一种混纺纤维中组分含量的测定方法
【专利摘要】一种混纺纤维中组分含量的测定方法，涉及一种混纺纤维的测定方法，该方法首先获得混纺纤维与被测纯纤维的近红外光谱数据，再将获得的近红外光谱数据转换为混纺纤维与被测纯纤维之间的角度值；选取建模的混纺纤维样本作为校正集，待测混纺纤维样本作为预测集，以校正集中被测纯纤维的含量作为因变量，校正集与被测纯纤维的角度值构成的矩阵作为自变量，采用偏最小二乘法建立多变量回归模型；将待测混纺纤维与被测纯纤维的角度值代入该多变量回归模型，即可得到待测混纺纤维中被测纯纤维的相对含量。本发明检测纤维时无需样品预处理，实验环境要求降低，且分析方简单、快捷、准确，还适于在混纺纤维组分不明确时混纺纤维中待测组分含量的测定。
【专利说明】一种混纺纤维中组分含量的测定方法
【技术领域】
[0001]本发明涉及一种混纺纤维的测定方法，特别是一种混纺纤维中组分含量的测定方法。
【背景技术】
[0002]目前纺织纤维的一些定量检测方法都无法实现单间、快速、无损、无污染的检测，常规的检测一般都需要先鉴别纺织品的纤维组分，然后选用适当溶剂将其中一种或几种纤维溶解，根据溶解后失重或不溶解的重量来对纤维组分含量进行计算分析。这种方法耗时且实验过程中会产生有毒污染物，无法满足纺织品生产过程中质量监控及国际贸易快速通关检测的需求。
[0003]近红外光谱(NIR)分析技术是20世纪90年代以来发展最快、最引人注目的光谱分析技术之一。主要用于快速定量分析和判别分析，可以同时测定多种组分，是通过所采集的光谱数据对样品进行分析，其特点是准确、快速、无损、无污染且操作简便。
[0004]传统的多组分混合体系光谱定量方法即光谱强度与化学计量学相结合的分析方法，如用偏最小二乘法法(partial least squares,缩写为PLS)直接对光谱强度和其对应的物质含量进行多变量回归建立校正模型，然后将待测混合体系的光谱强度带入建立的校正模型即可得出待测组分的定量结果。传统的光谱强度结合化学计量学的定量方法分析速度快，样品无需预处理，对样品无损坏，在过程分析技术中受到重视，但是由于光强度、光通量、测量环境以及样本均匀性等因素引起的信号强度不稳定使非接触分析在过程分析中遇到了很大的障碍。以近红外光谱为例，近红外光谱强度在一定的测量条件下可与被测物浓度保持线性关系，但是在实际操作中影响近红外光谱强度的因素太多且难以控制，如光源功率的稳定性、样品浓度变化等，很难直接对近红外光谱强度实现定量。
【发明内容】
[0005]本发明要解决的技术问题是:提供一种准确度高、样品无需预处理、实验环境要求降低且简单快捷的一种混纺纤维中组分含量的测定方法。
解决上述技术问题的技术方案是:(与权利要求内容一致)一种混纺纤维中组分含量的测定方法，该方法首先获得混纺纤维与被测纯纤维的近红外光谱数据，再将获得的近红外光谱数据转换为混纺纤维与被测纯纤维之间的角度值；选取建模的混纺纤维样本作为校正集，待测混纺纤维样本作为预测集，以校正集中被测纯纤维的含量作为因变量，校正集与被测纯纤维的角度值构成的矩阵作为自变量，采用偏最小二乘法建立多变量回归模型；将预测集与被测纯纤维的角度值代入该多变量回归模型，即可得到待测混纺纤维中被测纯纤维的相对含量。
[0006]本发明的进一步技术方案是:该方法包括以下步骤:
A.样本的制备和数据采集:
Al.混纺纤维样本的制备和获取被测纯纤维样本:将m个被测纯纤维按不同的质量百分比配制成若干个混纺纤维样本，并获取被测纯纤维样本；
A2.选取校正集和预测集:从步骤Al的混纺纤维样本中选取建模样本作为校正集，选取待测样本作为预测集；
A3.数据采集:用近红外光谱仪扫描获取校正集，预测集以及被测纯纤维的光谱数据；
B.建模: B1.分割区间:将步骤A3中校正集以及被测纯纤维的光谱数据分成η个区间，其中n>混合组分数m；
B2.将光谱数据转化成角度值:求取校正集与被测纯纤维在各区间夹角的角度值；
B3.建立回归模型:采用偏最小二乘法对步骤B2中的角度值和校正集中的被测纯纤维含量建立回归模型；
C.预测集中各组分含量的测定:
Cl.分割区间:将步骤A3中预测集以及被测纯纤维的光谱数据分成η个区间，其中n>混合组分数m；
C2.求取角度值:求取预测集和被测纯纤维在各区间的角度值；
C3.预测结果:将预测集和被测纯纤维的角度值代入已经建立好的多变量回归模型，即可预测到预测集中被测纯纤维组分的含量。
[0007]本发明的再进一步技术方案是:所述步骤Al中混纺纤维样本的制备为:各被测纯纤维按不同的比例称量并混合均匀，其总质量保持一定。
[0008]本发明的再进一步技术方案是:步骤A2中所述的校正集中被测纯纤维的含量百分比已知。
[0009]本发明的再进一步技术方案是:步骤A3.数据采集中包括的内容为:将被测纯纤维样本和混纺纤维样本混合均匀后，利用近红外光谱仪测量获得校正集，预测集以及被测纯纤维的近红外光谱数据。
[0010]本发明的更进一步技术方案是:所述步骤B2和C2中求取校正集或预测集与被测纯纤维之间夹角的公式为:
【权利要求】
1.一种混纺纤维中组分含量的测定方法，其特征在于:该方法首先获得混纺纤维与被测纯纤维的近红外光谱数据，再将获得的近红外光谱数据转换为混纺纤维与被测纯纤维之间的角度值；选取建模的混纺纤维样本作为校正集，待测混纺纤维样本作为预测集，以校正集中被测纯纤维的含量作为因变量，校正集与被测纯纤维的角度值构成的矩阵作为自变量，采用偏最小二乘法建立多变量回归模型；将预测集与被测纯纤维的角度值代入该多变量回归模型，即可得到待测混纺纤维中被测纯纤维的相对含量。
2.根据权利要求1所述的一种混纺纤维中组分含量的测定方法，其特征在于:该方法包括以下步骤: A.样本的制备和数据采集: Al.混纺纤维样本的制备和获取被测纯纤维样本:将m个被测纯纤维按不同的质量百分比配制成若干个混纺纤维样本，并获取被测纯纤维样本； A2.选取校正集和预测集:从步骤Al的混纺纤维样本中选取建模样本作为校正集，选取待测样本作为预测集； A3.数据采集:用近红外光谱仪扫描获取校正集，预测集以及被测纯纤维的光谱数据； B.建模: B1.分割区间:将步骤A3中校正集以及被测纯纤维的光谱数据分成η个区间，其中η>混合组分数m； B2.将光谱数据转化成角度值:求取校正集与被测纯纤维在各区间夹角的角度值；. B3.建立回归模型:采用偏最小二乘法对步骤B2中的角度值和校正集中的被测纯纤维含量建立回归模型； C.预测集中各组分含量的测定: Cl.分割区间:将步骤A3中预测集以及被测纯纤维的光谱数据分成η个区间，其中n>混合组分数m； C2.求取角度值:求取预测集和被测纯纤维在各区间的角度值； C3.预测结果:将预测集和被测纯纤维的角度值代入已经建立好的多变量回归模型，即可预测到预测集中被测纯纤维组分的含量。
3.根据权利要求书2所述的一种混纺纤维中组分含量的测定方法，其特征在于:所述步骤Al中混纺纤维样本的制备为:各被测纯纤维按不同的比例称量并混合均匀，其总质量保持一定。
4.根据权利要求书2所述的一种混纺纤维中组分含量的测定方法，其特征在于:步骤A2中所述的校正集中被测纯纤维的含量百分比已知。
5.根据权利要求书2所述的一种混纺纤维中组分含量的测定方法，其特征在于:步骤A3.数据采集中包括的内容为:将被测纯纤维样本和混纺纤维样本混合均匀后，利用近红外光谱仪测量获得校正集，预测集以及被测纯纤维的近红外光谱数据。
6.根据权利要求书2或3或4或5所述的一种混纺纤维中组分含量的测定方法，其特征在于:所述步骤B2和C2中求取校正集或预测集与被测纯纤维之间夹角的公式为:
【文档编号】G01N21/35GK103472028SQ201310431389
【公开日】2013年12月25日 申请日期:2013年9月22日 优先权日:2013年9月22日
【发明者】粟晖, 姚志湘, 梁梅, 方凤 申请人:广西科技大学