热重动力学智能分析实验

Intelligent Thermogravimetric Kinetics Analysis Experiment

本实验面向聚合物热解过程分析，构建了融合热重数据、物理约束模型与人工智能算法的智能分析实验。 系统基于贝叶斯变分推断与物理信息神经网络（PINN）， 从热重曲线中反演聚合物热解动力学参数，包括活化能（Ea）、指前因子（lnA）和反应级数（n）。实验通过在模型中引入积分核物理约束，并结合残差神经网络修正模型偏差， 实现热重数据的高精度拟合；同时利用动力学补偿先验处理 Ea 与 lnA 之间的强相关性，获得参数的后验分布及 95%置信区间，实现对模型结果不确定性的定量表征。 进一步结合鲁棒性实验，评估模型对数据量变化和噪声扰动的敏感性。 该实验将热分析技术、 化学动力学与人工智能建模深度融合，有助于学生理解热解反应参数识别、不确定性量化与智能建模的基本方法，提升其在数据驱动分析、模型解释与智能化学研究方面的综合能力。

Intelligent Thermogravimetric Kinetics Analysis Experiment Workflow

面向聚合物热解过程分析，本实验通过热重分析仪获取高聚物裂解过程中的温度—质量变化数据， 并结合智能分析软件开展动力学参数识别、不确定性量化与模型鲁棒性分析， 实现热分析技术、化学动力学与人工智能建模的深度融合。

1

样品准备与实验条件设定

选择待测高聚物样品，完成称样与装样，并根据实验要求设定升温程序、 气氛条件、终止温度及数据采集参数，为热重测试做好准备。

2

热重分析仪采集热解数据

利用热重分析仪对高聚物样品进行程序升温测试， 获取裂解过程中温度随质量变化的热重曲线， 形成后续动力学分析所需的基础实验数据。

3

导出并导入实验数据

将热重分析仪获得的温度—质量变化数据导出， 并导入智能动力学分析软件中，完成数据读取、格式识别与实验曲线加载。

4

构建物理约束与智能分析模型

软件基于贝叶斯变分推断与物理信息神经网络（PINN）， 在模型中引入积分核物理约束，并结合残差神经网络对模型偏差进行修正， 建立热重动力学智能分析框架。

5

反演动力学参数

系统根据热重曲线自动反演聚合物热解动力学参数， 包括活化能（Ea）、指前因子（lnA）和反应级数（n）， 实现热解过程的高精度动力学拟合与参数识别。

6

不确定性量化与置信区间分析

软件利用动力学补偿先验处理 Ea 与 lnA 之间的强相关性， 输出参数的后验分布及 95% 置信区间， 对模型结果的不确定性进行定量表征。

7

鲁棒性测试与结果展示

系统进一步开展鲁棒性实验，评估模型对数据量变化与噪声扰动的敏感性， 并以曲线、参数结果和区间估计等形式直观展示分析结果。

8

结果解读与智能分析能力提升

学生结合分析结果理解热解反应参数识别、不确定性量化与智能建模的基本方法， 提升在热分析、数据驱动建模、模型解释与智能化学研究方面的综合能力。