耐水性是水性涂膜研发及大规模生产环节中重要的性能指标。本论文主要研究了聚丙烯酸酯水性涂膜及涂料体系的耐水性建模问题。利用人工神经网络、分子动力学、数理统计多元回归等手段,对材料的耐水性进行了预测与分析,为提高水性涂膜材料的耐水性提供有利的支持。主要内容如下:(一)利用人工神经网络多目标同时预测的方法,从涂料体系配方中的三种单体(丙烯酸丁酯、甲基丙烯酸甲酯和苯乙烯)及两种颜料(二氧化钛和碳酸钙)的用量出发,建立对涂料的硬度、附着力、耐冲击性和反射率四种性质的预测模型。经过数据的预处理及对网络参数的优化,得到了98%的总体预测准确率。(二)从分子动力学模拟出发,通过计算涂膜聚合物分子与水分子间及界面间的相互作用,建立了能量与饱和吸水率之间的拟和关系;考察了聚合物内部氢键作用对水分子在内部的扩散系数的影响;以扩散系数、水性官能度及其相互作用三个因素建立起预测聚丙烯酸酯水性膜材料饱和吸水率的模型,其预测误差约5%,为后续的多尺度建模研究提供了参数。(三)研究了乳液与颜料粒子之间的相互作用。通过实验测定接触角与分子模拟得到的相互作用能量比较,找到了它们之间的对应关系,为涂膜多尺度建模中含有颜料的部分提供相应的数值基础。(四)建立了涂膜耐水性的多尺度关联模型,提出平衡时间tB和渗透平均速率SV两个参数用于表征膜材料耐水性。考察了各种宏观因素及微观变量对材料耐水性的影响,与实验的结果一致,证明了模型的可行性及可靠性,为在特定环境下使用的膜材料的生产工艺及选用提供指导依据。(五)将之前考虑的各部分内容综合总结,建立可视化界面系统,为本研究在更大范围内使用提供有力支持。