·1440. 工程科学学报，第38卷，第10期 息中心提供，数据为2013年97个城市年辐照量，2561 不确定性适合用灰色关联度分析.灰色关联分析对样 个城市年均温度，2561个城市年均湿度，2512个城市 本容量和分布规律没有过多要求，它通过计算典型地 年降雨总量 区材料老化性能数据列和气候环境数据列的几何形状 1.2研究方法 相似程度，来比较气候因子对材料性能的影响 1.2.1EPDM老化数据初始化 程度 EPDM不同老化性能随时间变化规律和变化范围 1.2.5EPDM综合老化值与气候因子关联模型建立 具有差异，采用变化率处理原始数据，统一变化规律及 BP人工神经网络能将气候因子和老化程度值通 计算量纲.拉伸强度和撕裂强度变化率按公式(1)计 过神经元构建的拓扑结构进行学习训练，基于材料数 算，断裂伸长变化率按公式(2)计算，将不同老化性能 据与环境数据获得的路径规律，建立两者的关联，实现 随时间变化趋势同向化，统一为递增趋势.得到的变 对其他未知地区老化数据的预测.其基本算法包括两 化率再按公式(3)归一化处理，将数据变化范围缩放 个方面：信号的前向传播和误差的反向传播.环境数 到同一尺度 据提供给输入层后，神经元的激活值从输入层经各中 =花二七 间层向输出层传播，输出材料老化值，误差从输出层经 (1) 过各中间层逐步修正各连接权值，最后回到输入层，随 X=6二龙 着这种误差逆的传播修正不断进行，网络通过输入层 (2) 环境数据模拟输出层材料老化数据的正确率也不断 xi (3) 上升因 2 分析与结果 式中，X为变化率，x。为初始值，x为第i周期老化值，Z 2.1典型地区EPDM老化行为及综合评价 为归一化数据. 2.1.1典型地区EPDM老化行为分析 1.2.2老化性能指标间的关联分析 跟踪测量EPDM在I1个大气站点暴晒3年期间 因子分析可以判断老化指标间的重复程度.通过 的色差、拉伸强度、断裂伸长率、撕裂强度等性能指标， 主成分算法，对原始数据矩阵X。x求取相关矩阵 得到EPDM我国典型地区老化行为，如图2所示. Rxm,计算相关矩阵特征向量Uxp,将原相关的变量 从图2(a)可以看出，EPDM色差值在江津、琼海、 线性组合转变为互不相关的p个新变量F=Xxm 广州等地区较高，可能是因为色差所反映的橡胶表面 U.xp,如下式： 有色基团及链段结构在这些地区的环境中变化较明 F,=apx1+aex2+…+amxm (4) 显，评价结果为江津、琼海和广州地区EPDM老化程度 式中F。为第p个主成分，xm为第m个变量，am为载荷 较严重：图2()显示拉伸强度在拉萨地区暴晒后期增 系数. 加较多；图2(c)则显示断裂伸长率在武汉、广州等地 将载荷系数矩阵绘制为坐标图，根据载荷图对变 区下降明显：图2()显示撕裂强度在尉犁和琼海地区 量进行分类.变量在载荷图中坐标空间位置越靠近， 暴晒后期具有明显增加.以上分析表明，由于高分子 其表达的信息越接近，变量间的相关性越大四 材料及大气环境老化作用机制的复杂性，色差、拉伸强 1.2.3综合老化评价 度、断裂伸长率、撕裂强度等不同老化指标对不同环境 逼近理想解排序法(technique for order preference 的敏感度不一样，使得EPDM老化数据具有高维度、高 by similarity to ideal solution,TOPSIS)对于小样本的多 噪声、数据自相关性等特征，很难通过某单一的老 指标综合评价排序具有较高的适用性.通过逼近理想 化指标客观评价EPDM老化程度，因此需将各地老化 解排序法将色差、拉伸强度、断裂生产率等不同老化性 数据合理转化为一个可以综合衡量EPDM老化的值. 能指标转化为综合老化评价指标.该方法以各典型地 2.1.2EPDM老化综合评价研究 区各周期的不同老化指标作为评价对象，挑选所有评 色差、拉伸强度、断裂伸长率、撕裂强度等指标反 价对象中的最大值与最小值作为最优方案和最劣方 映高分子材料不同老化性能，同时相互之间存在关联. 案，分别计算各评价对象与最优方案和最劣方案的距 如拉伸强度、撕裂强度和断裂生产率都在某种程度上 离，获得各评价对象与最优方案的接近程度2国，以 反映材料整体力学性能的变化.因此，需要通过因子 此作为综合老化评价值 分析对以上多个老化指标进行筛选，选取最基本的评 1.2.4气候因子与老化性能灰色关联度分析 价指标. 气候环境与材料老化之间的作用过程可以看做是 在SPSS软件中选择因子分析，因子提取方法为主 一个信息不清晰的灰色系统，该样本空间的模糊性和 成分法，迭代计算次数为30次，呈现方式为非旋转因工程科学学报，第 38 卷，第 10 期 息中心提供，数据为 2013 年 97 个城市年辐照量，2561 个城市年均温度，2561 个城市年均湿度，2512 个城市 年降雨总量． 1. 2 研究方法 1. 2. 1 EPDM 老化数据初始化 EPDM 不同老化性能随时间变化规律和变化范围 具有差异，采用变化率处理原始数据，统一变化规律及 计算量纲． 拉伸强度和撕裂强度变化率按公式( 1) 计 算，断裂伸长变化率按公式( 2) 计算，将不同老化性能 随时间变化趋势同向化，统一为递增趋势． 得到的变 化率再按公式( 3) 归一化处理，将数据变化范围缩放 到同一尺度． X = xi － x0 x0 ． ( 1) X = x0 － xi x0 ． ( 2) Zi = xi ∑ n i = 1 x 2 槡 i ． ( 3) 式中，X 为变化率，x0为初始值，xi为第 i 周期老化值，Zi 为归一化数据． 1. 2. 2 老化性能指标间的关联分析 因子分析可以判断老化指标间的重复程度． 通过 主成 分 算 法，对 原 始 数 据 矩 阵 Xn × m 求 取 相 关 矩 阵 Ｒm × m，计算相关矩阵特征向量 Um × p，将原相关的变量 线性组合 转 变 为 互 不 相 关 的 p 个 新 变 量 F = Xn × m Um × p，如下式: Fp = ap1 x1 + ap2 x2 + … + apm xm ． ( 4) 式中 Fp 为第 p 个主成分，xm 为第 m 个变量，apm为载荷 系数． 将载荷系数矩阵绘制为坐标图，根据载荷图对变 量进行分类． 变量在载荷图中坐标空间位置越靠近， 其表达的信息越接近，变量间的相关性越大［11］． 1. 2. 3 综合老化评价 逼近理想解排序法( technique for order preference by similarity to ideal solution，TOPSIS) 对于小样本的多 指标综合评价排序具有较高的适用性． 通过逼近理想 解排序法将色差、拉伸强度、断裂生产率等不同老化性 能指标转化为综合老化评价指标． 该方法以各典型地 区各周期的不同老化指标作为评价对象，挑选所有评 价对象中的最大值与最小值作为最优方案和最劣方 案，分别计算各评价对象与最优方案和最劣方案的距 离，获得各评价对象与最优方案的接近程度［12--13］，以 此作为综合老化评价值． 1. 2. 4 气候因子与老化性能灰色关联度分析 气候环境与材料老化之间的作用过程可以看做是 一个信息不清晰的灰色系统，该样本空间的模糊性和 不确定性适合用灰色关联度分析． 灰色关联分析对样 本容量和分布规律没有过多要求，它通过计算典型地 区材料老化性能数据列和气候环境数据列的几何形状 相似程 度［14］，来 比较气候因子对材料性能的影响 程度． 1. 2. 5 EPDM 综合老化值与气候因子关联模型建立 BP 人工神经网络能将气候因子和老化程度值通 过神经元构建的拓扑结构进行学习训练，基于材料数 据与环境数据获得的路径规律，建立两者的关联，实现 对其他未知地区老化数据的预测． 其基本算法包括两 个方面: 信号的前向传播和误差的反向传播． 环境数 据提供给输入层后，神经元的激活值从输入层经各中 间层向输出层传播，输出材料老化值，误差从输出层经 过各中间层逐步修正各连接权值，最后回到输入层，随 着这种误差逆的传播修正不断进行，网络通过输入层 环境数据模拟输出层材料老化数据的正确率也不断 上升［15］． 2 分析与结果 2. 1 典型地区 EPDM 老化行为及综合评价 2. 1. 1 典型地区 EPDM 老化行为分析 跟踪测量 EPDM 在 11 个大气站点暴晒 3 年期间 的色差、拉伸强度、断裂伸长率、撕裂强度等性能指标， 得到 EPDM 我国典型地区老化行为，如图 2 所示． 从图 2( a) 可以看出，EPDM 色差值在江津、琼海、 广州等地区较高，可能是因为色差所反映的橡胶表面 有色基团及链段结构在这些地区的环境中变化较明 显，评价结果为江津、琼海和广州地区 EPDM 老化程度 较严重; 图 2( b) 显示拉伸强度在拉萨地区暴晒后期增 加较多; 图 2( c) 则显示断裂伸长率在武汉、广州等地 区下降明显; 图 2( d) 显示撕裂强度在尉犁和琼海地区 暴晒后期具有明显增加． 以上分析表明，由于高分子 材料及大气环境老化作用机制的复杂性，色差、拉伸强 度、断裂伸长率、撕裂强度等不同老化指标对不同环境 的敏感度不一样，使得 EPDM 老化数据具有高维度、高 噪声、数据自相关性等特征［16］，很难通过某单一的老 化指标客观评价 EPDM 老化程度，因此需将各地老化 数据合理转化为一个可以综合衡量 EPDM 老化的值． 2. 1. 2 EPDM 老化综合评价研究 色差、拉伸强度、断裂伸长率、撕裂强度等指标反 映高分子材料不同老化性能，同时相互之间存在关联． 如拉伸强度、撕裂强度和断裂生产率都在某种程度上 反映材料整体力学性能的变化． 因此，需要通过因子 分析对以上多个老化指标进行筛选，选取最基本的评 价指标． 在 SPSS 软件中选择因子分析，因子提取方法为主 成分法，迭代计算次数为 30 次，呈现方式为非旋转因 · 0441 ·