CN104931450A - 一种热处理木材力学强度的预测方法 - Google Patents

一种热处理木材力学强度的预测方法 Download PDF

Info

Publication number
CN104931450A
CN104931450A CN201510179491.5A CN201510179491A CN104931450A CN 104931450 A CN104931450 A CN 104931450A CN 201510179491 A CN201510179491 A CN 201510179491A CN 104931450 A CN104931450 A CN 104931450A
Authority
CN
China
Prior art keywords
near infrared
batten
heat
square
elasticity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510179491.5A
Other languages
English (en)
Inventor
张文博
仝莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Forestry University
Original Assignee
Beijing Forestry University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Forestry University filed Critical Beijing Forestry University
Priority to CN201510179491.5A priority Critical patent/CN104931450A/zh
Publication of CN104931450A publication Critical patent/CN104931450A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Chemical And Physical Treatments For Wood And The Like (AREA)

Abstract

本发明涉及近红外光谱技术，特别涉及一种热处理木材力学强度的预测方法。该方法包括基于近红外光谱的热处理木材力学强度的数学模型的构建方法和用该数学模型进行预测两部分，其中数学模型的构建包括以下步骤：(1)将木材处理成木条；(2)将处理好的木条进行热处理；(3)测定木条的破坏载荷；(4)计算木条的抗弯强度和抗弯弹性模量；(5)采集木条的近红外光谱信息；(6)建立抗弯强度或/和抗弯弹性模量数学定量模型。本发明提供的热处理木材力学强度预测的方法，能够实时、在线对热处理木材进行力学强度评价。

Description

一种热处理木材力学强度的预测方法
技术领域
本发明涉及近红外光谱技术，特别涉及一种热处理木材力学强度的预测方法。
背景技术
木材具有纹理美观、加工方便等优点，同时，木材也具有易变形、发生腐朽等各种缺陷。使用时、特别是在户外使用时必须要对木材进行功能性改良。木材的功能性改良目前普遍通过化学处理的方法，使用各种木材防腐剂浸透进入木材，以达到防止腐朽及提高木材尺寸稳定性的目的。然而，各种化学处理方法处理的木材，在户外使用时暴露在自然环境中，会导致木材有效保护成分的流失，导致性能降低，同时，流失后的木材防腐剂等木材保护成分因含有铜、砷、铬的重金属以及有毒有害物质，对环境的危害极大。热处理方法是一种绿色环保的木材保护改性方法。
热处理木材具有良好的尺寸稳定性和耐腐、抗蚁性能，广泛应用于户外庭园、墙体外壁等景观设计。然而，热处理木材因木材自身的化学组分热降解，强度降低，是热处理木材在实际使用过程中设计人员普遍关注的问题。实现简单快速的评价热处理木材力学强度的变化，对于木材热处理技术的开发以及设计人员的合理应用具有重要的实际指导意义。
近红外光谱技术是指波长介于可见光(VIS)与中红外光(IR)之间的电磁波，ASTM将近红外谱区定义为780nm-2526nm(12800-3960cm-1)。近红外谱区主要体现基频2000cm-1以上的基团信息，其中以含氢基团为主，包括C-H(甲基、亚甲基、甲氧基、羧基、芳基等)、羟基O-H、巯基S-H、氨基N-H(伯胺、仲胺、叔胺和铵盐) 等；也有其他一些基团的信息(如C＝C、C＝O等)。
热处理木材常伴随着化学组分的变化，通过对热处理木材的近红外光谱采集，应用主成分分析法及化学计量法等手段，建立热处理木材化学组分差异与其光谱学特征的对应关系(数学预测模型)，即能实现对热处理木材力学性质进行预测。该技术具有操作简单、分析速度快、样品不需预处理、操作简单、无污染等特点。
发明内容
本发明的目的是提供一种热处理木材力学强度的预测方法，该预测方法包括基于近红外光谱的热处理木材力学强度的数学模型的构建方法和用该数学模型进行预测两部分。
基于近红外光谱的热处理木材力学强度的数学模型的构建方法是利用近红外光谱分析技术，通过采集热处理木材的近红外光谱信息，结合实验测量获得的木材力学强度实测值，将二者结合起来建立数学预测模型，通过该模型对热处理木材的力学强度进行快速预测。
近红外光谱技术不同于其他常规分析方法，不能通过观察样品谱图特征或测量样品谱图参数直接进行定性或定量分析，必须与化学计量学相结合，充分提取光谱中的有效信息，提高光谱信息的利用率。
化学计量学(Chemometrics)是一门独立的化学分支学科，它把数学、统计学和形式逻辑学原理，应用在设计或选择优化实验过程，通过分析化学数据提高最大限度的相关化学信息，并能获得有关化学系统的知识。
为达到上述目的，具体采用如下的技术方案：
基于近红外光谱的热处理木材力学强度的数学模型的构建方法，包括以下步骤：
(1)将木材处理成纤维方向为300～380mm，半径方向为18～20mm，弦切方向为18～20mm的木条，木条各面平整；
(2)将处理好的木块部分或全部进行热处理；
(3)测定木条的破坏载荷；
(4)取进行过破坏载荷后的木条，在靠近破坏处截取18～20mm×18～20mm×18～20mm的木块，测定木条的含水率；根据破坏载荷和含水率得到木条的抗弯强度和抗弯弹性模量；
(5)取步骤(4)的进行过含水率测定后的木条，采集木条横切面、径切面或弦切面的近红外光谱信息；
(6)建立抗弯强度或/和抗弯弹性模量数学定量模型：对横切面、径切面或弦切面近红外光谱信息进行预处理，取预处理后的横切面、径切面或弦切面近红外光谱信息中的任意一种与步骤(4)得到的抗弯强度或/和抗弯弹性模量，应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得到抗弯强度或/和抗弯弹性模量的数学定量模型。
本发明的技术方案中，具体的，步骤(1)所述木材为南方松、樟子松等常见建筑装饰用木材。
为了使建立的模型具有更好的预测性，步骤(1)中的木条为长方体，个数不小于40根，优选的个数为80～100根。
优选的，为了测试较为精确可靠的木材力学强度，步骤(1)将木材处理成纤维方向300mm，半径方向20mm，弦切方向20mm的木条。所述纤维方向、半径方向和弦切方向与本领域的常规规定相同。
步骤(2)进行热处理的设备选取电鼓风式烘干箱，步骤(2)中的热处理可根据实际情况进行选择，在本申请中所述热处理为120℃×4h、180℃×4h、220℃×4h三种方式中的一种或几种。
步骤(2)可将处理好的木块部分或全部进行热处理，其中最佳的实施方式为，将处理好的木块平均分为四部分，其中一部分不经过热处理，剩余的三部分分别进行120℃×4h、180℃×4h、220℃×4h热处理。
需要说明的是，虽然本发明的热处理方式为上述三种中的一种或几种，但通过本发明建立的热处理木材力学强度的数学定量模型 能得到经各种温度热处理后的木材的力学强度。
优选地，为了使建立的模型可以被广泛的应用于木材结构建筑等领域，步骤(3)中木条的破坏载荷按照GB/T 1936.1-2009《木材抗弯强度试验方法》和GB/T 1928-2009《木材物理力学试验方法总则》的要求进行测定。
优选地，为了充分获取木材的近红外谱图信息，取进行过木条破坏载荷后的木条，在靠近破坏处截取20mm×20mm×20mm的木块，按照GB/T 1931-2009《木材含水率测定方法》)测定木材含水率。
根据破坏载荷和含水率计算木条的抗弯强度为本领域的常规技术手段。
步骤(5)的具体操作为：取步骤(4)进行过含水率测定后的木条，利用德国布鲁克带有RT-PbS检测器，内置镀金漫反射积分球的MPA型傅立叶变换近红外光谱仪，应用OPUS 7.2软件，采用积分球漫反射模块采集木块横切面、径切面或弦切面的近红外光谱信息，谱图与木条编号一一对应；优选地，步骤(5)采集木条横切面的近红外光谱信息。
具体的，步骤(6)中横切面近红外光谱信息的预处理方法为利用OPUS软件对横切面的近红外光谱数据进行一阶导数和矢量归一化预处理，选取谱区范围，9-17点平滑处理，3-10个主成分数，运用偏最小二乘法和交叉检验方法；优选地，为利用OPUS软件对横切面的近红外光谱数据进行一阶导数和矢量归一化预处理，选取谱区范围，17点平滑处理，10个主成分数，运用偏最小二乘法和交叉检验方法。
步骤(6)中径切面近红外光谱信息的预处理方法为：对径切面的近红外光谱数据进行矢量归一化预处理，选取谱区范围，9-17点平滑处理，3-10个主成分数，运用偏最小二乘法和交叉检验方法；优选地为，对径切面的近红外光谱数据进行矢量归一化预处理，选取谱区范围，17点平滑处理，9个主成分数，运用偏最小二乘法和交叉检验方法。
步骤(6)中弦切面近红外光谱信息的预处理方法为：对弦切面的近红外光谱数据进行一阶导数和矢量归一化预处理，选取一定的谱区范围，9-17点平滑处理，3-10个主成分数，运用偏最小二乘法和交叉检验方法；优选地，对弦切面的近红外光谱数据进行一阶导数和矢量归一化预处理，选取谱区范围，17点平滑处理，3个主成分数，运用偏最小二乘法和交叉检验方法。
通过三个切面进行比较发现，横切面建立的模型决定系数、均方根误差、及相对分析误差比径切面、弦切面建立的模型较好。因此，优选地，步骤(6)对横切面近红外光谱信息(数据)进行预处理，取预处理后的横切面近红外光谱信息与步骤(4)得到的抗弯强度，应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得到抗弯强度的数学定量模型。
通过三个切面进行比较发现，横切面建立的模型决定系数、均方根误差、及相对分析误差比径切面、弦切面建立的模型较好。因此，优选地，步骤(6)对横切面近红外光谱信息进行预处理，取预处理后的横切面近红外光谱信息与步骤(4)得到的抗弯强度或/和抗弯弹性模量，应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得到抗弯强度或/和抗弯弹性模量的数学定量模型。
具体的，步骤(6)建立数学定量模型的步骤为：OPUS软件中打开建立定量模型方法窗口，添加光谱，调入测得的近红外光谱谱图，在“组分”子窗口点击添加组分按钮，更改组分的名称和单位(比如：名称抗弯强度，单位为MPa)，完成后“组分”将会出现在光谱条栏的后面，输入各木条力学强度(抗弯强度或抗弯弹性模量)的测定值，参考建立模型软件操作界面，设置预处理方法及谱图范围，进行优化，选取决定系数、均方根误差较好的一组，选择该组优化的条件，进行检验，得出图表。图表中出现红色点说明该数据为异常值，需要剔除，双击红色数据点，其变黑表示预剔除。模型建立完善后，进入“保存方法”子窗口，点击“保存方法”按钮，保存该模型方法。
本发明以南方松为原料，采用近红外光谱技术开发了预测热处理木材力学强度的新技术。木材经热处理常常伴随着其组成化学成分的热降解，特别是半纤维素的降解。半纤维素降解将导致木材吸湿性基团的减少，木材的吸湿润胀性能降低，从而提高了木材的尺寸稳定性；其次，半纤维素的降解也会导致绝大多数木腐菌失去营养源，从而使木材防腐性得到提高。但是，伴随着半纤维素的降解，热处理木材的力学强度同时会发生降低。因此，评价热处理木材力学强度与热处理温度的关系是木材热处理技术开发及设计人员合理使用木材的关键。
本发明的技术方案还包括利用本发明的方法构建的数学定量模型，及其在预测热处理木材力学强度中的应用。
具体的，数学定量模型在预测热处理木材力学强度中的应用方法包括以下步骤：在OPUS软件中，分别调入抗弯强度或/和抗弯弹性模量的数学定量模型，输入未处理或经过任意温度热处理的木材的近红外光谱，可分别得到相应条件下木材的抗弯强度或/和抗弯弹性模量的预测值。此处的相应条件指的是与输入的热处理木块所经过的热处理的温度和时间相同。
对同一品种的木材(例如南方松)，只需要建立一套抗弯强度或/和抗弯弹性模量数学定量模型，就能通过测量木材的近红外光谱的信息，对热处理后木材的力学强度进行预测。
本发明提供的数学定量模型，能够实时、在线对热处理木材进行力学强度评价，解决了利用传统方法评价热处理木材力学强度耗时、耗材、耗力的不足，在热处理木材力学强度评价方面实现快速、高效、无损和实用的特点。
附图说明
图1为不同热处理温度木材横切面近红外谱图；
图2为不同热处理温度木材径切面近红外谱图；
图3为不同热处理温度木材弦切面近红外谱图；
图4为近红外光谱热处理木材横切面抗弯强度模型预测值与实测值之间的关系。
具体实施方式
以下实施例中木材力学性质均按照国标《木材抗弯强度试验方法》GB/T 1936.1-2009或《木材物理力学试验方法总则》GB/T1928-2009进行，实施例用于说明本发明，但不用来限制本发明的范围。
实施例1
基于近红外光谱的热处理木材力学强度的数学模型的构建方法，具体包括以下步骤：
(1)样品预处理：将南方松处理成纤维方向为300mm×半径方向为20mm×弦切方向为20mm的木条(共40个)；
(2)热处理：将处理好的木条分别置入电鼓风式烘干箱内，以水蒸气作为保护气体，分别进行120℃×4h、180℃×4h、200℃×4h热处理；
(3)测定木条的破坏载荷(数据见表1中Pmax/N该栏)；
(4)取进行过破坏载荷后的木条，在靠近破坏处截取20mm×20mm×20mm的木块，测定木条的含水率；根据破坏载荷和含水率得到对应木条的抗弯强度(MOR)和抗弯弹性模量(MOE)，结果见表1；
表1 各木条抗弯强度(MOR)及抗弯弹性模量(MOE)数据
    未处理         120℃    
编号 Pmax/N MOR/Mpa 最大变形mm MOE/Mpa 编号 Pmax/N MOR/Mpa 最大变形mm MOE/Mpa
1 2290 103.1 13.1638 3758 1 1980 89.1 6.6825 6400
2 2850 128.3 12.4275 4954 2 1490 67.1 5.5913 5756
3 1729 77.8 17.1863 2173 3 2460 110.7 9.4225 5639
4 2170 97.7 9.9063 4732 4 2010 90.5 6.9888 6212
5 2630 118.4 10.0338 5662 5 3250 146.3 7.9313 8851
6 1650 74.3 6.9413 5135 6 3250 146.3 9.0525 7755
7 2760 124.2 10.5038 5676 7 2540 114.3 6.9663 7876
8 2470 111.2 6.4875 8224 8 2940 132.3 7.6788 8270
9 2500 112.5 7.3513 7346 9 2730 122.9 7.6888 7669
10 2890 130.1 11.1563 5595 10 2960 133.2 9.0288 7081
    180℃         220℃    
编号 Pmax/N MOR/Mpa 最大变形mm MOE/Mpa 编号 Pmax/N MOR/Mpa 最大变形mm MOE/Mpa
1 2260 101.7 7.1000 6875 1 717 32.3 4.6463 3333
2 3170 142.7 8.0450 8511 2 648 29.2 6.2438 2242
3 1930 86.9 6.3875 6526 3 827 37.2 3.9638 4507
4 1950 87.8 6.6288 6354 4 1590 71.6 5.5750 6160
5 2360 106.2 6.8750 7415 5 1695 76.3 4.4925 8150
6 2460 110.7 7.1038 7480 6 1456 65.5 6.0850 5168
7 1860 83.7 5.2850 7602 7 1209 54.4 4.2375 6163
8 870 39.2 8.0825 2325 8 1347 60.6 9.9000 2939
9 430 19.4 5.3450 1738 9 1515 68.2 5.2363 6250
10 1350 60.8 6.1800 4718 10 1565 70.4 5.6538 5979
(5)采集近红外光谱：取步骤(4)的进行过含水率测定后的木条，利用德国布鲁克带有RT-PbS检测器，内置镀金漫反射积分球的MPA型傅立叶变换近红外光谱仪，应用OPUS 7.2软件，采用仪器中积分球漫反射模块采集木块横切面的近红外光谱信息，谱图与木条编号一一对应，如图1～图3所示；
(6)建立抗弯强度数学定量模型：对横切面的近红外光谱信息(数据)进行预处理(具体的预处理方法为：对横切面的近红外光谱数据进行一阶导数和矢量归一化预处理，选取谱区范围，17点平滑处理，10个主成分数，运用偏最小二乘法和交叉检验方法)，取预处理后的横切面近红外光谱信息与步骤(4)得到的抗弯强度，应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得到抗弯强度的数学定量模型，决定系数R2＝86.63，均方根误差RMSECV＝9.56，相对分析误差RPD＝2.74。
(7)建立抗弯弹性模量数学定量模型：对横切面的近红外光谱 信息(数据)进行预处理(具体的处理方法为：对横切面的近红外光谱数据进行一阶导数和矢量归一化预处理，选取谱区范围，17点平滑处理，8个主成分数，运用偏最小二乘法和交叉检验方法)，取预处理后的横切面近红外光谱信息与步骤(4)得到的抗弯弹性模量，应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得到抗弯弹性模量的数学定量模型，决定系数R2＝81.91，均方根误差RMSECV＝7.3，相对分析误差RPD＝2.35。
为验证本发明提供的热处理木材力学强度的预测方法的正确性，现利用实施例1得到的数学模型进行下列应用试验。
应用例1：
在OPUS软件中，调入实施例1建立的横切面抗弯强度模型(决定系数R2＝86.63，均方根误差RMSECV＝9.56，相对分析误差RPD＝2.74)，测试经过180℃×4h热处理的南方松木块的近红外光谱信息并输入，得到预测值(180℃×4h)是59.4MPa，实验室测定的该木块的抗弯强度是59.1MPa，偏差为-0.303，如图4所示。
应用例2：
在OPUS软件中，调入实施例1建立的横切面抗弯弹性模量模型(决定系数R2＝81.91，均方根误差RMSECV＝7.3，相对分析误差RPD＝2.35)，测试经未处理的南方松木块的近红外光谱信息并输入，得到预测值是5662MPa，实验室测定的该木块的抗弯弹性模量是5686MPa，偏差为-24。
应用例3：
在OPUS软件中，调入实施例1建立的横切面抗弯强度模型(决定系数R2＝86.63，均方根误差RMSECV＝9.56，相对分析误差RPD＝2.74)，测试经过220℃×4h热处理的南方松木块的近红外光谱信息并输入，得到预测值(220℃×4h)是77.9MPa，实验室测定的该木块的抗弯强度是76.3MPa，偏差为-1.6。
实施例2：
本对比例与实施例1的区别仅在于步骤(5)中采用积分球漫反射模块采集木块径切面的近红外光谱信息(如图2所示)；步骤(6)为：对径切面近红外光谱信息(数据)进行预处理(对径切面的近红外光谱数据进行一阶导数预处理，选取谱区范围，17点平滑处理，10个主成分数，运用偏最小二乘法和交叉检验方法)，取预处理后的径切面近红外光谱信息中与步骤(4)得到的抗弯弹性模量，应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得到径切面抗弯弹性模量的数学定量模型(决定系数R2＝77.58，均方根误差RMSECV＝665，相对分析误差RPD＝2.11)。
运用建立的径切面抗弯弹性模量模型，测试经未处理的南方松木块，得到预测值是4944MPa，实验室测定的该木块的抗弯弹性模量是4880MPa，偏差为-64.1。
实施例3：
本对比例与实施例1的区别仅在于步骤(5)中采用积分球漫反射模块采集木块弦切面的近红外光谱信息(如图3所示)；步骤(6)为对径切面近红外光谱信息(数据)进行预处理(对径切面的近红外光谱数据进行一阶导数预处理，选取谱区范围，17点平滑处理，10个主成分数，运用偏最小二乘法和交叉检验方法，取预处理后的径切面近红外光谱信息中与步骤(4)得到的抗弯强度，应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得到弦切面抗弯强度的数学定量模型(决定系数R2＝70.79，均方根误差RMSECV＝14，相对分析误差RPD＝1.83)。
运用建立的弦切面抗弯强度模型，测试经180℃(180℃×4h)热处理的南方松木块，得到预测值(180℃×4h)是86.61MPa，实验室测定的该木块的抗弯强度为63.3MPa，偏差为-23.3。
对比例：
本对比例与实施例1的区别仅在于近红外光谱信息的预处理方法以及谱图不同：
在步骤(6)中木材横切面抗弯强度近红外光谱信息的预处理方法为：最小-最大归一化方法，得到的抗弯强度的数学定量模型(决定系数R2＝76.82，均方根误差RMSECV＝12.6，相对分析误差RPD＝2.08)，利用此方法测试经180℃(180℃×4h)处理的南方松木块，得到预测值(180℃×4h)是61.02MPa，实验室测定的该木块的抗弯强度是34.8MPa，偏差为-26.2。
在步骤(7)中木材横切面抗弯弹性模量近红外光谱信息的预处理方法为：一阶导数与减去一条直线，得到的抗弯弹性模量的数学定量模型(决定系数R2＝57.67，均方根误差RMSECV＝971，相对分析误差RPD＝1.54)，利用此方法测试经未处理的南方松木块，得到预测值是5112MPa，实验室测定的该木块的抗弯弹性模量是5350MPa，偏差为238。
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.基于近红外光谱的热处理木材力学强度的数学模型的构建方法，其特征在于，包括以下步骤：
(1)将木材处理成纤维方向为300～380mm，半径方向为18～20mm，弦切方向为18～20mm的若干个木条并编号，木条各面平整；
(2)将处理好的木块部分或全部进行热处理；
(3)测定木条的破坏载荷；
(4)取进行过破坏载荷后的木条，在靠近破坏处截取18～20mm×18～20mm×18～20mm的木块，测定该木条的含水率；根据同一木条的破坏载荷和含水率得到该木条的抗弯强度和抗弯弹性模量，抗弯强度和抗弯弹性模量与木条编号一一对应；
(5)取步骤(4)进行过含水率测定后的木条，采集木条横切面、径切面或弦切面的近红外光谱信息；
(6)建立抗弯强度或/和抗弯弹性模量数学定量模型：对横切面、径切面或弦切面近红外光谱信息进行预处理，取预处理后的横切面、径切面或弦切面近红外光谱信息中的任意一种与步骤(4)得到的抗弯强度或/和抗弯弹性模量，应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得到抗弯强度或/和抗弯弹性模量的数学定量模型。
2.根据权利要求1所述的数学模型的构建方法，其特征在于，步骤(1)将木材处理成纤维方向300mm，半径方向20mm，弦切方向20mm的木条。
3.根据权利要求1所述的数学模型的构建方法，其特征在于，步骤(2)将处理好的木块平均分为四部分，其中一部分不经过热处理，剩余的三部分分别进行120℃×4h、180℃×4h、220℃×4h热处理。
4.根据权利要求1任一项所述的数学模型的构建方法，其特征在于，步骤(5)采集木条横切面的近红外光谱信息。
5.根据权利要求1-4任一项所述的数学模型的构建方法，其特征在于，步骤(6)中横切面近红外光谱信息的预处理方法为利用OPUS软件对横切面的近红外光谱数据进行一阶导数和矢量归一化预处理，选取谱区范围，9-17点平滑处理，3-10个主成分数，运用偏最小二乘法和交叉检验方法；
步骤(6)中径切面近红外光谱信息的预处理方法为：对径切面的近红外光谱数据进行矢量归一化预处理，选取谱区范围，9-17点平滑处理，3-10个主成分数，运用偏最小二乘法和交叉检验方法；
步骤(6)中弦切面近红外光谱信息的预处理方法为：对弦切面的近红外光谱数据进行一阶导数和矢量归一化预处理，选取谱区范围，9-17点平滑处理，3-10个主成分数，运用偏最小二乘法和交叉检验方法。
6.根据权利要求5所述的数学模型的构建方法，其特征在于，步骤(6)中横切面近红外光谱信息的预处理方法为利用OPUS软件对横切面的近红外光谱数据进行一阶导数和矢量归一化预处理，选取谱区范围，17点平滑处理，10个主成分数，运用偏最小二乘法和交叉检验方法；
步骤(6)中径切面近红外光谱信息的预处理方法为对径切面的近红外光谱数据进行矢量归一化预处理，选取谱区范围，17点平滑处理，9个主成分数，运用偏最小二乘法和交叉检验方法；
步骤(6)中弦切面近红外光谱信息的预处理方法为对弦切面的近红外光谱数据进行一阶导数和矢量归一化预处理，选取谱区范围，17点平滑处理，3个主成分数，运用偏最小二乘法和交叉检验方法。
7.根据权利要求1-6任一项所述的数学模型的构建方法，其特征在于，步骤(6)对横切面近红外光谱信息进行预处理，取预处理后的横切面近红外光谱信息与步骤(4)得到的抗弯强度或/和抗弯弹性模量，应用OPUS软件，联立，采用化学计量学的方法，对数据信息进行处理归纳，得到抗弯强度或/和抗弯弹性模量的数学定量模型。
8.利用权利要求1-7的方法构建的数学模型。
9.权利要求8的数学模型在预测热处理木材力学强度中的应用。
10.根据权利要求9所述的应用，其特征在于，热处理木材力学强度的预测方法包括以下步骤：在OPUS软件中，分别调入抗弯强度或/和抗弯弹性模量的数学定量模型，输入未处理或经过任意温度热处理的木材的近红外光谱，可分别得到相应条件下木材的抗弯强度或/和抗弯弹性模量的预测值。
CN201510179491.5A 2015-04-15 2015-04-15 一种热处理木材力学强度的预测方法 Pending CN104931450A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510179491.5A CN104931450A (zh) 2015-04-15 2015-04-15 一种热处理木材力学强度的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510179491.5A CN104931450A (zh) 2015-04-15 2015-04-15 一种热处理木材力学强度的预测方法

Publications (1)

Publication Number Publication Date
CN104931450A true CN104931450A (zh) 2015-09-23

Family

ID=54118722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510179491.5A Pending CN104931450A (zh) 2015-04-15 2015-04-15 一种热处理木材力学强度的预测方法

Country Status (1)

Country Link
CN (1) CN104931450A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106248613A (zh) * 2016-08-19 2016-12-21 中国林业科学研究院热带林业研究所 一种测定大花序桉木材力学性质的方法
CN109711014A (zh) * 2018-12-14 2019-05-03 西南林业大学 一种水热-微波联合软化处理后木材弯曲挠度的模型构建方法
CN111000627A (zh) * 2019-12-04 2020-04-14 南京航空航天大学 基于约化散射系数的微波消融组织杨氏模量实时评估方法及其装置
CN112345382A (zh) * 2020-11-03 2021-02-09 西北农林科技大学 一种热处理木材力学强度的检测方法
CN112666138A (zh) * 2020-12-11 2021-04-16 南阳理工学院 一种基于微观构造快速预测木材抗弯弹性形变难易的方法
CN115099057A (zh) * 2022-07-15 2022-09-23 安徽农业大学 一种木材热处理后平衡含水率的预测方法及预测模型
CN115130319A (zh) * 2022-07-15 2022-09-30 安徽农业大学 热处理木材弦切加工面压球硬度的预测方法及预测模型
CN115219702A (zh) * 2022-07-15 2022-10-21 安徽农业大学 一种木材热处理后半纤维素含量的预测方法及预测模型
CN115356224A (zh) * 2022-07-15 2022-11-18 安徽农业大学 一种热处理木材弦切加工面邵氏硬度的预测方法及预测模型

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101299041A (zh) * 2008-06-10 2008-11-05 中国林业科学研究院木材工业研究所 一种对木藤材解剖性质快速预测的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101299041A (zh) * 2008-06-10 2008-11-05 中国林业科学研究院木材工业研究所 一种对木藤材解剖性质快速预测的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BA¨CHLE H ET.AL: "Evaluation of thermally modified beech and spruce wood and their properties by FT-NIR spectroscopy", 《WOOD SCI TECHNOL》 *
ESTEVES B ET.AL: "Influence of steam heating on the properties of pine (Pinus pinaster) and eucalypt (Eucalyptus globulus) wood", 《WOOD SCI TECHNOL》 *
ESTEVES B ET.AL: "Quality assessment of heat-treated wood by NIR spectroscopy", 《HOLZ ROH WERKST》 *
NEBOJSˇA TODOROVIC´ ET.AL: "Estimation ofquality of thermally modified beech wood with red heart wood by FT-NIR spectroscopy", 《WOOD SCI TECHNOL》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106248613A (zh) * 2016-08-19 2016-12-21 中国林业科学研究院热带林业研究所 一种测定大花序桉木材力学性质的方法
CN109711014B (zh) * 2018-12-14 2023-04-07 西南林业大学 一种水热-微波联合软化处理后木材弯曲挠度的模型构建方法
CN109711014A (zh) * 2018-12-14 2019-05-03 西南林业大学 一种水热-微波联合软化处理后木材弯曲挠度的模型构建方法
CN111000627A (zh) * 2019-12-04 2020-04-14 南京航空航天大学 基于约化散射系数的微波消融组织杨氏模量实时评估方法及其装置
CN111000627B (zh) * 2019-12-04 2020-11-20 南京航空航天大学 基于约化散射系数的微波消融组织杨氏模量实时评估方法及其装置
CN112345382A (zh) * 2020-11-03 2021-02-09 西北农林科技大学 一种热处理木材力学强度的检测方法
CN112666138A (zh) * 2020-12-11 2021-04-16 南阳理工学院 一种基于微观构造快速预测木材抗弯弹性形变难易的方法
CN112666138B (zh) * 2020-12-11 2023-04-07 南阳理工学院 一种基于微观构造快速预测木材抗弯弹性形变难易的方法
CN115099057A (zh) * 2022-07-15 2022-09-23 安徽农业大学 一种木材热处理后平衡含水率的预测方法及预测模型
CN115356224A (zh) * 2022-07-15 2022-11-18 安徽农业大学 一种热处理木材弦切加工面邵氏硬度的预测方法及预测模型
CN115219702A (zh) * 2022-07-15 2022-10-21 安徽农业大学 一种木材热处理后半纤维素含量的预测方法及预测模型
CN115130319A (zh) * 2022-07-15 2022-09-30 安徽农业大学 热处理木材弦切加工面压球硬度的预测方法及预测模型
CN115099057B (zh) * 2022-07-15 2024-07-16 安徽农业大学 一种木材热处理后平衡含水率的预测方法及预测模型
CN115356224B (zh) * 2022-07-15 2024-08-09 安徽农业大学 一种热处理木材弦切加工面邵氏硬度的预测方法及预测模型

Similar Documents

Publication Publication Date Title
CN104931450A (zh) 一种热处理木材力学强度的预测方法
CN104730032A (zh) 基于近红外光谱的热处理木材材色的数学模型及检测方法
CN103575694A (zh) 一种基于近红外光谱技术的稻谷黄曲霉毒素b1 快速检测方法
CN104020127A (zh) 一种利用近红外光谱快速测量烟叶中无机元素的方法
CN106706553A (zh) 一种快速无损测定玉米单籽粒直链淀粉含量的方法
CN104390927B (zh) 煤炭样品中灰分的快速检测方法
CN102313722A (zh) 一种基于多元线性回归的煤质工业分析方法
CN105136714B (zh) 一种基于遗传算法的太赫兹光谱波长选择方法
CN110455726B (zh) 一种实时预测土壤水分和全氮含量的方法
CN101271063A (zh) 气体红外光谱分析支持向量机校正模型方法的流程
CN105319179B (zh) 一种利用中红外光谱预测脱硫胺液中硫化氢含量的方法
WO2020248961A1 (zh) 一种无参考值的光谱波数选择方法
CN104316492A (zh) 近红外光谱测定马铃薯块茎中蛋白质含量的方法
CN102042967A (zh) 一种基于近红外光谱技术的葡萄糖水溶液快速识别方法
CN103308507B (zh) 一种快速测定聚氨酯中游离-nco的分析方法
Yue et al. Components analysis of biochar based on near infrared spectroscopy technology
CN204255854U (zh) 一种同时检测煤炭样品中7项指标的系统
CN106706554A (zh) 一种快速无损测定玉米单穗籽粒直链淀粉含量的方法
CN106290232B (zh) 堆积贮存单基发射药安全贮存寿命预估方法
CN105787518B (zh) 一种基于零空间投影的近红外光谱预处理方法
CN105784629B (zh) 利用中红外光谱快速检测土壤的稳定碳同位素比值的方法
CN109324018B (zh) 一种提高近红外光谱分析技术蛋白质含量建模基础数据准确性的方法
CN104568811B (zh) 煤炭样品中发热量的新型快速检测方法
CN106872398A (zh) 一种hmx炸药水分含量快速测量方法
CN105181640A (zh) 一种利用近红外光谱技术快速测定制浆材水分含量的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20150923

RJ01 Rejection of invention patent application after publication