近年纳米电介质已成为国内外学术及应用领域研究热点,在纳米电介质制备、结构表征、性能测试等方面取得大量研究成果。由于纳米电介质涉及无机和有机材料复合,多种因素影响复合材料微结构和性能。目前,纳米电介质研究存在以下问题:主要采用一元统计分析方法分析性能,而多种因素对电气性能影响的研究较少;设计与制备采用实验法,效率低、成本高。针对以上问题,本文将信息处理技术应用到纳米电介质研究中,利用支持向量机分类器、主成分分析、集成回归模型等方法,检测识别聚酰亚胺基复合薄膜类型,分析和预测复合薄膜的电气性能。测试不同颗粒和组分单层聚酰亚胺基复合薄膜耐电晕特性,利用多元统计分析中的主成分分析研究影响耐电晕性能的主要因素。对纳米颗粒比表面积、介电常数等7种因素进行协方差计算、对角化处理,由相关矩阵得到影响因素排序。结果表明,影响复合薄膜耐电晕性关键因素为无机颗粒比表面积。比表面积大的颗粒掺杂可以显著提高复合薄膜耐电晕性。主成分分析法为选择掺杂纳米颗粒种类、制备新型纳米电介质提供理论依据。利用SEM获取表面纹理特征,结合Adaboost和极限学习机两种分类器对掺杂纳米颗粒种类和组分检测;结果表明,对于PI/MMT+TiO2、PI/BaTiO3、PI三种薄膜检测识别平均精度分别0.980,对于组分15wt%、20wt%、25wt%三种PI/BaTiO3复合薄膜检测识别平均精度为0.924。SAXS提取单层和多层聚酰亚胺基纳米复合薄膜的内部结构特征,使用Puk核的支持向量机分类器对单层和三层薄膜检测识别。通过相应的信息处理技术可对复合薄膜层数、掺杂颗粒种类和组分识别检验,对比研究表明,本文模型识别效果优于其他模型。利用集成学习的思想构建SGBS集成回归模型和RF-MLP集成回归模型分别预测聚酰亚胺基复合薄膜的击穿场强和介电损耗性能。SGBS集成回归模型利用Stochastic Gradient Boosting方法将10个SMO-SVR构建一个强预测模型,击穿场强预测结果:MAE为14.2598、RMSE为19.6840、RAE为22.2600%、RRSE为25.0100%。RF-MLP集成回归模型利用随机森林方法将10个感知机神经元网络构建一个强预测模型,介电损耗预测结果:MAE为0.0007、RMSE为0.0013、RRSE为32.0972%。两个模型预测值与测量值误差小,均优于现有预测模型。研究结果表明,信息处理技术引入纳米电介质研究,减少实验和测试数量,优化材料设计,降低研发成本,为新型纳米电介质材料设计、制备提供有力支持。