一种基于改性沥青样本库的SBS含量快速检测方法

一种基于改性沥青样本库的sbs含量快速检测方法
技术领域
1.本发明涉及沥青试验检测领域，特别是涉及一种基于改性沥青样本库的sbs含量快速检测方法。


背景技术：

2.sbs改性剂即苯乙烯-丁二烯-苯乙烯三嵌段共聚物，因其自身的特殊分子结构能够有效的改善基质沥青本身的高温性能、低温性能以及温度敏感性，已广泛应用于高等级公路﹑机场道面等工程的建设与养护。
3.实际工程中，改性剂sbs含量是决定沥青路面路用性能最主要、最敏感的因素，对改性沥青的最终性能起到决定性作用，一般情况下sbs含量为3.5wt％～5wt％。然而，面对激烈的市场竞争和较高的sbs制造成本，一些供应商为了追求更高的利润，会刻意降低改性沥青中sbs的含量，导致改性沥青中sbs无法形成网状连续相，达不到预期的改性效果，甚至导致改性沥青的不稳定或者在使用过程中的降解，严重影响到工程质量。因此，加强改性沥青生产过程中sbs含量的监控对保证工程质量有着重要意义。
4.但另一方面，目前对改性沥青的评价手段和标准还存在一定的问题。传统的sbs含量测试方法主要是通过测试改性沥青的针入度、延度、软化点和黏度等物理性能来实现的。这些方法不仅普遍存在耗时长、重现性差、准确度低等缺点，更重要的是评价指标不能全面反映改性沥青的使用性能的问题。目前，通过溶解分离法、凝胶色谱法和红外光谱等方法对改性沥青中sbs含量进行测量，可以得到更加准确的结果。其中，傅里叶变换红外光谱法具有样品预处理过程简单、分析速度快﹑样品需求量小等显著优点。
5.傅里叶变换红外光谱法是基于lambert beer定律，sbs中丁二烯的特征吸收峰的吸收强度与浓度呈正比关系，且吸光度值较高；使用傅里叶红外光谱仪，采用中红外—衰减全反射技术mir-atr，利用光的全反射原理工作的方法，通过测试改性沥青的特征吸收峰，可推算出改性剂剂量。
6.红外光谱法通过对单个或多个吸收峰进行分析来获得其官能团信息和含量信息，sbs含量不同的沥青样品仅依靠单个或多个吸收峰原始信息不能达到样品快速识别的要求，同时沥青原材料不同的样品所测得的吸收峰信息随sbs含量变化也不尽相同。因此，需要通过建立改性沥青样品库的方式对红外光谱原始数据进行处理，才能获得客观准确的识别沥青信息并建立相应的回归模型，再将未知sbs含量的红外光谱数据代入该模型中，即可对未知sbs含量的改性沥青进行识别。
7.申请号201810095528.x公开了一种测量sbs改性沥青中sbs改性剂含量的方法，该方法通过将已知梯度sbs含量的改性沥青标准样品的红外光谱数据进行预处理后训练集代入人工神经元网络程序中进行训练，并建立改性沥青标准样品红外光谱与sbs含量的回归模型，再将同样经过数据预处理后的改性沥青待测样品的光谱数据作为测试集代入该回归模型中，即可得改性沥青待测样品中sbs含量的预测值。该发明利用全光谱信息虽然可有效解决非线性回归问题，但未考虑原材料基质沥青对sbs含量预测的影响，需要在前期制备大
量的标准样品，且制样过程采用较为复杂的溴化钾压片法，因此不利于施工企业或检测单位在实际工作中实现快速检测的目的。
8.因此，本发明提出了一种基于改性沥青样本库的sbs含量快速检测方法，有助于sbs改性沥青生产制备实现快速质量控制。


技术实现要素：

9.针对上述现有技术中检测速度慢、检测操作繁琐、检测效果不佳的缺点，本发明提供了一种基于改性沥青样本库的sbs含量快速检测方法，用以提高sbs含量检测速度和检测工作的集成度。
10.本发明由以下具体技术手段所达成：
11.一种基于改性沥青样本库的sbs含量快速检测方法，包括以下步骤：
12.s1：制样并测定待测样品的红外光谱；
13.s2：归一化处理测得待测样品的红外光谱并按特征波段划分为不同的特征光谱集，具体包括以下子步骤：
14.s21：根据特征波段a和特征波段b将归一化后的红外光谱划分为待测样品的特征光谱集as和待测样品的特征光谱集bs；
15.s3：计算待测样品的特征光谱集和改性沥青样本库特征光谱集的匹配度，由匹配度判断是将待测样品加入改性沥青样本库还是提取出匹配度对应改性沥青样本库中的特征参数，具体包括以下子步骤：
16.s31：计算待测样品的特征光谱集as与改性沥青样本库中的所有n个标准样品的特征光谱集ad之间的匹配度，待测样品的特征光谱集as与改性沥青样本库中第k个标准样品的特征光谱集a
dk
的匹配度mk计算公式为：
[0017][0018]
其中，xi为待测样品的特征光谱集as中第i个采集点的吸光度或透过率；yj为第k个标准样品的特征光谱集a
dk
第j个采集点的吸光度或透过率；
[0019]
计算得到匹配度mk的最大值m
max
与预设值比较，如果m
max
大于预设值，则提取出m
max
所对应改性沥青样本库中的特征参数ca和cb；如果m
max
小于等于预设值，则扩充改性沥青样本库；
[0020]
s4：计算待测样品特征光谱集as中的特征面积比，并由sbs含量计算公式得到待测样品的sbs含量。
[0021]
步骤s1的制样采用衰减全反射法，具体是：取待测sbs改性沥青加热至160℃～180℃，并浇筑于圆环形硅胶试模中，改性沥青试样冷却后，置于红外光谱仪的atr模块上。
[0022]
步骤s2的所述归一化处理采用的计算公式为：
[0023][0024]
其中，xi为待测样品的特征光谱集as或标准样品的特征光谱集ad中第i个采集点的吸光度或透过率；
[0025]
x
min
为待测样品的特征光谱集as或标准样品的特征光谱集ad中吸光度或透过率的最小值；
[0026]
x
max
为待测样品的特征光谱集as或标准样品的特征光谱集ad中吸光度或透过率的最大值。
[0027]
步骤s31中，
[0028]
所述改性沥青样本库的字段为编号、改性沥青样本名称、标准样品的特征光谱集ad、特征参数ca和cb；
[0029]
所述改性沥青样本库的扩充方法包括以下步骤：
[0030]
s311：采用与待测改性沥青样品k采用的基质沥青与sbs改性剂制备成e个不同sbs含量的沥青样品，测定其红外光谱，向改性沥青样本库中新增e个字段，赋予编号n+1，n+2,
…
，n+e，录入改性沥青样本名称；
[0031]
s312：将所测红外光谱进行归一化处理，然后根据特征波段a和特征波段b将归一化后的红外光谱划分为扩充标准样品的特征光谱集a
ds
和扩充标准样品特征光谱集b
ds
；
[0032]
s313：计算扩充标准样品的特征光谱集b
ds
中的特征面积比pd、特征参数ca和cb，计算公式为：
[0033][0034][0035][0036]
其中，a
966
为扩充标准样品的特征光谱集b
ds
中966cm-1
特征峰面积，a
1377
为扩充标准样品的特征光谱集b
ds
中1377cm-1
的特征峰面积，wj为扩充标准样品j的sbs含量w
sbs
，sj为扩充标准样品j的特征区间集b
ds
中的特征面积比pd；
[0037]
s314：向改性沥青样本库中对应的新增字段内添加扩充标准样品的特征光谱集a
ds
与特征参数ca和cb字段的内容。
[0038]
所述步骤s4具体是：
[0039]
计算待测样品的特征光谱集bs的特征面积比pd，
[0040][0041]
其中，a
966
为待测样品的特征光谱集bs中966cm-1
特征峰面积，a
1377
为待测样品的特征光谱集bs中1377cm-1
的特征峰面积；
[0042]
将特征面积比pd代入sbs含量计算公式可得待测样品的sbs含量w
sbs
，sbs含量w
sbs
的计算公式为：
[0043][0044]
步骤s31中的所述预设值为设定的初始范围95％～99％，根据精确度需要调整范
围。
[0045]
所述特征波段a为400～650cm-1
或710～950cm-1
或990～4000cm-1
；所述特征波段b为650～710cm-1
或950～990cm-1
。
[0046]
与现有技术相比，本发明具有如下优点和有益效果：
[0047]
1.技术路径不同：与传统做法相比，增加了样品红外光谱的预处理和与改性沥青样本库的匹配度对比，与相近技术相比，没有采用建立神经元网络模型的方法，而是建立改性沥青样本库。
[0048]
2.技术导向不同：相近技术是追求检测精确度尽可能的高，而本方法则是在追求检测较高精准度的同时兼顾检测速度。相近技术在制样阶段采用溴化钾压片法，而本方法采用atr法，在检测精度稍有下降的情况下检测速度大幅提高；同时相近方法需要制备大量标准样本以训练神经元网络模型，而本方法不需要大量样本，需求条件低、实施简单。
[0049]
3.实施效果不同：在保证检测速度的同时，本方法可将匹配度符合条件的待测样品加入改性沥青样本库，在检测过程中提升检测精准度；而相近方法在修改初始改性沥青样本库后需要一定时间重新训练模型，无法提升检测速度。
[0050]
综上，采用本发明上述的sbs含量快速检测方法，将光谱学与化学计量学相结合，样品与改性沥青样本库匹配度不合适时，将样品检测后扩充改性沥青样本库，再重复检测流程，考虑了原材料沥青的sbs含量，以及之后的检测中就会受到本次扩充改性沥青样本库的影响。分析速度快，精度高，操作简单；前期所需的标准沥青样本数量少，可通过后期待测样品的检测实现自动更新与扩充沥青改性沥青样本库；一次红外光谱扫描可实现沥青识别与sbs改性剂含量检测，提高集成化水平，减少人工步骤。
附图说明
[0051]
通过结合以下附图所作的详细描述，本发明的上述或其他方面的优点将变得更清楚和容易理解，这些附图只是示意性的，并不限制本发明，其中：
[0052]
图1为本发明基于改性沥青样本库的sbs含量快速检测方法的流程图；
[0053]
图2为本发明一种实施例的待测样品经预处理后的红外光谱图；
[0054]
图3为本发明一种实施例的待测样品经归一化处理后的红外光谱图；
[0055]
图4为本发明一种实施例中基于改性沥青样本库的sbs含量快速检测方法步骤s106改性沥青样本库的扩充方法流程图。
[0056]
图5为本发明3个扩充沥青标准样品的特征面积比pd随sbs改性剂含量的变化规律图。
具体实施方式
[0057]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0058]
为便于对本实施例进行理解，下面对本发明实施例进行详细介绍。
[0059]
实施例1
[0060]
图1为本发明实施例提供的基于改性沥青样本库的sbs含量快速检测方法流程图。
[0061]
参照图1，该方法包括以下步骤：
[0062]
步骤s101，待测样品制样并测定红外光谱；
[0063]
这里，待测样品是通过将待测sbs改性沥青加热至160℃～180℃，并浇筑于圆环形硅胶试模中获取的；待改性沥青试样冷却后，置于红外光谱仪的atr模块上，测定其红外光谱并进行基线校正、背景扣除的预处理；atr法是将检则样品或标准样品在红外光谱仪器设备反射，得到如图2所示待测样品的红外光谱。本实施例中，待测样品源于aa公司sbs改性沥青；红外光谱仪器设备，分辨率不低于4.0cm-1
，波数范围不小于500cm-1
～4000cm-1
，信噪比大于30000:1。
[0064]
步骤s102，红外光谱归一化处理并划分特征光谱集；
[0065]
这里，首先将所测红外光谱根据公式(1)进行归一化处理，归一化后的红外光谱如图3所示，然后根据特征波段a和特征波段b将归一化后的红外光谱划分为特征光谱集ad和特征光谱集bd；其中，特征波段a为400～650cm-1
或710～950cm-1
或990～4000cm-1
；所述特征波段b为650～710cm-1
或950～990cm-1
；
[0066][0067]
其中，xi为待测样品的特征光谱集中第i个采集点的透过率；x
min
为待测样品的特征光谱集中透过率的最小值；x
max
为待测样品的特征光谱集中透过率的最大值。
[0068]
步骤s103，匹配度mk计算；
[0069]
这里，根据公式(2)计算待测样品的特征光谱集as与改性沥青样本库中的所有n个标准样品的特征光谱集ad之间的匹配度。
[0070][0071]
其中，xi为待测样品的特征光谱集as中第i个采集点的吸光度或透过率；yj为第k个标准样品的特征光谱集a
dk
第j个采集点的吸光度或透过率。
[0072]
本实施例中，待测样品与改性沥青样本库所有标准样品之间特征光谱集的匹配度计算结果参照表1：
[0073]
表1待测样品与样品库标准样品的匹配度计算结果
[0074][0075]
因此，在本实施例中待测样品与标准样品匹配度最大值m
max
为98.53％。
[0076]
步骤s104，匹配度最大值m
max
与预设值比较；
[0077]
这里，如果m
max
大于预设值，则提取出m
max
所对应改性沥青样本库中的特征参数ca和cb；如果m
max
小于等于预设值，则需要进行步骤s106扩充改性沥青样本库。
[0078]
本实施例中，预设值设定为96％。因此m
max
大于预设值，提取对应标准样品1字段的特征参数值ca和cb，其中ca为0.0903，cb为0.0498。
[0079]
步骤s105，特征面积比计算并预测sbs含量；
[0080]
这里，通过自动测量分析待测样品的特征光谱集bs中966cm-1
特征峰面积a
966
和1377cm-1
特征峰面积a
1377
，根据公式(3)计算待测样品特征面积比pd，将特征面积比pd代入sbs含量计算公式(4)可得待测样品的sbs含量w
sbs
。
[0081][0082][0083]
本实施例中，计算pd为0.2829，则得到预测的sbs含量值w
sbs
为2.6％。
[0084]
实施例2
[0085]
参照图1，该方法包括以下步骤：
[0086]
步骤s101，待测样品制样并测定红外光谱；
[0087]
这里，待测样品是通过将待测sbs改性沥青加热至160℃～180℃，并浇筑于圆环形硅胶试模中获取的；待改性沥青试样冷却后，置于红外光谱仪的atr模块上，测定其红外光谱并进行基线校正、背景扣除的预处理。本实施例中，待测样品源于ba公司sbs改性沥青；红外光谱仪器设备，分辨率不低于4.0cm-1
，波数范围不小于500cm-1
～4000cm-1
，信噪比大于30000:1。
[0088]
步骤s102，红外光谱归一化处理并划分特征光谱集；
[0089]
这里，首先将所测红外光谱根据公式(1)进行归一化处理，然后根据特征波段a和特征波段b将归一化后的红外光谱划分为特征光谱集ad和特征光谱集bd；其中，特征波段a为400～650cm-1
或710～950cm-1
或990～4000cm-1
；所述特征波段b为650～710cm-1
或950～990cm-1
；
[0090]
步骤s103，匹配度mk计算；
[0091]
这里，根据公式(2)计算待测样品的特征光谱集as与改性沥青样本库中的所有n个标准样品的特征光谱集ad之间的匹配度。
[0092]
本实施例中，待测样品与改性沥青样本库所有标准样品之间特征光谱集的匹配度计算结果参照表2：
[0093]
表2待测样品与样品库标准样品的匹配度计算结果
[0094][0095]
因此，在本实施例中待测样品与标准样品匹配度最大值m
max
为80.40％。
[0096]
步骤s104，匹配度最大值m
max
与预设值比较；
[0097]
这里，如果m
max
大于预设值，则提取出m
max
所对应改性沥青样本库中的特征参数ca和cb，直接进行步骤s106计算特征面积比并预测sbs含量；如果m
max
小于等于预设值，则需要先继续进行步骤s106扩充改性沥青样本库。
[0098]
本实施例中，预设值设定为96％。因此m
max
小于预设值，需进行步骤s106扩充改性沥青样本库。
[0099]
步骤s106，扩大改性沥青样本库；图4为本发明实施例提供具体的改性沥青样本库的扩充方法流程图。
[0100]
参照图4，该扩充方法包括以下步骤：
[0101]
步骤s201，制备扩充标准样品并新增字段；
[0102]
这里，采用与待测改性沥青样品k采用的基质沥青与sbs改性剂制备成e个不同sbs含量的沥青样品，测定其红外光谱，向改性沥青样本库中新增e个字段，赋予编号n+1，n+2,
…
，n+e，录入改性沥青样本名称；
[0103]
本实施例中，采用与待测改性沥青样品ba采用的基质沥青与sbs改性剂制备成3个sbs含量分别为3wt％，4wt％与5wt％的沥青样品，通过atr法测得其红外光谱后，向改性沥青样本库内新增3个字段，赋予编号7，8，9，录入改性沥青样本名称ba。
[0104]
步骤s202，红外光谱归一化处理并划分特征光谱集；
[0105]
这里，将所测的所有红外光谱进行归一化处理，然后根据特征波段a和特征波段b将归一化后的红外光谱划分为扩充标准样品的特征光谱集a
ds
和扩充标准样品的特征光谱集b
ds
；
[0106]
步骤s203，特征参数ca与cb的计算；
[0107]
这里，首先分别计算扩充标准样品的特征区间集b
ds
中的特征面积比pd，再根据公式(5)和(6)计算特征参数ca和cb。
[0108][0109][0110][0111]
其中，a
966
为扩充标准样品的特征光谱集b
ds
中966cm-1
特征峰面积，a
1377
为扩充标准样品的特征光谱集b
ds
中1377cm-1
的特征峰面积，wj为扩充标准样品j的sbs含量w
sbs
，sj为扩充标准样品j的特征区间集b
ds
中的特征面积比pd；
[0112]
本实施例中，3个扩充沥青标准样品的特征面积比pd随sbs改性剂含量的规律如图5所示，通过公式(5)和(6)可以计算得到特征参数ca为0.0588，cb为0.0667。
[0113]
步骤s204，新增字段内添加信息；
[0114]
这里，向改性沥青样本库中对应新增字段内添加的信息包括特征光谱集ad与特征参数ca和cb字段的内容；其中特征光谱集ad是特征波段a内包含所测红外光谱波数与透过率相关数据的二维数组。
[0115]
这里，仅用简单的表格方式表示样本数据库内新增字段的存储内容与结构，而不是最终的存储方式，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。
[0116]
表3样本数据库内新增字段示意表
[0117][0118]
此时再重新进行步骤s103，匹配度mk计算；
[0119]
这里，根据公式(2)计算待测样品的特征光谱集as与改性沥青样本库中的所有的标准样品的特征光谱集ad之间的匹配度。
[0120]
本实施例中，待测样品与改性沥青样本库所有标准样品之间特征光谱集的匹配度计算结果参照表3：
[0121]
表3待测样品与样品库标准样品的匹配度计算结果
[0122][0123]
步骤s104，匹配度最大值m
max
与预设值比较；
[0124]
本实施例中，预设值设定为96％。因此m
max
大于预设值，提取对应标准样品1字段的特征参数值ca和cb，其中ca为0.0588，cb为0.0667。
[0125]
步骤s105，特征面积比计算并预测sbs含量；
[0126]
这里，通过自动测量分析待测样品的特征光谱集bs中966cm-1
特征峰面积a
966
和1377cm-1
特征峰面积a
1377
，根据公式(3)计算待测样品特征面积比pd，将特征面积比pd代入sbs含量计算公式(4)可得待测样品的sbs含量w
sbs
。
[0127]
本实施例中，计算pd为0.2731，则得到预测的sbs含量值w
sbs
为3.5％。
[0128]
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。