纳米纤维双层空气过滤膜的智能设计与优化：基于人工神经网络-遗传算法的高效低阻策略

《Results in Engineering》：Intelligent Design and Fabrication of Nanofibrous Bilayer Air Filters

本研究针对纳米纤维多层空气过滤器设计中缺乏系统优化方法的问题，通过结合人工神经网络(ANN)、理论建模和遗传算法(GA)，开发了一种新型成本函数来评估过滤效率与压降。研究人员以聚丙烯腈(PAN)和聚酰胺-6(PA-6)为材料构建双层滤膜，通过优化静电纺丝参数，成功制备出过滤效率达0.9994、压降仅40 Pa的高性能过滤器，为智能设计梯度结构过滤材料提供了新范式。

　　

随着全球空气污染问题日益严重，高性能空气过滤器已成为维护室内外空气质量的必备品。在众多过滤材料中，纳米纤维因其高孔隙率和超大比表面积而展现出卓越的过滤潜力，但传统单层纳米纤维膜往往面临一个两难困境：想要提高过滤效率就需要增加厚度或减小纤维直径，但这会导致压力降显著升高，进而增加能耗、缩短使用寿命。

以往的研究多采用试错法来设计多层过滤器，缺乏系统性的优化方法。虽然梯度分层结构已被证明能有效平衡过滤效率与压降——通过外层粗纤维捕获大颗粒、内层细纤维捕捉小颗粒——但如何精确调控各层的参数仍是一个重大挑战。特别是对于双层纳米纤维过滤器，需要同时优化两种不同材料的纺丝参数，其复杂性远超单层系统。

在这项发表于《Results in Engineering》的研究中，伊朗阿米喀布尔理工大学的科研团队开创性地将人工智能技术应用于双层纳米纤维过滤器的优化设计。他们选择聚丙烯腈(PAN)作为顶层材料，负责捕获较大颗粒并提供机械稳定性；聚酰胺-6(PA-6)作为底层，凭借其柔韧性和高孔隙率来捕捉较小颗粒。这种材料组合创造了一个互补的过滤系统，既能高效捕获颗粒，又能保持低压力降。

研究团队首先通过系统的静电纺丝实验，在不同鼓转速、喷嘴-收集器距离和纺丝时间下制备了21种参数组合的样本，收集了包括纤维直径、基重和厚度在内的关键数据。随后，他们开发了一种新型成本函数，能够同时评估双层过滤器的过滤效率和压力降。这项研究的核心创新在于将人工神经网络(ANN)与遗传算法(GA)相结合，建立了一个智能优化框架。ANN负责准确预测不同纺丝参数下的纤维形态特征，而GA则用于多目标优化，寻找能够同时最大化过滤效率和最小化压力降的最佳参数组合。

在建模过程中，研究人员比较了响应面分析法(RSM)和ANN的预测性能。结果显示，ANN模型在训练和测试阶段均表现出色，R2值接近1，远优于RSM模型。灵敏度分析进一步揭示了各参数的重要性：纺丝时间对多数输出特性影响最大，而鼓转速的影响相对较小。

通过遗传算法优化后，研究团队成功将Pareto前沿向前推进，获得了显著改进的过滤性能。优化后的双层过滤器在实验验证中表现惊人：对300纳米颗粒的过滤效率高达99.94%，而压力降仅为40帕斯卡。与优化前相比，这一结果代表了过滤性能的重大突破。

在机理分析方面，研究揭示了双层结构的协同作用：PAN层作为预过滤器，首先捕获较大颗粒；剩余的细小颗粒则被PA-6层高效拦截。这种分级捕获机制不仅提高了整体效率，还通过合理分配颗粒负载延长了过滤器寿命。环境稳定性测试表明，该过滤器在35-95%的相对湿度和25-55°C的温度范围内都能保持稳定的过滤性能，这归功于PAN和PA-6材料固有的热稳定性和低溶胀性。

与现有产品相比，这种AI优化的双层过滤器表现卓越：它不仅超越了过滤效率为97.32%、压降达187帕斯卡的N95口罩，还优于文献中报道的大多数双层甚至三层过滤器。特别值得关注的是，该过滤器在保持超高效率的同时，压降极低，这意味着在实际应用中能显著降低能耗。

技术方法上，本研究主要采用静电纺丝技术制备纳米纤维膜，通过人工神经网络建立参数与性能的映射关系，结合遗传算法进行多目标优化，并利用扫描电子显微镜表征纤维形貌，采用标准气溶胶测试系统评估过滤性能。

研究结果方面，参数优化研究表明，人工神经网络模型能准确预测纤维形态特性，优化后PAN层纤维直径减小24.84%，PA-6层纺丝时间增加99.37%，双层结构实现协同增强。性能验证结果显示，优化样品过滤效率达99.94%，压降仅40Pa，性能稳定性验证表明过滤器在宽温湿度范围内保持稳定性能。机理阐释通过理论模型分析表明，双层结构的协同效应是性能提升的关键，不同粒径颗粒在不同层被高效捕获。

这项研究的意义远不止于开发出一种高性能过滤器。它建立了一个通用的智能设计框架，可推广至更多层数、更复杂材料的过滤系统优化。随着空气污染问题的持续加剧和对能源效率要求的不断提高，这种基于人工智能的精准设计方法为下一代高效节能空气过滤器的开发指明了方向。未来，该技术有望在医疗防护、工业净化和室内空气净化等领域发挥重要作用，为全球空气质量改善提供技术支持。

研究结论强调，梯度分层是提升过滤性能的有效策略，人工神经网络是优化复杂工艺参数的有力工具，遗传算法可实现多目标性能均衡优化，而材料互补设计是实现高性能过滤器的关键。该研究不仅解决了双层纳米纤维过滤器的优化难题，更为多层功能材料的设计提供了新思路，标志着空气过滤器设计正式步入智能化时代。