分子动力学研究HFPT、Cu和SiC纳米颗粒对环氧树脂性能的协同效应

《Journal of Materials Research and Technology》：Molecular Dynamics Study on the Synergistic Effect of HFPT, Cu, and SiC Nanoparticles on Epoxy Resin Properties

本研究通过分子动力学模拟和PSO-BPNN-GA多目标优化算法，探究了六氟丙二醇酯（HFPT）、铜（Cu）和硅 carbide（SiC）纳米粒子对环氧树脂（EP）性能的影响。结果表明，HFPT:Cu:SiC最优配比为3.2795:2.8058:1.9441，可使玻璃化转变温度（Tg）提升22.3%至168.9°C，杨氏模量（E）提高21.8%至4.13MPa，热导率（TC）增加26.6%至0.214W/m·K，介电常数（ε）降至2.5。摘要后加分隔符：

　　在当前电力工业迅速发展的背景下，超高压（UHV）和特高压（EHV）系统对绝缘材料的性能提出了更高的要求。环氧树脂（EP）因其优异的物理化学性能和电绝缘特性，广泛应用于电力设备中。然而，随着使用环境的复杂化，EP材料在实际应用中时常因局部热积累或电场作用下的击穿过程导致失效，从而引发电力中断事故。为了解决这些问题，研究人员不断探索如何通过添加填充剂来优化EP的综合性能，使其在高压绝缘系统中表现更佳。

传统的单一填充剂策略在提升EP性能方面存在一定的局限性，难以满足多方面的性能需求。相比之下，多填充剂协同策略展现出更大的潜力。本研究提出了一种新型的混合填充剂系统，包括六氟丙烯三聚体（HFPT）、铜（Cu）和碳化硅（SiC）纳米颗粒。该系统旨在通过多填充剂之间的协同效应，显著提升EP复合材料的综合性能。为了系统地评估填充剂对材料性能的影响，研究采用了分子动力学（MD）模拟方法，并结合粒子群优化-反向传播神经网络-遗传算法（PSO-BPNN-GA）来确定最优填充比例，以实现EP复合材料在电气绝缘、机械强度、热传导和热稳定性等方面的平衡优化。

在MD模拟过程中，DGEBA被选为环氧树脂基体，MTHPA作为固化剂，构建了分子模型。模拟中采用的填充剂比例为1:2（DGEBA:MTHPA），并引入了不同比例的HFPT、Cu和SiC纳米颗粒。研究发现，随着填充剂含量的增加，环氧树脂复合材料的性能呈现出非线性的变化趋势。例如，均方位移（MSD）在填充剂含量较低时呈现下降趋势，但随着填充剂浓度的进一步提高，MSD则开始上升。这表明，填充剂的添加在一定程度上抑制了分子链的运动，但过量填充可能导致材料内部出现空隙和自由体积，从而促进原子移动，降低材料的稳定性。HFPT的添加对MSD的影响较为显著，其含量增加会导致MSD升高。

玻璃化转变温度（Tg）是衡量材料热稳定性的关键参数之一。研究发现，随着填充剂含量的增加，Tg呈现出上升趋势，其中在HFPT:Cu:SiC = 2%:4%:2%的填充比例下，Tg达到168.9°C，比纯环氧树脂提升了22.3%。这一结果表明，铜和碳化硅纳米颗粒的加入显著提高了材料的热稳定性，其高熔点和刚性结构对环氧树脂分子链的运动产生了抑制作用。然而，HFPT的添加对Tg的影响较小，这可能与其作为小分子填充剂，无法与环氧树脂网络形成化学键有关。

杨氏模量（E）是衡量材料机械性能的重要指标。研究显示，随着填充剂含量的增加，E呈现出上升趋势，其中在HFPT:Cu:SiC = 0%:3%:1.5%的填充比例下，E达到4.13 MPa，比纯环氧树脂提升了21.8%。这一结果归因于纳米颗粒的高比表面积，使其能够与环氧树脂分子链形成较强的界面相互作用，从而实现均匀应力分布，减少应力集中，并抑制微裂纹的产生和扩展。然而，HFPT的添加对E的影响较小，说明其在提升机械性能方面不如Cu和SiC有效。

热导率（TC）是材料在高温环境下的重要性能参数，直接影响其散热能力。研究发现，TC随着纳米颗粒含量的增加而提高，其中在HFPT:Cu:SiC = 0%:4%:2%的填充比例下，TC达到0.214 W/m·K，比纯环氧树脂提升了26.6%。这一趋势主要由Cu和SiC纳米颗粒的高热导率决定，它们能够形成有效的热传导路径，提升材料的整体热传导能力。相比之下，HFPT的添加对TC的影响较小，这可能与其热传导能力有限有关。

介电常数（ε）是衡量材料电绝缘性能的关键指标。研究显示，随着HFPT含量的增加，ε显著降低，而Cu的加入则在含量超过2%后对ε产生更明显的影响，使其降至约2.5。这一结果表明，HFPT和Cu的加入能够有效降低材料的介电性能，从而提高其在高压环境下的绝缘能力。然而，SiC的加入对ε的影响较小，说明其在电绝缘方面的提升作用有限。

此外，材料的结合能密度电静力部分（CEDe）反映了材料内部电荷分布的稳定性。研究发现，CEDe随着HFPT和SiC含量的增加而提高，而Cu的加入则会降低CEDe。这表明，HFPT和SiC的加入能够增强材料的内部稳定性，而Cu的引入则可能影响材料的电荷分布，从而降低其结合能密度。因此，在设计填充剂比例时，需要在提升材料性能的同时，平衡不同填充剂对CEDe的影响。

为了进一步优化填充剂比例，研究采用了一种结合粒子群优化（PSO）、反向传播神经网络（BPNN）和遗传算法（GA）的混合优化方法。这种方法能够有效应对多填充剂系统中复杂的非线性关系，通过模拟和实验数据的结合，训练神经网络模型，预测不同填充比例下的材料性能。随后，遗传算法用于搜索最优的填充比例，以实现材料性能的全面提升。研究发现，最优填充比例为HFPT:Cu:SiC = 3.2795:2.8058:1.9441。在这一比例下，材料的各项性能指标均达到较优水平，表现出良好的综合性能。

研究还发现，该优化方法能够有效提高预测精度，并确保模型在不同数据集上的泛化能力。通过将实验数据与模拟结果进行对比，研究验证了该方法的可靠性。此外，模型的训练和测试过程表明，该方法能够快速收敛，并在较短时间内找到最优解，为未来开发高性能环氧树脂复合材料提供了有力的技术支持。

综上所述，本研究通过引入HFPT、Cu和SiC三种填充剂，构建了一种新型的环氧树脂复合材料体系。通过分子动力学模拟和机器学习优化方法，系统地评估了填充剂对材料性能的影响，并确定了最优填充比例。研究结果表明，该填充体系能够在保持良好电绝缘性能的同时，显著提升材料的机械强度和热稳定性，为UHV/EHV电力设备的绝缘材料开发提供了新的思路和技术手段。未来的研究可以进一步探索填充剂的微观结构与宏观性能之间的关系，以及填充剂在不同环境条件下的表现，以实现更广泛的应用。