CN109060711A - 一种计算掺白油有机硅产品中白油含量的方法 - Google Patents

一种计算掺白油有机硅产品中白油含量的方法 Download PDF

Info

Publication number
CN109060711A
CN109060711A CN201810987224.4A CN201810987224A CN109060711A CN 109060711 A CN109060711 A CN 109060711A CN 201810987224 A CN201810987224 A CN 201810987224A CN 109060711 A CN109060711 A CN 109060711A
Authority
CN
China
Prior art keywords
white oil
sample
oil content
spectrum
near infrared
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
CN201810987224.4A
Other languages
English (en)
Inventor
徐菁
幸荣勇
梁克俭
王永桂
谢鹏
黄正安
王泊恩
彭斌
陈敏剑
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.)
Zhonglan Chengdu Chengdu Detection Technology Co Ltd
Original Assignee
Zhonglan Chengdu Chengdu Detection Technology Co Ltd
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 Zhonglan Chengdu Chengdu Detection Technology Co Ltd filed Critical Zhonglan Chengdu Chengdu Detection Technology Co Ltd
Priority to CN201810987224.4A priority Critical patent/CN109060711A/zh
Publication of CN109060711A publication Critical patent/CN109060711A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种计算掺白油有机硅产品中白油含量的方法，属于有机硅质量鉴定技术领域。本发明通过已知掺杂白油的样品和未参加白油的样品的近红外光谱图为基础建立浓度模型，再通过扫描未知样品的近红外光谱图带入模型中进行计算，得到该样品中白油含量的预测值。通过简单的制样操作得到样品的近红外光谱图，再将近红外光谱图带入已建立的浓度模型中进行计算，从而得到该样品中白油含量的预测值。建立模型后，检测未知样品的测试时间仅仅需要5分钟，且模型可以反复使用。

Description

一种计算掺白油有机硅产品中白油含量的方法
技术领域
本发明涉及一种计量掺白油有机硅产品中白油含量的方法，属于有机硅产品的质量鉴定技术领域。
背景技术
随着市场经济的不断发展，尤其是有机硅产业日趋壮大的产业规模，越来越多的有机硅产品出现在市场中。在硅单体、硅油等基础产品价格越来越高的经济趋势下，以矿物油(白油、液体石蜡)为增塑剂以低廉的价格以及少量添加可以改善产品的初期光泽和施工性，因此为了降低生产成本，不少企业开始将廉价的白油代替硅油作增塑剂，生产高充油比、高填料比的所谓“充油胶”。这种充油的产品因为其新品在现有的质量检验体系中，并不影响产品的理化指标，往往在出厂的时候被判定为合格品。但是随着时间的推移，使用环境的温度变化，会让这类产品的力学、热力学性能迅速下降。例如，充油的硅酮建筑胶在使用中，力学性能大幅下降，胶体出现开裂和粉体，当作为建筑物幕墙的密封胶时，就会发生非常严重的质量事故。
因此，面对这种业内乱象，国家建筑工程质量监督检验中心于2009年专门撰文对白油的危害进行了分析和研究。文中不仅分析了参加白油的硅酮密封胶危害大，还提出了现有标准的要求过宽，导致一些掺加了白油的产品钻了空子流入市场，因此文中呼吁对有机硅产品的标准进行修改。
在标准的建立和修改的过程中，越来越多的使用方不仅仅满足于判定产品是否添加白油，也开始关注于到底添加了多少白油。对于这种现象，在业内往往得不到改善好回应，生厂商也会以技术秘密为由，拒绝披露。
鉴于以上的研究和市场需求，国家标准GB/T 14683-2017和JG/T 471-2015中都对烷烃增塑剂的添加做了明确的规定和要求，其中也提及了判断方法，但判断方法仅为定性的判定，并未涉及到定量的方法和计算。
CN 101887014A中对硅酮胶中白油的定性和定量的两种方法都进行了阐述，专利中，专利中描述的内容是使用丙酮对硅酮胶进行溶胀，抽取溶胀的溶液进行红外光谱测试，利用红外光谱中链烃的特征吸收峰定性判定硅酮胶中是否含白油；或用硅酮胶样品作为热重实验试样，通过热重分析法观察样品是否120～160℃发生失重，判定是否含有白油并对白油含量进行定量判断。
该专利的局限在于：首先，仅针对硅酮胶而非面对整个有机硅产品的行业；其次，着重了定性的判定，使用红外和热失重方法解决了含有极少量白油的判定，对热失重方法的定量分析白油的添加范围1％-7％。
1)比如在热重分析法中，每次在测试之前需要预热机器和做空白基线，需要在氮气气氛下，以很快的速度升温到200-220℃，随后再升温到800-900℃，再降温下来进行第二个样品。按照这样的测试方法推算，从开始测试样品到第二样品可以测试，需要2个小时左右的时间，一天的工作时间也仅仅能完成4个样品，测试周期长。
2)使用红外光谱法进行判定前的需要抽提(溶胀)，对抽提液进行分析，前处理过程耗时长，红外法的优点前处理完成后，能很快的得到结果。
4)气相色谱顶空-质谱联用同样需要前处理抽提液，并且气质联用是一台较为昂贵的设备，开一次所需要投入的试验成本高，单个样品的测试周期长。
3)因为有机硅产品是复配产品，添加剂复杂多变，在250℃左右的挥发份不仅仅是白油还有其他物质，如果单纯的使用热失重法判定是否添加白油，则会出现误差较大，甚至判断错的情况发生，因此，热失重法往往与其他几个方法联动使用。热失重法的优势是测试步骤简单，可以同时处理多个样品，效率较高。
近红外光谱(NIRS)技术兴起于20世纪50年代,随着分析仪器和化学计量学的发展而得到迅速发展.由于近红外光谱具有透射、反射、透反射等多种灵活的测量模式,因此几乎不需要样品处理,可直接对实际样品进行快速、无损、在位/在线分析.近年来,近红外光谱技术不仅在科学研究工作中发挥了重要作用，尤其是制药行业，对有效成分的精确定量、对批次间稳定性的要求，快速的得到结论，建立稳定、快速、准确的测试方法的需求，使得对近红外技术需求日趋重要。
由于近红外光谱一般用于实际复杂样品分析,化学计量学方法是定性定量分析的关键.为了保证多元校正模型的准确性和可靠性，信号处理和变量筛选主要用于散射校正、背景扣除以及有用信息的提取。对于建模方法研究主要针对光谱的非线性响应、奇异样本的影响等问题,研究目的是建立稳健、准确、可靠的聚类或定量模型。
近红外光谱分析的原理可分为三种,即(1)根据被测组分的光谱响应进行分析,(2)根据被测组分对其他组分光谱响应的影响进行分析,以及(3)根据被测组分样品中某些常量组分之间的相关性进行分析。只有第(1)种原理是直接针对样品进行分析，第(2)和第(3)种都是间接的测试。在工作中，我们发现直接对白油进行近红外的特征峰分析具有明显的峰型，因此采用(1)的原理建立模型即可。
GB/T 29858-2013《分子光谱多元校正定量分析通则》规定了采用分子光谱多元校正定量测定样品成(组)分浓度(含量)或样品性质的指导原则。适用于中红外光谱和近红外光谱法，标准中对使用光谱法预测未知样品中某一组份的校正模型建立、校正模型验证以及校正模型的使用提供了指导。
CN104020131A《一种采用近红外光谱分析甲基乙烯基聚硅氧烷中乙烯基的含量》的专利就采用了近红外光谱的方法对乙烯基含量进行了定量计算，专利中先使用气相色谱顶空法对样品的乙烯基含量进行了测定，收集校正样品，建立校正集；再通过矢量归一法和多元散射校正法建立校正曲线，再利用检验机检验异常值后建立了适合与甲基乙烯基聚硅氧烷中乙烯基含量的浓度模型；在检测未知样品的近红外谱图，使用建立好的模型预测其乙烯基含量。
在现有的文献中，未见有用近红外光谱法对白油的含量进行检测的报道。在工作中，我们发现有机硅产品和白油混合物的近红外特征峰是符合朗伯-比耳定律，即均匀样品中某物质吸收强度与该物质浓度呈线性关系。因此，萌发了采用分子光谱多元校正分析法来研究白油定量的研究思路。
发明内容
本发明旨在解决现有技术中存在的问题，本发明提出了一种计算掺白油有机硅产品中白油含量的方法，通过已知掺杂白油的样品和未参加白油的样品的近红外光谱图为基础建立浓度模型，再通过扫描未知样品的近红外光谱图带入模型中进行计算，得到该样品中白油含量的预测值。通过简单的制样操作得到样品的近红外光谱图，再将近红外光谱图带入已建立的浓度模型中进行计算，从而得到该样品中白油含量的预测值。模型建立后，一个未知样品的测试时间仅仅需要5分钟。
为了实现上述发明目的，本发明的技术方案如下：
一种计算掺白油有机硅产品中白油含量的方法，包括以下步骤:
A.选取校正集并收集校正集样品
收集已知浓度的样品，并扫描已知浓度样品的近红外光谱，将形成的近红外光谱组成校正集。
本步骤中，已知浓度的液体样品使用透射法进行收集；已知浓度的固体样品使用积分球收集。
B.建模
将步骤A得到的校正集和对应的白油含量理论值输入到数据处理软件中；选择光谱范围为4000cm-1～10000cm-1，优选4200cm-1-9000cm-1的范围，采用化学计量算法对校正集中的近红外光谱进行数学运算和迭代运算；然后依次进行预处理、计量分析和交叉验证，得到计量白油含量的模型。
本发明采用的化学计量算法为经典最小二乘法、逐步多元线性回归法、偏最小二乘法或主成分分析法。
本发明采用的预处理为光谱处理、滤噪处理或基线校正。
光谱处理为原始光谱、一阶导数光谱或二阶导数光谱。
滤噪处理为不处理、Savitzky-Golay filter方法或Norris derivative filter方法。
基线校正为不校正、分段线性校正或样条校正。
计量分析是指选择与已知白油浓度相关的特征峰位置和积分区间。
交叉检验指对校正集的模型进行分析偏差的计算，将分析偏差的值与复配再现性进行比较；交叉验证采用的方法为分析偏差SECV指标：当SECV指标低于复配再现性时，认为该方法满足建模要求；如果SECV指标大于复配再现性则要使用马氏距离对离群值进行判定。
交互验证的马氏距离判定离群是指马氏距离Dα是由校正集中某一条光谱与校正集中除此光谱外的其他光谱得到平均光谱相减得到的残差光谱与标准偏差光谱相除得到的差异点所占的权重，数值越小，说明匹配程度越大。当这个值偏离了平均光谱足够远时，认为该光谱为离群值。
足够远的判定标准为正态分布方差已知给定均值和定值的比较，双侧检验。I类错误的概率是α＝0.05,II类错误的概率为β＝0.05,自由度为ν＝∞，查表得到Dmax＝5.3；I类错误的概率是α＝0.10,II类错误的概率为β＝0.10,自由度为ν＝∞，查表得Dmax＝5.6。亦可自定义。
C.分析
将未知白油含量的待测样品收集并扫描近红外光谱，将得到的近红外光谱导入步骤B中的计量白油含量的模型中，计算得到待测样品的对应浓度。
本步骤中，未知白油含量的待测液体样品使用透射法进行收集；未知白油含量的待测样品使用积分球收集。
定量模型的结果为含量与吸收峰的关系形成浓度-峰面积曲线，即浓度与峰面积的函数，以及一条平均光谱和残差光谱。
本发明带来的有益效果：
(一)本发明的目标在于校正集样品可以通过复配获得，复配过程简单，不确定度较小，这就保证了样品浓度的准确性。测试步骤中，使用近红外光谱的方法不需要对样品进行复杂的前处理，只需要将气泡清除，保证光程一致即可。模型可以多次使用并不断修正，通过足够多的样品建立含量与吸收峰的关系形成浓度-峰面积曲线，这样就能快速和相对准确的得到白油含量。
(二)本发明所述方法相对与热重分析法，其测试时间明显缩短。热重分析法因为要气氛的要求，需要消耗N2。因加热温度高达800-900℃，升温和降温需要时间，尤其是降温的时间很长，因此做一个样品所用的时间周期大约在2小时左右。近红外法采样时间在1min左右。在样品制备好、模型已经建立的情况下，一个样品周期5min。
(三)本发明所述方法相对气相色谱顶空-质谱联用，其使用仅需样品处理的耗材和带有处理软件的计算机，常温下操作，不再需要耗费顶空进样器、色谱柱、质谱这种昂贵的耗材与设备，测试周期也明显缩短。本发明所述方法同样适用于交联后的有机硅橡胶产品，而气相色谱顶空-质谱法却不适用于交联后的产品。
附图说明
图1为实施例1的回归曲线。
图2为实施例2中的回归曲线。
图3为实施例3中的回归曲线。
图4为纯白油的TG曲线。
图5为纯硅油的TG曲线。
图6为本实施例中样品1的TG曲线。
图7为本实施例中样品2的TG曲线。
具体实施方式
下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此。
以下所提及3号白油、硅油和液体硅橡胶为市场购买，硅酮密封胶按照MS20-LM配方复配而成。3号白油，其40℃的运动黏度为2.5-4.4mm2/s。硅油为二甲基硅油，40℃的运动黏度为500mm2/s；液体硅橡胶为α,ω-二羟基聚硅氧烷，23℃的旋转黏度为1000-1800mPa·s；硅酮密封胶为改性硅烷聚醚密封胶。需要说明的是：尽管可能来自于不同厂家的、不同批次产品所呈现的近红外光谱会有所区别，但是都验证了本发明的方法的有效性。
实施例1
本实施例以硅油中掺白油作为具体实施方式之一，来说明本发明的计算方法。
第一步：有代表性的样品收集
准备白油和硅油两种样品，分别将白油：硅油按照质量比复配成白油和硅油的混合物作为校正集样品，校正集样品为20个，白油含量从0.0-20.0％。下表为硅油与白油的校正集样品的浓度(ω/％)。
序号 浓度(白油) 序号 浓度(白油)
1 0.00 11 10.02
2 0.51 12 10.96
3 1.01 13 12.02
4 2.04 14 13.04
5 3.03 15 14.01
6 4.05 16 15.05
7 5.02 17 16.03
8 6.03 18 16.97
9 8.02 19 19.03
10 9.04 20 20.00
第二步：测定校正集样品的近红外光谱：将白油/硅油的混合物装入到6mm的石英管中，使用透射的收集方式测定样品的近红外光谱图。
第三步：将样品的近红外光谱图和对应的白油含量理论值输入近红外光谱软件中。
第四步：对近红外光谱预处理，优化并建立近红外模型。
第五步：选择偏最小二乘法PLS的处理方法。
第六步：选择固定光程。
第七步：导入校正集的光谱信息，并按照已知白油/硅油的浓度编辑样品信息。
第八步：手动选择吸光度小于4％的波段，4500cm-1～9000cm-1。选择一阶求导的方法对光谱进行了处理，采用Norris derivative filter方法对光谱进行了处理，基线不校正。
第九步：自定义交互验证马氏距离。使用GB/T 29858-2013第14.2.1节所规定的方法，选择马氏距离极限值小于2.2对校正集中异常样品进行剔除。下表为校正集马氏距离。
序号 马氏距离 序号 马氏距离
1 0.75 11 1.24
2 0.12 12 0.64
3 0.23 13 1.03
4 0.45 14 1.07
5 0.51 15 0.95
6 0.58 16 1.18
7 0.71 17 1.27
8 0.87 18 1.04
9 0.98 19 1.18
10 1.13 20 0.69
实施例1中无剔除，建立浓度校正曲线，其线性回归率应大于等于0.99。回归曲线如图1所示。
第十步：待测样品分析，样品为：未添加的硅油和纯白油，以及随机混合白油的待测样品。
将验证样品装入到6mm的石英管中，使用透射的收集方式测定样品的近红外光谱图。
将所测得的近红外光谱导入化学计量软件中。
对与第九步相同的特定位置的透过率曲线面积积分，将所得结果带入到图1中得到的回归曲线中计算。
计算结果为预测值，如下表所示：
样品 计算预测值 实际值
纯白油 99.8％ 100％
纯硅油 0.01％ 0％
样品1 16.07％ 16.03％
样品2 10.08％ 10.02％
样品3 5.08％ 5.02％
实施例2
本实施例以硅油液体硅橡胶中掺白油作为具体实施方式之一，来说明本发明的计算方法。
第一步：有代表性的样品收集
准备白油和不参加白油的液体硅橡胶两种样品，分别将白油：液体硅橡胶按照质量比复配成白油和硅油的混合物作为校正集样品，校正集样品为20个，白油含量从0.00-32.04％。下表为液体硅橡胶和白油的样品浓度(ω/％)。
序号 浓度(白油) 序号 浓度(白油)
1 0.00 11 12.01
2 0.61 12 14.07
3 0.74 13 15.02
4 1.88 14 15.99
5 3.01 15 18.04
6 4.00 16 20.01
7 5.04 17 25.41
8 6.01 18 27.92
9 8.03 19 30.03
10 10.02 20 32.04
第二步：测定校正集样品的近红外光谱：将混合物装入到6mm的石英管中，使用透射的收集方式测定样品的近红外光谱图。
第三步：将样品的近红外光谱图和对应的已知白油含量理论值导入近红外光谱软件中。
第四步：测定校正集样品的近红外光谱：将白油/硅油的混合物装入到6mm的石英管中，使用透射的收集方式测定样品的近红外光谱图。
第五步：选择偏最小二乘法PLS的处理方法。
第六步：选择固定光程。
第七步：导入校正集的光谱信息，并按照已知白油/液体硅橡胶的浓度编辑样品信息。
第八步：手动选择吸光度小于4％的波段，4400cm-1～8800cm-1。选择原始光谱，采用Savitzky-Golay方法对光谱进行了降噪处理，采用样条线性校正进行基线校正。
第九步：选择马氏距离极限值小于5.5对校正集中异常样品进行剔除。剔除后的样品不得小于18个。下表为校正集马氏距离。
序号 马氏距离 序号 马氏距离
1 1.55 11 0.74
2 1.43 12 0.88
3 1.12 13 0.98
4 0.98 14 1.23
5 0.89 15 1.15
6 0.85 16 1.27
7 0.75 17 1.47
8 0.69 18 1.34
9 0.64 19 1.40
10 0.68 20 1.56
对剔除异常样品的校正集再次使用PLS的处理方法，建立浓度校正曲线，如图2所示，其线性回归率应大于等于0.99。
第十步：待测样品分析，样品为：未添加的硅油和纯白油，以及随机混合白油的样品。
将验证样品装入到6mm的石英管中，使用透射的收集方式测定样品的近红外光谱图。
将所测得的近红外光谱导入化学计量软件中。
对与2第九步相同的特定位置的透过率曲线面积积分，将所得结果带入到图2中得到的回归曲线中计算。
计算结果为预测值，如下表所示：
样品 计算预测值 实际值
纯白油 99.8％ 100％
纯液体硅橡胶 0.03％ 0.00％
样品1 21.42％ 21.06％
样品2 31.56％ 31.07％
样品3 14.31％ 13.93％
样品4 1.46％ 1.15％
实施例3
本实施例以硅酮密封胶中掺白油作为具体实施方式之一，来说明本发明的计算方法。
第一步：有代表性的样品收集
准备添加白油和不添加白油的硅酮密封胶两种样品，分别将白油：硅酮密封胶按照质量比复配成白油和硅油的混合物作为校正集样品，校正集样品为20个，白油含量从0-18.07％。下表为硅酮密封胶和白油的样品浓度(ω/％)。
序号 白油含量 序号 白油含量
1 0.00 11 10.02
2 1.04 12 10.54
3 2.08 13 12.05
4 3.90 14 13.01
5 5.04 15 14.50
6 6.01 16 15.07
7 7.98 17 15.80
8 8.51 18 16.03
9 9.07 19 17.99
10 9.60 20 18.07
第二步：测定校正集样品的近红外光谱：将混合物装入到透明PP袋中，使用积分球的收集方式测定样品的近红外光谱图。
第三步：将样品的近红外光谱图和对应的白油含量理论值导入近红外光谱软件中。
第四步：测定校正集样品的近红外光谱：将装入胶体的PP袋紧紧压在积分球上，使用透射的收集方式测定样品的近红外光谱图。
第五步：选择偏最小二乘法PLS的处理方法。
第六步：选择固定光程。
第七步：导入校正集的光谱信息，并按照已知白油/液体硅橡胶的浓度编辑样品信息。
第八步：手动选择吸光度小于4％的波段，4600cm-1～9200cm-1。选择二阶求导的方法对光谱进行了处理，采用Savitzky-Golay方法对光谱进行了处理，采用不校正进行校正。
第九步：选择马氏距离极限值小于5.3对校正集中异常样品进行剔除。剔除后的样品不得小于18个。下表为校正集马氏距离。
序号 马氏距离 序号 马氏距离
1 1.74 11 0.84
2 1.66 12 0.79
3 1.57 13 0.83
4 1.54 14 0.96
5 0.98 15 1.04
6 0.95 16 1.35
7 0.75 17 1.24
8 0.72 18 1.59
9 0.69 19 1.62
10 0.89 20 1.39
对剔除异常样品的校正集再次使用PLS的处理方法，建立浓度校正曲线，校正曲线如图3所示。其线性回归率应大于等于0.99。
第十步：待测样品分析：未添加白油的硅酮胶以及随机混合白油的待测样品
将验证样品装入透明PP袋中，使用积分球的收集方式测定样品的近红外光谱图。
将所测得的近红外光谱导入化学计量软件中。
对与第九步相同的特定位置的透过率曲线面积积分，将所得结果带入到图3中得到的回归曲线中计算。
计算结果为预测值，如下表所示：
样品 计算预测值 实际值
纯白油 99.8％ 100％
纯硅酮密封胶 0.06％ 0.00％
样品1 16.47％ 16.03％
样品2 18.39％ 17.99％
样品3 5.89％ 6.01％
样品4 0.96％ 1.04％
实施例4
本实施例以热重分析法来计算硅油中掺白油的含量作为对比例，与本申请所述方法形成对照。
第一步：分别准备4个样品，分别是纯白油、纯硅油、含白油的硅油(白油浓度1.01％)，和含白油的硅油(白油浓度5.05％)。
第二步，使用热重分析仪测试纯白油和纯硅油的热失重温度。
纯白油的测试条件是在氮气气氛下，以20℃/min的速率升温至220℃，由热重曲线可知，白油的热分解温度在204.53℃。
纯硅油的测试条件是在氮气气氛下，以20℃/min的速率升温至200℃，保持5min后再以50℃/min升温到800℃。由热重曲线可知，硅油在200.17℃有一个分解台阶，说明硅油中有其他的添加剂，添加剂含量为1-98.97％＝1.03％。
用和纯硅油相同的测试条件测试其他2个样品，得到如下的结果：
序号 热失重法测得 实际
样品1 1.25％ 1.01％
样品2 3.01％ 3.04％
所用时间 4h 4h
由对比例可知，当白油的含量较少时，会发生较大的误差，这是因硅油中添加剂与白油的热分解温度相近，计算的白油的含量中有一部分是添加剂的影响，这个影响在白油含量较低时，对结果的影响的比较大。
如图4～图7所示：采用热重分析法计算硅油中掺白油的含量，与本发明所述的方法相比，四个样品所用的测试时间，因为温度要从800℃下降到常温才能进行下一个样品的测试，平均下来是4小时一个样。而采用本发明所述的方法进行计算，建立模型可以多次使用，测试一个样品只需要5min。

Claims (8)

1.一种计算掺白油有机硅产品中白油含量的方法，其特征在于：包括以下步骤:
A.选取校正集并收集校正集样品
收集已知浓度的样品，并扫描已知浓度样品的近红外光谱，将形成的近红外光谱组成校正集；
B.建模
将步骤A得到的校正集和对应的白油含量理论值输入到数据处理软件中；选择光谱范围为4000cm-1～10000cm-1，先采用化学计量算法对校正集中的近红外光谱进行数学运算和迭代运算；然后依次进行预处理、计量分析和交叉验证，得到计量白油含量的模型；
C.分析
将未知白油含量的待测样品收集并扫描近红外光谱，将得到的近红外光谱导入步骤B中的计量白油含量的模型中，计算得到待测样品的对应浓度。
2.如权利要求1所述的计算掺白油有机硅产品中白油含量的方法，其特征在于：在步骤B中，所述化学计量算法为经典最小二乘法、逐步多元线性回归法、偏最小二乘法或主成分分析法。
3.如权利要求1所述的计算掺白油有机硅产品中白油含量的方法，其特征在于：在步骤B中，所述预处理为光谱处理、滤噪处理或基线校正；所述光谱处理为原始光谱、一阶导数光谱或二阶导数光谱；所述滤噪处理为不处理、Savitzky-Golay filter方法或Norrisderivative filter方法；所述基线校正为不校正、分段线性校正或样条校正。
4.如权利要求1所述的计算掺白油有机硅产品中白油含量的方法，其特征在于：在步骤B中，所述计量分析是指选择与已知白油浓度相关的特征峰位置和积分区间。
5.如权利要求1所述的计算掺白油有机硅产品中白油含量的方法，其特征在于：在步骤B中，所述交叉检验指对校正集的模型进行分析偏差的计算，将分析偏差的值与复配再现性进行比较；所述交叉验证采用的方法为分析偏差SECV指标：当SECV指标低于复配再现性时，认为该方法满足建模要求；如果SECV指标大于复配再现性则要使用马氏距离对离群值进行判定。
6.如权利要求5所述的计算掺白油有机硅产品中白油含量的方法，其特征在于：所述马氏距离判定离群是指马氏距离Dα，马氏距离Dα是由步骤B中的校正集中某一条光谱，与校正集中除此光谱外的其他光谱得到平均光谱相减，得到的残差光谱与标准偏差光谱相除得到的差异点所占的权重。
7.如权利要求1所述的计算掺白油有机硅产品中白油含量的方法，其特征在于：在步骤A，已知浓度的液体样品使用透射法进行收集；已知浓度的固体样品使用积分球收集。
8.如权利要求1所述的计算掺白油有机硅产品中白油含量的方法，其特征在于：在步骤C中，未知白油含量的待测液体样品使用透射法进行收集；未知白油含量的待测样品使用积分球收集。
CN201810987224.4A 2018-08-28 2018-08-28 一种计算掺白油有机硅产品中白油含量的方法 Pending CN109060711A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810987224.4A CN109060711A (zh) 2018-08-28 2018-08-28 一种计算掺白油有机硅产品中白油含量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810987224.4A CN109060711A (zh) 2018-08-28 2018-08-28 一种计算掺白油有机硅产品中白油含量的方法

Publications (1)

Publication Number Publication Date
CN109060711A true CN109060711A (zh) 2018-12-21

Family

ID=64757320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810987224.4A Pending CN109060711A (zh) 2018-08-28 2018-08-28 一种计算掺白油有机硅产品中白油含量的方法

Country Status (1)

Country Link
CN (1) CN109060711A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110095429A (zh) * 2019-04-30 2019-08-06 济南弗莱德科学仪器有限公司 一种成品油质量快速检测方法
CN110672552A (zh) * 2019-09-25 2020-01-10 南京林业大学 一种车用燃油近红外光谱检测结果的置信度估计方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101887014A (zh) * 2010-06-13 2010-11-17 郑州中原应用技术研究开发有限公司 一种掺白油的硅酮密封胶的鉴定方法
CN101988895A (zh) * 2009-07-30 2011-03-23 中国石油化工股份有限公司石油化工科学研究院 由近红外光谱预测混合原油中单种原油含量的方法
CN102830087A (zh) * 2011-09-26 2012-12-19 武汉工业学院 基于近红外光谱技术快速鉴别餐饮废弃油脂的方法
US20140075827A1 (en) * 2012-09-20 2014-03-20 Kior, Inc. Use Of Nir Spectra For Property Prediction Of Bio-Oils And Fractions Thereof
CN107505282A (zh) * 2017-08-28 2017-12-22 南京富岛信息工程有限公司 一种提高油品近红外建模稳健性的方法
US20180017540A1 (en) * 2016-07-14 2018-01-18 Chevron U.S.A. Inc. Method for predicting total petroleum hydrocarbon concentration in soils
CN108169169A (zh) * 2018-02-12 2018-06-15 北京理工大学珠海学院 一种基于近红外光谱技术的山茶油掺伪的快速检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101988895A (zh) * 2009-07-30 2011-03-23 中国石油化工股份有限公司石油化工科学研究院 由近红外光谱预测混合原油中单种原油含量的方法
CN101887014A (zh) * 2010-06-13 2010-11-17 郑州中原应用技术研究开发有限公司 一种掺白油的硅酮密封胶的鉴定方法
CN102830087A (zh) * 2011-09-26 2012-12-19 武汉工业学院 基于近红外光谱技术快速鉴别餐饮废弃油脂的方法
US20140075827A1 (en) * 2012-09-20 2014-03-20 Kior, Inc. Use Of Nir Spectra For Property Prediction Of Bio-Oils And Fractions Thereof
US20180017540A1 (en) * 2016-07-14 2018-01-18 Chevron U.S.A. Inc. Method for predicting total petroleum hydrocarbon concentration in soils
CN107505282A (zh) * 2017-08-28 2017-12-22 南京富岛信息工程有限公司 一种提高油品近红外建模稳健性的方法
CN108169169A (zh) * 2018-02-12 2018-06-15 北京理工大学珠海学院 一种基于近红外光谱技术的山茶油掺伪的快速检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DAGMAR TIMM ET AL.: "Applications of near infrared spectroscopy for qualification of lubricants and other mineral oil products", 《J. NEAR INFRARED SPECTROSC.》 *
严衍禄 等: "《近红外光谱分析的原理、技术与应用》", 31 January 2013 *
刘盈等: "掺白油硅酮密封胶耐老化性能研究 ", 《中国建筑防水》 *
袁洪福 等: "《中国石油学会第四届石油炼制学术年会论文集》", 30 April 2001 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110095429A (zh) * 2019-04-30 2019-08-06 济南弗莱德科学仪器有限公司 一种成品油质量快速检测方法
CN110672552A (zh) * 2019-09-25 2020-01-10 南京林业大学 一种车用燃油近红外光谱检测结果的置信度估计方法
CN110672552B (zh) * 2019-09-25 2022-06-07 南京林业大学 一种车用燃油近红外光谱检测结果的置信度估计方法

Similar Documents

Publication Publication Date Title
CN109983338B (zh) 烃燃料气体组成和性质的测量
CN101988895B (zh) 由近红外光谱预测混合原油中单种原油含量的方法
EP2796856B1 (en) Coal gas component and calorific value measurement method
CN101216419A (zh) 一种快速检测黄酒品质指标的方法
WO1997028436A1 (en) Mutivariate sample analysis
CN101893561A (zh) 一种润滑油新油质量近红外光谱快速测定方法
CN105372195B (zh) 一种微量紫外分光光度计质量检测方法和检测试剂盒
CN103018195A (zh) 近红外光谱测定pbx炸药中pctfe含量的方法
CN105203497B (zh) 一种由近红外光谱预测脱硫胺液中硫化氢含量的方法
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
CN109060711A (zh) 一种计算掺白油有机硅产品中白油含量的方法
Cooper et al. Calibration transfer of near‐IR partial least squares property models of fuels using virtual standards
CN108444976B (zh) 一种基于拉曼光谱的天然气热值测量方法
CN108020526A (zh) 一种丁羟推进剂药浆组分近红外检测方法
CN104596979A (zh) 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法
CN104596975A (zh) 近红外漫反射光谱技术测定造纸法再造烟叶木质素的方法
CN112179871A (zh) 一种酱类食品中己内酰胺含量无损检测的方法
CN107966499B (zh) 一种由近红外光谱预测原油碳数分布的方法
Cox et al. Determination of iodine value with a fourier transform‐near infrared based global calibration using disposable vials: An international collaborative study
CN104596976A (zh) 近红外漫反射光谱技术测定造纸法再造烟叶蛋白质的方法
JP2003520347A (ja) 溶媒混合物のオンライン分析のための方法および装置
CN109030410B (zh) 蜂王浆近红外定量校正模型的构建方法及蜂王浆的检测方法
CN110865044A (zh) 一种鉴别掺白油有机硅产品的光谱分析方法
CN112903879A (zh) 对含有氧气的样品进行火焰离子化检测的方法和装置
CN109342355A (zh) 颈腰康胶囊近红外定量校正模型的构建方法及颈腰康胶囊的检测方法

Legal Events

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

Application publication date: 20181221