基于NIR的制浆材材性快速检测方法研究

摘要

制浆材的材性特征与终端产品质量关系密切，因此在生产过程中需要实时检测原料的材性特点，根据材种和材性的变化及时调整制浆工艺参数。但是由于传统的材性分析手段在工业化连续生产过程中无法满足实时快速检测的需要。为降低企业成本，提高生产运行稳定性和市场竞争力，基于近红外光谱技术和化学计量学方法，系统的开发了针对制浆材材性的预测模型，开展了制浆材材性快速检测技术研究。本研究选取尾巨桉（Eucalyptus urophylla×grandis）、尾叶桉U6(Eucalyptus urophylla U6)、尾叶桉L11（Eucalyptus urophylla L11）、蓝桉（Eucalyptus globules）、马占相思(Acacia mangium)、厚荚相思（Acacia crassicarpa）、纹荚相思（Acacia aulacocarpa）、大叶相思（Acaciaauriculiformis）、杂交相思(A.auriculiformis×A.mangium)、三倍体毛白杨（Triploid populustomentosa）、美洲黑杨（Populus deltoids）、意大利杨（Populus euramevicana）、欧美杨（Populus euramericana）等13种常见制浆材原料为研究对象，以全息光栅分光近红外光谱仪为分析仪器开展实验。
　　首先进行了近红外测量环境与光谱采集参数的确定。实验以适龄蓝桉的综纤维素含量为研究对象，得出如下结论:温度在15～30℃之间、相对湿度在30％～50％之间，近红外光谱仪扫描速度为360°/min、光谱采集次数为20次/圈、每个样品装样3次取平均光谱，木粉受砝码压强为1.41kPa，是采集木粉样品近红外光谱，建立近红外预测模型的最佳测定参数。以适龄蓝桉的基本密度为研究对象，得出如下结论:温度在15～30℃之间、相对湿度在30％～80％之间，近红外光谱仪扫描速度为360°/min，光谱采集次数为20次/圈，每个样品装样10次取平均光谱，是建立木片近红外预测模型的最佳参数。
　　测定13种原料的化学成分含量，基本密度，并在人为控制水分含量的情况下测定实际水分含量。采集各样品近红外光谱，在Matlab8.0中采用多种组合预处理方法预处理近红外光谱，加载偏最小二乘法、LASSO法、支持向量机法和人工神经网络法针对各种预处理方法建立模型。再运用遗传算法对波段进行选择，将筛选出的最优波段与与人为划分的三级倍频区间、二级倍频区间、一级倍频与合频区间、全光谱波段分别建模进行比较，提高了部分模型的精确度从而优化了模型。尝试从组分结构角度分析了综纤维素、Klason木质素、聚戊糖、冷热水抽出物、苯醇抽出物、1％NaOH抽出物和水分在最优波段上的特征吸收，从理论上解释了模型的预测能力。根据常见混合制浆材原料情况，模拟了杨木-桉木、桉木-相思两种混合原料，分别建立了混合程度的近红外分析模型和化学成分含量的近红外分析模型并确定了相关参数。研究结果如下:
　　综纤维素含量分析时，应对原始光谱使用平滑、矢量归一化、一阶导数的预处理方法，选择1331.0～2362.1 nm区间的波段，用LASSO法建立校正模型。单一原料模型的RMSEP值达0.48％，模型适用于质量控制。杨木-桉木混合原料模型RMSEP值为0.60％，模型适用于非精确性测定。桉木-相思混合原料模型RMSEP值为0.57％，模型适用于质量控制。
　　Klason木质素含量分析时，应对原始光谱使用平滑、MSC、二阶导数的预处理方法，选择1135.4～1874.8nm和2132.9～2426.1nm区间的波段，用支持向量机法建立模型，单一原料模型RMSEP值为0.42％，模型适用于质量控制。杨木-桉木混合原料模型RMSEP值为0.57％，模型适用于质量控制。桉木-相思混合原模型RMSEP值为0.47％，模型适用于非精确性测定。
　　聚戊糖含量分析时，应对原始光谱采用平滑、矢量归一化、二阶导数的预处理方法，选择1328.3～2342.5nm区间的波段，选用建模方法为偏最小二乘法，单一原料模型RMSEP值为0.72％。杨木-桉木混合原料模型RMSEP值为0.81％;桉木-相思混合原料模型RMSEP值为0.79％。模型均适用于质量控制。
　　冷水抽出物含量分析时，应对原始光谱采用平滑、MSC、二阶导数的预处理方法，选择1331.2～2328.5nm区间的波段，选用建模方法为LASSO法，单一原料模型RMSEP值为0.24％，模型适用于质量控制。杨木-桉木混合原料模型RMSEP值为0.26％;桉木-相思混合原料模型RMSEP值为0.29％。两个混合原料模型均适用于非精确性测定。
　　热水抽出物含量分析时，应对原始光谱采用平滑、MSC、二阶导数的预处理方法，选择1335.6～2334.7nm区间的波段，所用建模方法为人工神经网络法，单一原料模型RMSEP值达0.28％，模型适用于质量控制。杨木-桉木混合原料模型RMSEP值为0.29％，模型适用于质量控制。桉木-相思混合原料模型RMSEP值为0.32％，模型适用于非精确性测定。
　　苯醇抽出物含量分析时，应对原始光谱采用平滑、MSC、一阶导数的预处理方法，选择全波段参与建模，建模方法为偏最小二乘法。单一原料模型RMSEP值为0.23％。杨木-桉木混合原料模型RMSEP值为0.26％;桉木-相思混合原料模型RMSEP值为0.29％。三个模型均适用于质量控制。
　　1％ NaOH抽出物含量分析时，对原始光谱应采用平滑、矢量归一化、一阶导数的预处理方法，选择1139.1～2362.9nm区间的波段，所用建模方法为LASSO法，单一原料模型RMSEP值为0.38％。杨木-桉木混合原料模型RMSEP值为0.39％。桉木-相思混合原料模型RMSEP值为0.41％。三个模型均适用于质量控制。
　　水分含量分析时，对原始光谱应采用平滑、归一化、一阶导数的预处理方法，选择1346.7～1477.4nm和1790.0～1983.3nm区间的波段，运用偏最小二乘法建模，模型RMSEP值为1.19％，模型适应性好。
　　基本密度分析时，运用平滑、矢量归一化、一阶导数的方法预处理原始光谱，选择全光谱波段建模，选用LASSO法作为建模方法。模型RMSEP值为6.31 kg·m-3，模型适应性好。
　　混合程度分析时，对原始光谱进行平滑、矢量归一化、一阶导数预处理的组合，选用建模方法为LASSO法，选择全光谱波段建模。杨木-桉木混合原料模型RMSEP值为1.84％。桉木-相思混合原料RMSEP值为1.93％。两个模型都有着好的适应性。
　　根据上述结论，开发了可进行粉碎、快速烘干、筛分、整形等预处理操作的制浆材预处理系统、组装了光谱采集系统并研发了数据分析及控制系统，三者有机组成了制浆材材性检测平台，实现了制浆材的快速分析。

目录

声明

摘要

第一章 绪论

1．1 引言

1．2 研究背景

1．3 制浆材材性研究现状

1．4 近红外光谱技术概述

1．4．1 近红外光谱技术的基本原理

1．4．2 近红外光谱仪器

1．4．3 近红外分析过程与特点

1．5 近红外光谱模型的建立

1．5．1 光谱的采集

1．5．2 光谱的预处理

1．5．3 光谱变量压缩与选择

1．5．4 定量模型的建立

1．5．5 定性模型的建立

1．5．6 模型评价标准

1．6 近红外光谱技术用于制浆造纸

1．6．1 制浆材快速识别

1．6．2 化学成分的测定

1．6．3 水分含量的测定

1．6．4 基本密度的测定

1．6．5 纤维形态分析

1．6．6 纸浆卡伯值的测定

1．7 研究主要内容

1．8 项目来源与经费支持

第二章 近红外测量环境与光谱采集参数的优化

2．1 引言

2．2 实验原料与方法

2．2．1 实验原料与试剂

2．2．2 实验仪器

2．2．3 实验方法

2．3 结果与讨论

2．3．1 测定结果

2．3．2 温度对光谱采集的影响

2．3．3 湿度对光谱采集的影响

2．3．4 扫描速度对光谱采集的影响

2．3．5 采集次数对光谱采集的影响

2．3．6 装样次数对光谱采集的影响

2．3．7 样品紧实度对光谱采集的影响

2．4 本章小结

第三章 制浆材化学成分近红外模型的建立

3．1 引言

3．2 实验原料与方法

3．2．1 实验原料和试剂

3．2．2 主要实验仪器

3．2．3 样品准备

3．2．4 光谱采集

3．2．5 原料化学成分测定

3．2．6 模型的建立与评价标准

3．3 结果与讨论

3．3．1 样品的化学成分含量

3．3．2 样品的近红外光谱

3．3．3 模型的建立与优化

3．4 本章小结

第四章 制浆材水分含量与基本密度近红外模型的建立

4．1 引言

4．2 实验原料与方法

4．2．1 实验原料

4．2．2 主要实验仪器

4．2．3 原料测定方法

4．2．4 光谱采集

4．2．5 模型的建立与评价标准

4．3 结果与讨论

4．3．1 水分含量测定

4．3．2 基本密度测定

4．3．3 样品的近红外光谱

4．3．4 模型的建立与优化

4．4 本章小结

第五章 近红外特征波段的分析与选择

5．1 引言

5．2 波段选择与分析

5．2．1 光谱区间选择

5．2．2 波段选择方法

5．2．3 综纤维素

5．2．4 Klason木质素

5．2．5 聚戊糖

5．2．6 冷水抽出物

5．2．7 热水抽出物

5．2．8 苯醇抽出物

5．2．9 1％NaOH抽出物

5．2．10 水分含量

5．2．11 基本密度

5．3 本章小结

第六章 混合制浆材原料近红外模型的建立

6．1 引言

6．2 实验原料与方法

6．2．1 实验原料与试剂

6．2．2 主要实验仪器

6．2．3 光谱采集

6．2．4 混合原料成分测定

6．2．5 模型的建立与评价标准

6．3 结果与讨论

6．3．1 样品的混合程度与化学成分含量

6．3．2 样品的近红外光谱

6．3．3 模型的建立与优化

6．4 本章小结

第七章 制浆材材性快速检测平台

7．1 引言

7．2 样品预处理系统

7．3 近红外光谱采集系统

7．4 数据分析及控制系统

7．5 本章小结

第八章 结论与展望

8．1 结论

8．1．1 近红外测量环境与光谱采集参数

8．1．2 单一制浆材材性的近红外光谱模型

8．1．3 混合制浆材原料材性的近红外光谱模型

8．1．4 制浆材材性快速检测平台开发

8．2 创新点

8．3 建议与展望

参考文献

在读期间的学术研究

致谢