基于拉伸流变的聚合物叶片挤出机是华南理工大学聚合物新型成型装备国家工程研究中心的最新科研成果,首次将叶片取代螺杆应用于挤出机上,开创了以拉伸流变为主的挤出机正位移塑化输送模式。与传统的螺杆挤出机相比,叶片挤出机具有能耗低、效率高、物料热-机械历程短、物料适应性广以及体积小等特点。本文对叶片挤出机能耗特性的模拟研究,为叶片挤出机的工艺参数进一步优化和实际生产节能提供理论依据,并为研究叶片挤出机输送过程特性的反应机理提供参考。影响叶片挤出机能耗特性的因素较多,因素之间还有相互影响,它们与能耗的关系是一个非线性的复杂关系,很难从机理上建立模型来进行推导。本文首次应用的神经网络方法对叶片挤出机能耗特性的进行模拟,该方法不需掌握复杂的挤出过程机理,使建模过程变得简单、高效。首先研究分析了叶片挤出机的各个影响因素,制定实验方案对LDPE的产量、能耗进行实验数据采集,然后建立基于数据驱动的能耗特性神经网络模型,利用BP神经网络算法和广义神经网络算法对实验数据进行训练、仿真和预测,并与多元非线性回归模型的预测结果作比较。结果表明:神经网络预测精度高,误差均在5%以下,模拟预测精度均优于多元非线性回归模型,其中BP神经网络的平均预测误差在1.75%以下,预测效果最好。在实验和神经网络模型基础上对叶片挤出机的能耗特性的变化规律作进一步的研究。结果表明,叶片挤出机有较稳定和广泛的节能加工范围,它的产量受叶片的转速和口模压力影响较大,产量与转速成正比关系,与压力成反比关系,而受进料口温度和塑化段温度影响较小;挤出机的整机单耗则随着转速的增加而降低,随着压力、进料口温度、塑化段温度增加而上升。