y为硬度值,x1表示SiO2含量,x2表示Al2O3含量,x3表示TiO2含量,首先,分别对三个因素xi,i=1,2,3建立灰色预测GM(1,1)模型,并利用平均相对误差α检验方法对其进行检验。
通过对xi,i=1,2,3分别建立灰色预测GM(1,1)模型,得到其平均相对误差分别为3.94%、1.48%、2.88%,这表示x1,x2,x3的精度都达到了二级,可以进行预测。
求出多因素灰色预测模型中的参数,如表5所示。
表5硬度参数值
因此
y1=32.79+1.07x1+3.42x2+0.81x3 (1)
最后将预测值与实际值进行比较,如表6和图1所示。
表6涂层硬度实际值与拟合值
由表6和图1可以看出,随着纳米Al2O3质量百分比的提升,涂层硬度提升最为明显,且Al2O3的影响参数在三者中最大,改性之前的环氧树脂涂层硬度为31.6013N/mm2,当Al2O3含量为5%时,硬度为50.4669N/mm2,硬度性能增强了160%。由此可以推断出,纳米Al2O3为提升涂层硬度的主要变量。经计算得出实际值与预测值之间的平均误差为2%—3%。
之后再对接触角数据进行分析,令y为接触角度数,x1表示SiO2含量,x2表示Al2O3含量,x3表示TiO2含量,重复硬度建模时的操作,分别对三个因素xi,i=1,2,3建立灰色预测GM(1,1)模型,并利用平均相对误差α检验方法对其进行检验。
通过对xi,i=1,2,3分别建立灰色预测GM(1,1)模型,得到其平均相对误差分别为4.39%、0.98%、3.14%,这表示x1,x2,x3的精度都达到了二级,可以进行预测。求出多因素灰色预测模型中的参数,如表7所示。
表7接触角参数值
因此
y2=85.90+4.17x1+2.49x2+0.67x3 (2)
最后将预测值与实际值进行比较,如表8和图2所示。
表8涂层接触角实际值与拟合值
如图2所示,各个实验组的接触角均随着纳米刚性粒子的加入而提升,但其中随着纳米SiO2含量的增加,接触角提升最为明显。由此可以推断出,纳米SiO2为提升涂层疏水性的主要变量。如表7所示当新型涂层的SiO2含量为0%时,其接触角为74.9°左右,且随着SiO2含量的逐渐增加至5%左右时新型涂层表面水接触角几乎呈线性增加,直至106.8°。这是由于当纳米SiO2含量较低时,其大多数粒子被涂料包裹,没有凸起的微纳米结构,所以疏水性不强;但当纳米SiO2含量增加到一定程度时,改性纳米粒子颗粒就出现在涂层表面,并形成凸起的微纳米结构,从而增强了涂层表面的疏水性。由此可以推断出,纳米SiO2为提升涂层硬度的主要变量。经计算得出实际值与预测值之间的平均误差为3%—4%,如图2所示。
(3)由上述可知,在硬度和接触角方面多因素灰色模型拟合结果分别如式(1)和式(2)所示,现基于遗传算法对其进行优化,遗传算法是通过选择、交叉和变异等操作,不断计算适应度函数,知道搜索出最佳参数。首先对参数进行初始化,设置种群大小和最大迭代次数;其次采用编码的形式将拟合方程中的x1、x2、x3与算法中的个体对应;再次计算适应度函数,按比例选择优秀个体遗传到下一代;最后通过交叉和变异等操作产生新的个体,完成一次迭代。不断重复上述过程,知道达到最大迭代次数,输出具有最佳性能指标的参数组合。
按照图3所示遗传算法流程图,利用遗传算法进行纳米SiO2、纳米Al2O3和纳米TiO2配比的最优化,具体步骤如下:
首先采用编码的形式写出适应度函数,如式(3)所示,后将式(4)和式(5)设置为不等式条件,之后设置遗传算法的种群大小为100,最大迭代次数设置为100,每一代的精英个数为10,交叉后代比例为0.6,最大进化代数和停止代数均为100,适应度函数偏差为1×10-100,排序函数默认为等级排序。之后进行遗传算法计算,计算结果如表9所示。
y(x1,x2,x3)=y1+y2 (3)
x1+x2+x3≤5 (4)
y2≥90° (5)
表9遗传算法最佳配比
经过遗传算法计算后得到最大适应值(接触角度数+硬度)的绝对值为148.122,平均适应值的绝对值为147.285。
Claims (9)
1.一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法,其中,所述改性环氧树脂修复涂层由环氧树脂、石墨烯、偶联剂、纳米SiO2、纳米Al2O3、纳米TiO2和固化剂制成,所述改性材料最佳配比为纳米SiO2、纳米Al2O3和纳米TiO2的最佳配比,包括如下步骤:
(1)在纳米SiO2、纳米Al2O3和纳米TiO2的总含量≤特定含量的条件下,利用正交实验设计法,以纳米SiO2含量、纳米Al2O3含量和纳米TiO2含量为影响因子,设计多个实验组;对所有实验组按顺序进行数字编号;
(2)每个实验组按照其纳米SiO2含量、纳米Al2O3含量和纳米TiO2含量进行投料制作修复涂料试样,并测定每个实验组对应的修复涂料试样的接触角和硬度;
以硬度值为预测值,以所述纳米SiO2含量、所述纳米Al2O3含量和所述纳米TiO2含量为影响因素,根据所述每个实验组对应的修复涂料试样的硬度,利用多因素灰色预测模型进行预测,得到硬度预测模型y1=b0+b1x1+b2x2+b3x3,其中,y1为硬度预测值,x1表示纳米SiO2含量,x2表示纳米Al2O3含量,x3表示纳米TiO2质含量,b0、b1、b2和b3为估计参数;
以接触角角度为预测值,以所述纳米SiO2含量、所述纳米Al2O3含量和所述纳米TiO2含量为影响因素,根据所述每个实验组对应的修复涂料试样的接触角,利用多因素灰色预测模型进行预测,得到接触角预测模型y2=b0'+b1'x1+b2'x2+b3'x3,其中,y2为接触角预测值,x1表示纳米SiO2含量,x2表示纳米Al2O3含量,x3表示纳米TiO2含量,b0′、b1′、b2′和b3′为估计参数;
(3)以y(x1,x2,x3)=y1+y2为适应度函数,以x1+x2+x3≤特定含量且y2≥特定度数为约束条件,利用遗传算法进行纳米SiO2、纳米Al2O3和纳米TiO2配比的最优化,得到所述最佳配比下的纳米SiO2含量、纳米Al2O3含量和纳米TiO2含量。
2.根据权利要求1所述的预测方法,其特征在于:所述环氧树脂为双酚A型环氧树脂;
步骤(1)中,所述纳米SiO2含量以所述纳米SiO2占所述环氧树脂的质量百分含量计,所述纳米Al2O3质含量以所述纳米Al2O3占所述环氧树脂的质量百分含量计,所述纳米TiO2含量以所述纳米TiO2占所述环氧树脂的质量百分含量计;
步骤(1)和步骤(3)中所述特定含量为5%。
3.根据权利要求2所述的预测方法,其特征在于:步骤(1)中,所述设计多个实验组步骤中,每个影响因子下设置7~8个水平。
4.根据权利要求3所述的预测方法,其特征在于:以C%表示占所述环氧树脂的质量百分含量,所述多个实验组为如下16个实验组:
实验组1:纳米SiO2 2.5C%,纳米Al2O3 2.5C%,纳米TiO2 0C%;
实验组2:纳米SiO2 0C%,纳米Al2O3 0C%,纳米TiO2 5C%;
实验组3:纳米SiO2 0C%,纳米Al2O3 1.67C%,纳米TiO2 3.33C%;
实验组4:纳米SiO2 0C%,纳米Al2O3 2.5C%,纳米TiO2 2.5C%;
实验组5:纳米SiO2 0C%,纳米Al2O3 0.83C%,纳米TiO2 4.17C%;
实验组6:纳米SiO2 3.33C%,纳米Al2O3 0.83C%,纳米TiO2 0.83C%;
实验组7:纳米SiO2 2.5C%,纳米Al2O3 0C%,纳米TiO2 2.5C%;
实验组8:纳米SiO2 4.17C%,纳米Al2O3 0.83C%,纳米TiO2 0C%;
实验组9:纳米SiO2 5C%,纳米Al2O3 0C%,纳米TiO2 0C%;
实验组10:纳米SiO2 0C%,纳米Al2O3 4.17C%,纳米TiO2 0.83C%;
实验组11:纳米SiO2 2.93C%,纳米Al2O3 2.07C%,纳米TiO2 0C%;
实验组12:纳米SiO2 1.67C%,纳米Al2O3 0C%,纳米TiO2 3.33C%;
实验组13:纳米SiO2 3.33C%,纳米Al2O3 1.67C%,纳米TiO2 0C%;
实验组14:纳米SiO2 2.93C%,纳米Al2O3 0C%,纳米TiO2 2.07C%;
实验组15:纳米SiO2 0C%,纳米Al2O3 5C%,纳米TiO2 0C%;
实验组16:纳米SiO2 0C%,纳米Al2O3 3.33C%,纳米TiO2 1.67C%。
5.根据权利要求1-4中任一项所述的预测方法,其特征在于:所述石墨烯的质量为所述环氧树脂质量的2%~5%。
6.根据权利要求1-5中任一项所述的预测方法,其特征在于:步骤(2)中,按照如下步骤制作所述修复涂料试样:
1)将所述石墨烯的水溶液、所述环氧树脂和所述偶联剂混合后进行超声分散,超声分散完毕后分离出混合体系中的水,烘干,烘干完毕后再次进行超声;
2)将所述纳米SiO2、所述纳米Al2O3和所述纳米TiO2混合后进行超声分散,超声分散完毕后加入步骤1)得到的产物,加热升温,升温完毕后再次进行超声;
3)在步骤2)得到的产物中加入固化剂进行固化,得到所述修复涂料试样。
7.根据权利要求6所述的预测方法,其特征在于:步骤1)中,所述超声分散的频率为40KHZ,时间为20min~30min;
所述烘干的温度为80℃~100℃,时间为30min~1h;
所述烘干完毕后再次进行超声的频率为40KHZ,时间为20min~30min;
步骤2)中,所述超声分散的频率为40KHZ,时间为20min~30min;
所述加热升温至80~100℃;
所述升温完毕后再次进行超声的频率为40KHZ,时间为60min~90min;
步骤3)中,所述固化的温度为80℃~100℃,时间为60min~90min。
8.根据权利要求1-7中任一项所述的预测方法,其特征在于:步骤(3)中,所述特定度数为90°;
所述遗传算法采用编码的形式写出所述适应度函数;
参数设置为种群大小为100,最大迭代次数设置为100,每一代的精英个数为10,交叉后代比例为0.6,最大进化代数和停止代数均为100,适应度函数偏差为1×10-100,排序函数默认为等级排序。
9.一种油气管道内改性环氧树脂修复涂层的制备方法,包括如下步骤:
利用权利要求1-8中任一项所述的预测方法确定纳米SiO2、纳米Al2O3和纳米TiO2的最佳配比;
按照所述最佳配比进行投料制备所述油气管道内改性环氧树脂修复涂层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111485730.1A CN116239928B (zh) | 2021-12-07 | 2021-12-07 | 一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111485730.1A CN116239928B (zh) | 2021-12-07 | 2021-12-07 | 一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116239928A true CN116239928A (zh) | 2023-06-09 |
CN116239928B CN116239928B (zh) | 2024-02-06 |
Family
ID=86624676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111485730.1A Active CN116239928B (zh) | 2021-12-07 | 2021-12-07 | 一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116239928B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04126235A (ja) * | 1990-09-18 | 1992-04-27 | Kawasaki Steel Corp | 高耐食性自動車用表裏異種表面処理鋼板 |
CN101440255A (zh) * | 2007-11-20 | 2009-05-27 | 泉耀科技股份有限公司 | 不降低透明基材光穿透率的透明水基纳米溶胶凝胶涂料 |
CN104951835A (zh) * | 2015-07-06 | 2015-09-30 | 中国人民解放军国防科学技术大学 | 一种基于进化激励算子的遗传算法 |
CN105219208A (zh) * | 2015-10-08 | 2016-01-06 | 陈曦 | 一种环氧酚醛纳米防腐涂料的制备方法 |
CN105925073A (zh) * | 2016-06-27 | 2016-09-07 | 山东科技大学 | 一种耐腐蚀超疏水热反射涂料及其制备方法 |
CN110766059A (zh) * | 2019-10-14 | 2020-02-07 | 四川西部能源股份有限公司郫县水电厂 | 一种变压器故障的预测方法、装置和设备 |
CN110964412A (zh) * | 2019-12-26 | 2020-04-07 | 忠旺(辽阳)铝模板制造有限公司 | 一种铝模板用透明粉末涂料及其制备方法和应用 |
CN111433549A (zh) * | 2017-07-17 | 2020-07-17 | 分形散热器技术有限责任公司 | 多重分形散热器系统及方法 |
CN112687351A (zh) * | 2021-01-07 | 2021-04-20 | 哈尔滨工业大学 | 一种基于遗传算法-bp神经网络快速预测复合介质微波电磁性能的方法 |
CN112908431A (zh) * | 2021-01-28 | 2021-06-04 | 中铁岩锋成都科技有限公司 | 一种液体硅酸盐无机涂料配方的设计方法 |
CN113660934A (zh) * | 2018-11-21 | 2021-11-16 | 特默罗制药股份有限公司 | 罗非昔布的纯化形式、制备方法和用途 |
-
2021
- 2021-12-07 CN CN202111485730.1A patent/CN116239928B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04126235A (ja) * | 1990-09-18 | 1992-04-27 | Kawasaki Steel Corp | 高耐食性自動車用表裏異種表面処理鋼板 |
CN101440255A (zh) * | 2007-11-20 | 2009-05-27 | 泉耀科技股份有限公司 | 不降低透明基材光穿透率的透明水基纳米溶胶凝胶涂料 |
CN104951835A (zh) * | 2015-07-06 | 2015-09-30 | 中国人民解放军国防科学技术大学 | 一种基于进化激励算子的遗传算法 |
CN105219208A (zh) * | 2015-10-08 | 2016-01-06 | 陈曦 | 一种环氧酚醛纳米防腐涂料的制备方法 |
CN105925073A (zh) * | 2016-06-27 | 2016-09-07 | 山东科技大学 | 一种耐腐蚀超疏水热反射涂料及其制备方法 |
CN111433549A (zh) * | 2017-07-17 | 2020-07-17 | 分形散热器技术有限责任公司 | 多重分形散热器系统及方法 |
CN113660934A (zh) * | 2018-11-21 | 2021-11-16 | 特默罗制药股份有限公司 | 罗非昔布的纯化形式、制备方法和用途 |
CN110766059A (zh) * | 2019-10-14 | 2020-02-07 | 四川西部能源股份有限公司郫县水电厂 | 一种变压器故障的预测方法、装置和设备 |
CN110964412A (zh) * | 2019-12-26 | 2020-04-07 | 忠旺(辽阳)铝模板制造有限公司 | 一种铝模板用透明粉末涂料及其制备方法和应用 |
CN112687351A (zh) * | 2021-01-07 | 2021-04-20 | 哈尔滨工业大学 | 一种基于遗传算法-bp神经网络快速预测复合介质微波电磁性能的方法 |
CN112908431A (zh) * | 2021-01-28 | 2021-06-04 | 中铁岩锋成都科技有限公司 | 一种液体硅酸盐无机涂料配方的设计方法 |
Non-Patent Citations (3)
Title |
---|
FAUZI, N.F: "《Thin Film Roughness Optimization in the TiN Coatings Using Genetic Algorithms》", 《JOURNAL OF THEORETICAL AND APPLIED INFORMATION TECHNOLOGY》 * |
中国无线电: "《自动化技术、计算机技术》", 《中国无线电电子学文摘》 * |
黄一凡;王姝勤;刘常义;: "《灰色-神经网络算法预测地网腐蚀与优化》", 《环境技术》, no. 03 * |
Also Published As
Publication number | Publication date |
---|---|
CN116239928B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105694658B (zh) | 一种耐高温石墨烯/乙烯基树脂防腐涂料及其制备方法 | |
Bahrami et al. | Investigating corrosion protection properties of epoxy thermal insulators through cyclic corrosion test | |
CN109735200A (zh) | 一种环氧防腐涂料组合物及其制备方法和应用 | |
Song et al. | Study of adhesion properties and mechanism of sodium silicate binder reinforced with silicate fume | |
CN116239928B (zh) | 一种油气管道内改性环氧树脂修复涂层中改性材料最佳配比的预测方法 | |
JP4425510B2 (ja) | 膨張黒鉛からなるアクリル樹脂含浸体 | |
Ornaghi et al. | Fluoroelastomers reinforced with carbon nanofibers: a survey on rheological, swelling, mechanical, morphological, and prediction of the thermal degradation kinetic behavior | |
Li et al. | Tribological and corrosion behaviors of fluorocarbon coating reinforced with sodium iron titanate platelets and whiskers | |
Davoodi et al. | Corrosion behavior of epoxy/polysulfide coatings incorporated with nano-CeO2 particles on low carbon steel substrate | |
Hsissou et al. | Rheological behavior models of polymers | |
CN115181340B (zh) | 有效构筑三维导电网络结构的电磁屏蔽天然橡胶及其制备 | |
Buketov et al. | Optimization of ingredients upon development of the protective polymeric composite coatings for the river and sea transport | |
Al-Mufti et al. | Innovative Approach to Fuel Cell Bipolar Plate Using Conductive Polymer Blend Composites: Selective Localization of Carbon Fiber at the Interface of Polymer Blends | |
Vlasov et al. | Influence of carbon additives on mechanical characteristics of an epoxy binder | |
CN106589315A (zh) | 一种改性耐高温环氧树脂的制备方法 | |
Heshmati et al. | Artificial intelligence method for predicting mechanical properties of sand/glass reinforced polymer: a new model | |
CN114437605A (zh) | 一种功能化碳纳米管改性环氧丙烯酸树脂涂料的制备方法 | |
CN113072829A (zh) | 一种基于有机硅改性酚醛环氧树脂的涂料及其制备方法 | |
Khan et al. | Investigating the effect of curing temperature on the corrosion resistance of epoxy-based composite coatings for aluminium alloy 7075 in artificial seawater | |
Buketov et al. | Optimization of ingredients for two-layer epoxy coating for protection of sea and river vehicles | |
Lee | The effects of degree of mixing and concentration of carbon black on the tensile properties of filled elastomers | |
Kabakçı et al. | Nanofiller Effects on the Isothermal Curing Kinetics of Epoxy Resin | |
Jasim | Evaluation of Fatigue Behavior of Epoxy Based Coatings used for Potable Water Storage Tanks. | |
Akhmetova | Development of Mineral Fillers for Acid Resistant Filling Composites | |
CN113088038B (zh) | 一种硬度高耐腐蚀的合成树脂及其制备方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |