بررسی تاثیر کوپلیمر استایرن-بوتادین-استایرن بر خصوصیات پلی استایرن انبساطی و شبیه سازی داده های آزمایشگاهی با شبکه های عصبی مصنوعی

موضوع تحقیق: پلی استایرن انبساطی کاربرد گسترده ای دارد. این پلیمر به روش پلیمری شدن رادیکالی تهیه می شود. این ماده در صنایع بسته بندی و عایق کاری کاربرد فراوانی دارد. بعضی از ویژگی های این پلیمر از جمله استحکام مکانیکی پایین آن باعث شده تا کاربرد آن محدود شود. با اضافه کردن بعضی از مواد می توان ویژگی های این پلیمر را بهبود داد. کوپلیمر قطعه ای استایرن- بوتادین- استایرن از جمله موادی هستند که با اضافه کردن آن بر پلی استایرن انبساطی می توان کیفیت پلیمر را بهبود داد. یافته های تحقیق: در این مقاله، پلی استایرن انبساطی حاوی درصد های وزنی مختلف کوپلیمر قطعه ای استایرن-بوتادین-استایرن (0/02 ،0/01 ،0و0/03 در درصد تبدیل های مختلف پلی استایرن انبساطی (0/66 ،0/63 ،0/60و 0/69 درصد) تهیه شده است. آزمون های مختلفی از جمله آزمون ضربه، شاخص جریان مذاب، سنجش میزان نرمی پلیمر، استحکام کشش در نقطه شکست، k-value، سنجش میزان سختی پلیمر، میزان ازدیاد طول تا نقطه شکست بر روی پلیمر تولیدی انجام شد. داده های به-دست آمده از آزمایش ها با شبکه های عصبی مصنوعی mlp شبیه سازی شد و نتایج شبیه سازی به خوبی، داده های آزمایشگاهی را پوشش داد. نتایج تحقیق: مطالعه آزمون ها نشان داد که در درصد های ثابت کوپلیمر قطعه ای استایرن-بوتادین-استایرن در پلی استایرن انبساطی، با افزایش درصد تبدیل پلی استایرن انبساطی به غیر از آزمون شاخص جریان مذاب (که پایین بودن آن نشان از کیفیت بالای پلیمر است)، مقدار عددی بقیه آزمون ها افزایش یافته است. افزایش درصد کوپلیمر قطعه ای استایرن-بوتادین-استایرن در پلی استایرن انبساطی، در درصد تبدیل های ثابت پلی استایرن انبساطی ویژگی های پلیمر را بهبود بخشیده است. نتایج شبیه سازی نشان داد که داده های آزمایشگاهی به خوبی نتایج شبیه سازی را پوشش می دهد. به کمک نتایج به دست آمده از شبیه سازی می توان در نقاطی که آزمایش انجام نشده با نتایج شبیه سازی داده های مربوط را پیش گویی کرد. افزودن درصدهای مختلف کوپلیمر قطعه ای استایرن-بوتادین-استایرن به پلی استایرن انبساطی در درصد تبدیل های مختلف به منظور افزایش خواص پلی استایرن برای اولین بار در این مقاله مورد مطالعه قرار گرفته است و نتایج داده های آزمایشگاهی برای پیشگویی در نقاطی که آزمایش صورت نگرفته با کمک شبکه های عصبی مصنوعی شبیه سازی شده است.

Investigation of influence of the Styrene Butadiene Styrene on the properties of the Expandable Poly Styrene and simulation of its laboratory data via Artificial Neural Networks

Research subject: Expandable Poly Styrene (EPS) has many applications. This polymer prepared by the radical polymerization. This material has many uses in packaging and insulation industries Some of the properties of this polymer like low mechanical strength caused its applications to be limited. By adding some materials, these properties can be improved. Styrene Butadiene Styrene (SBS) is from the materials that which by adding it to the EPS it can improve its quality.Research approach: In this research, EPS having different percentages of SBS (0, 0.01, 0.02, 0.03) in different conversion percentages (0.6, 0.63, 0.66, 0.69) has been prepared. Different tests like Impact Test, Modular Melt Flow test, Vicat Softening Temperature test, Tensile at Break test, Kvalue test, Rochwell Hardness test and Elongation at Break test are done on the prepared polymer. Laboratory gained data has been simulated by MultiLayer Perceptron (MLP) method of artificial neural networks (ANN) and the simulated data covers the laboratory data perfectly.Main Results: Investigating the tests show that in constant percentages of SBS in EPS with increase in conversion percentage of EPS, the numerical amount of the tests increases except MFI test (low MFI number means better quality). Increase in SBS percentage in the EPS, increases the properties of polymer. In addition, the results of simulation show that the laboratory data covers the the simulated data perfectly. The data obtained from the results of this reasearch can be used for predicting the data for the points which has not been tested. Adding SBS in different weight percentages of poly styrene in different conversion percentages in order to increase the properties of poly styrene has been used for the first time in this research and the laboratory data results in points which has not been tested has been acquired by applications of ANN.