论文部分内容阅读
近红外光谱分析技术是一种现代分析技术，具有分析效率高、测试重现性好、无损测量以及便于实现在线分析等特点，近年来，近红外光谱已广泛应用在石油、医药、农业、食品等行业。本课题针对天然纤维素清洁浆料质量监控尚未实现快速测量这一空白，探讨了利用近红外漫反射光谱快速测定天然纤维素（棉、木浆粕）清洁浆料中α-纤维素含量和聚合度的方法。本论文收集了142个天然纤维素清洁浆料（棉、木浆粕）样品，采用GB/T9107-1999方法（化学分析方法）测定了其α-纤维素含量和聚合度，确保样品测量误差控制在方法要求允许误差之内。针对浆粕呈蓬松状态难以精确控制样品的密实程度，采用粉碎预处理提高样品的均匀性，继而压入旋转杯采集样品光谱。本论文采用簇类独立软模式（SIMCA）方法建立了棉浆粕和木浆粕的分类模型，在α=0.5%的置信水平下，对30个外部验证样品分析结果表明，SIMCA类模型对棉、木浆粕样品的识别率为100%。本论文基于主成分分析法（PCR）和偏最小二乘（PLS）法分别建立了全部样品以及分类棉、木浆粕的α-纤维素含量定量校正模型。PCR模型相关系数分别为0.908、0.727、0.361，SEP分别为2.7%、2.0%、2.6%；PLS模型相关系数分别为0.954、0.911和0.839，SEP分别为2.4%、1.2%和1.6%，采用PLS建立的定量模型结果优于PCR方法，说明该方法更适用于天然纤维素清洁浆料α-纤维素含量分析，且模型预测精密度与GB方法的允差接近，利用PLS模型结果，进行外部验证，三次测量的标准偏差控制在0.4%左右，符合标准方法中所规定的精密度要求。表明该方法是可行的，且操作简单，分析速度快，对提高天然纤维素清洁浆料α-纤维素含量分析效率和指导其连续生产具有积极意义。本论文还采用偏最小二乘法建立了全部样品、棉浆粕、木浆粕，实验室样品、工厂样品聚合度定量校正模型。相关系数分别为0.984、0.981、0.179、0.698、0.484，SEP值为199、150、187、46、110，结果表明，对于建模效果，工厂样品优于实验室样品，木浆粕类样品优于棉浆粕类样品，分类样品优于全部样品。但是实验室样品和木浆粕类样品相关性较差，模型不稳健。分析样品与近红外光谱可能存在的非线性问题，本研究还建立了BP神经网络聚合度模型，结果为当选取的迭代次数较小时，训练结果出现过拟合现象；当迭代次数较大时，训练输出则为一条直线，完全偏离样品真实值。