基于神经网络模型的阻燃PP材料生产用填料参数优化方法

本发明公开了一种基于神经网络模型的阻燃PP材料生产用填料参数优化方法，通过正交实验或拉丁超立方抽样采集填料配比与性能数据；构建RBF神经网络模型以建立填料参数与性能指标的非线性映射；基于阻燃性、力学性能、加工性构建多目标优化函数，结合MOPSO算法全局寻优并输出Pareto最优解集；筛选配方并实验验证。本发明利用RBF模型精准预测性能，通过MOPSO平衡多目标冲突，显著减少实验次数，解决传统试错法效率低、成本高的问题，为阻燃PP材料的智能化配方设计提供高效解决方案。