一种基于深度学习的压电水凝胶性能优化方法

本发明公开了一种基于深度学习的压电水凝胶性能优化方法，涉及材料制备技术领域，包括配制双官能团单体的水凝胶前驱体溶液，加入交联剂N,N'‑亚甲基双丙烯酰胺并搅拌溶解，得到均一透明溶液；将均一透明溶液注入聚四氟乙烯模具中，采用刮刀涂布法控制湿膜厚度并进行紫外引发聚合，形成凝胶薄膜；将凝胶薄膜裁切成样品，测量初始压电系数、介电常数和介电损耗因子，获得初始性能数据。本发明通过创新性地结合对抗网络和强化学习技术，构建了一套完整的压电水凝胶智能优化体系，对抗网络动态极化控制步骤利用物理约束的对抗训练生成非对称三角波极化方案，实现了极化参数与材料动态响应的精确匹配。