CN109811493B - 一种多组分染料染色过程自动给液方法 - Google Patents

Abstract

本发明涉及一种多组分染料染色过程自动给液方法，在多组分染料A染色过程中，实时在线监测染液中各染料的浓度，根据染液中各染料的浓度计算各染料质量占染料总质量的百分比后，将各染料的百分比同时输入到同一BP神经网络模型中，由其输出各染料的K₀值，将K₀值的最大值和最小值相减得到差的绝对值即为D_max，计算D_max相对于D⁰ _max的变化率，将变化率与阈值进行比较，若小于阈值，则不补加染液；反之，则补加染液至各染料的浓度等于初始浓度。本发明方法简单，通过实时在线监测染液中各染料的浓度，使染色结果最大程度地接近目标效果，实现在线反馈控制，提高染色产品质量，提高染色一次成功率，达到了更好的染色效果。

Description

一种多组分染料染色过程自动给液方法

技术领域

本发明属于印染行业染色在线自动控制技术领域，涉及一种染色过程自动给液方法，特别涉及一种多组分染料染色过程自动给液方法。

背景技术

染料染色过程中，染色的稳定性与染料在染液槽中的瞬间同步上染率关系极大，尤其对于多组分染料拼色而言，染色色光的稳定性与多组分染料在这段时间内的同步上染率有极大的关系，同步上染率一致，染料的稳定性较好，头尾色差变化小，反之可能产生头尾色差。所以选择配伍性好的染料进行拼色，或者使染色过程实现自动精确控制是提高染色技术和染色质量的一个重要方向。

目前染色过程自动给液系统主要是针对不同批次间加料误差的控制研究，或者先对样品进行颜色分析通过计算机配色得到染料配方，再根据染料配方进行自动配料的系统。而对于同一批次染色过程中的自动给液系统主要是染厂师傅根据前期打小样的经验或者渗圈实验大致判断加料前后配伍性的好坏来控制给液量。但是实际拼色过程中染料间因相互作用或者其他因素影响染料的瞬间上染率，从而导致染料的配伍性发生变化。国内对染色过程中染料浓度的在线监测主要是通过紫外分光光度计进行，而所采用的紫外分光光度计在定量分析多组分染液浓度时由于计算过程复杂，导致结果误差大，使得可检测浓度范围窄，尤其是针对结构相似或者颜色相近的染料拼混，紫外光谱重叠严重，更大程度上限制了紫外分光光度计在监测染色过程方面的应用。

因此，研究一种方法简单、分析结果精准、染料适用范围广且能提高染色产品质量的一种多组分染料染色过程自动给液方法具有十分重要的意义。

发明内容

本发明的目的是针对现有技术的不足，提供一种方法简单、分析结果精准、染料适用范围广且能提高染色产品质量的多组分染料染色过程自动给液方法。

为了达到上述目的，本发明采用如下的技术方案予以实现：

一种多组分染料染色过程自动给液方法，在多组分染料A染色过程中，实时在线监测染液中各染料的浓度，并由其实时计算得到D_max后，计算D_max相对于D⁰ _max的变化率，将变化率与阈值进行比较，若小于阈值，则不补加染液；反之，则补加染液至染液中各染料的浓度等于初始浓度；

由染液中各染料的浓度得到D_max的过程为：将根据染液中各染料的浓度计算各染料质量占染料总质量的百分比后，将各染料的百分比同时输入到同一BP神经网络模型中，由其输出各染料的K₀值，将K₀值的最大值和最小值相减得到差的绝对值即为D_max；

BP神经网络模型是由染料数据库训练后的BP神经网络，染料数据库包含多个染料配方B及染料配方B中各染料的K₀值，染料配方B与多组分染料A对应同一组染料，训练时分别以各染料配方B中各染料质量占染料总质量的百分比及其对应K₀值为输入项和输出项；

染料配方B中各染料的K₀值为使用该染料配方B染色过程中单位质量的织物上各染料的初始上染速率；

D⁰ _max为染色开始时的D_max，变化率＝|D_max-D⁰ _max|/D⁰ _max；

阈值＝|D*_max-D′_max|/D′_max，D*_max和D′_max分别为多个经试验验证配伍性好的染料配方B的D_max的最大值和最小值。

本发明通过引入D_max＝|K_0max-K_0min|表征配伍性，同时建立BP神经网络模型，通过该模型即可得到多组分染料中各染料的K₀值，计算得到各染料对应的D_max，而后计算D_max相对于D⁰ _max的变化率，将变化率与阈值进行比较，若小于阈值，则不补加染液；反之，则补加染液至各染料的浓度等于初始浓度，成功解决了多组分染料染色过程中极易出现的分析结果精准度低而导致的染色效果差的问题。

作为优选的技术方案：

如上所述的一种多组分染料染色过程自动给液方法，染料配方B中各染料的K₀值是通过以下过程得到的：

首先在线监测染液中各染料的浓度随时间变化的数据，然后进行数据处理得到单位质量的织物上各染料上染量随时间变化的数据，接着对数据进行拟合得到各染料对应的上染量-时间拟合曲线，最后计算0时刻时上染量-时间拟合曲线的斜率得到各染料的K₀值；

所述上染量W_T的计算公式如下：

式中，C₀为染液中染料的初始浓度，单位为g/L，C_T为T时刻染液中染料的浓度，单位为g/L，m为染色开始时染液中染料的质量，单位为mg，M为织物的质量，单位为g；

所述K₀值的单位为mg·g^-1·min^-1。

如上所述的一种多组分染料染色过程自动给液方法，所有的在线监测都采用拉曼光谱仪，本发明的保护范围不限于此，其他能够实现在线监测的仪器都可适用于本发明，例如紫外可见分光光度计等等，所述拉曼光谱仪的光纤探头插入到染液中，或者可以通过其他方式实现在线监测，例如直接监测，即将染液直接放置在拉曼激光下监测，只要是采用拉曼光谱仪在线监测染液中各染料浓度随时间变化的数据都在本发明的保护范围内；所述在线监测时拉曼光谱仪的激光器波长范围为200～1500nm，激光功率为0.01mW～3kW，曝光时间为0.0167～100sec，所述在线监测时拉曼光谱仪的测试条件范围并不局限于此，其也为根据激光器原始功率与滤光片组合方式的不同所能到达的最大范围；所有的染液中的染料的浓度都是利用拉曼光谱通过化学计量学方法建立定量分析模型分析得到的。

如上所述的一种多组分染料染色过程自动给液方法，所述化学计量学方法为偏最小二乘法、主成分回归法、逐步多元线性回归法或经典最小二乘法；所述定量分析模型共有两个准确性评估指标，一个是校正相关系数(R²)，最大值为1，越接近1准确性越高，另一种是均方差(RMSEC)，最小值是0，越接近0准确性越高，可通过变换化学计量学方法和光谱预处理方法使其R²或RMSEC无限接近1或者0。

如上所述的一种多组分染料染色过程自动给液方法，所述拟合采用Origin软件、Excel软件或CurveExpert Pro软件，本发明的保护范围不限于此，其他拟合软件同样适用于本发明。

如上所述的一种多组分染料染色过程自动给液方法，所述上染量-时间拟合曲线的相关系数不低于0.90；所述0时刻时上染量-时间拟合曲线的斜率是通过对上染量-时间拟合曲线进行一阶求导处理得到的。

如上所述的一种多组分染料染色过程自动给液方法，其所有的染液的浓度都为0.01～200g/L，pH值为0.1～14.0；所有的染色的温度都为10～250℃，浴比都为1∶1～200，中性盐用量都为0～300g/L，工艺都为轧染、浸染、冷轧堆染色或高温高压染色，染色工艺不限于此，还可以是湿短蒸等等，本发明的多组分染料配伍性评价方法适用范围较广，不受染色工艺的限制；所述染料为活性染料、酸性染料、直接染料或分散染料，染料不限于此，还可以是其他适合拼色的染料；所有的染色使用的织物都为棉织物或粘胶织物，织物不限于此，还可以是其他适合上述染料或者其他可与其拼色的染料染色的所有织物。

如上所述的一种多组分染料染色过程自动给液方法，采用染料数据库训练BP神经网络时训练的终止条件为：被错误识别的训练样本的数量占训练样本总数的比例不高于5％，被错误识别的训练样本是指BP神经网络输出的K₀值与实际K₀值不一致的训练样本。

如上所述的一种多组分染料染色过程自动给液方法，所述阈值的取值范围为1％-10％。阈值的取值范围不限于此，可根据实际染色情况而定。

如上所述的一种多组分染料染色过程自动给液方法，补加染液是指同时补加多种单一染液，单一染液是只含一种染料的染液，补加染液前先计算各单一染液的加入量，假设多组分染料共n种组分，n≥2，i＝1，2，......n，第i种组分的初始浓度为C_0i，当染色时间为t时，染液量为V_t，第i种组分的浓度为C_ti，第i种组分对应的单一染液的浓度为W_ti，加入量为Q_i，根据式(I)建立方程组求解得到各单一染液的加入量，式(I)为：

发明机理：

本发明通过利用拉曼光谱在线监测仪监测染液槽中染料浓度随时间的变化，并通过建立BP神经网络模型，将多组分染料A中各染料的质量占染料总质量的百分比输入该模型得到各染料的K₀值，进而得到D_max，而后对各染料的D_max(表征配伍性的参数)进行分析，得到各染料配伍性与初始配伍性D⁰ _max之间的误差变化量，当误差变化量超过设定范围时监督控制器发出信号，自动给液装置接收信号后自动向染液槽中补加染液至染液中染料组分浓度对应的染料配伍性在设定范围内，由此实现多组分染液染色过程的自动给液。

有益效果：

(1)本发明的一种多组分染料染色过程自动给液方法，采用拉曼光谱仪监测染色过程时，无需进行样品处理，可保留样品原始信息，定量多组分染料浓度准确度高，所测浓度范围宽，方法简单，不用进行复杂的计算，且拉曼光谱仪具有适用不同条件的各种机型，根据所用功能选择合适机型，可以大幅度降低仪器成本，使工业应用成为可能；

(2)本发明的一种多组分染料染色过程自动给液方法，通过实时在线监测染液中各染料的浓度，使染色结果最大程度地接近目标效果，实现在线反馈控制，从而调整染色工艺，提高染色产品质量，提高染色一次成功率，以达到更好的染色效果。

附图说明

图1为本发明的多组分染料染色过程自动给液流程图。

具体实施方式

下面结合具体实施方式，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

一种多组分染料染色过程自动给液方法，具体步骤如下：

(1)训练BP神经网络；

(1.1)获取多个染料配方B中各染料的K₀值(染色过程中单位质量的织物上各染料的初始上染速率)，染料配方B包括三种染料(活性红239、活性黄176和活性蓝194)：

首先按染料配方B配制染液，使用该染液对织物进行染色，其次采用拉曼光谱仪在线监测染液中各染料浓度随时间变化的数据，再次进行数据处理得到单位质量的织物上各染料上染量随时间变化的数据，接着用Origin软件(也可用Excel软件或CurveExpertPro软件)对数据进行拟合得到各染料对应的上染量-时间拟合曲线，上染量-时间拟合曲线的相关系数不低于0.90，最后通过对上染量-时间拟合曲线进行一阶求导处理得到0时刻时上染量-时间拟合曲线的斜率，进而得到该染料配方B中各染料的K₀值，依次针对多个染料配方B进行以上操作获取多个染料配方B中各染料的K₀值，在线监测时拉曼光谱仪的激光器波长范围为200～1500nm，激光功率为0.01mW～3kW，曝光时间为0.0167～100sec，染液中各染料浓度是利用拉曼光谱通过化学计量学方法建立定量分析模型分析得到的，化学计量学方法为偏最小二乘法、主成分回归法、逐步多元线性回归法或经典最小二乘法，定量分析模型共有两个准确性评估指标，一个是校正相关系数(R²)，最大值为1，越接近1准确性越高，另一种是均方差(RMSEC)，最小值是0，越接近0准确性越高，可通过变换化学计量学方法和光谱预处理方法使其R²或RMSEC无限接近1或者0；

其中，多个染料配方B中各染料的染液的浓度为0.01～200g/L，pH值为0.1～14.0，染色的温度为10～250℃，浴比为1∶1～200，中性盐用量为0～300g/L，工艺为轧染、浸染、冷轧堆染色或高温高压染色，染料为活性染料、酸性染料、直接染料或分散染料；织物为棉织物或粘胶织物，上染量W_T的计算公式如下：

式中，C₀为染液中染料的初始浓度，单位为g/L，C_T为T时刻染液中染料的浓度，单位为g/L，m为染色开始时染液中染料的质量，单位为mg，M为织物的质量，单位为g；K₀值的单位为mg·g^-1·min^-1；

(1.2)采用染料数据库训练BP神经网络得到BP神经网络模型，含多个染料配方B及染料配方B中各染料的K₀值，染料配方B与多组分染料A对应同一组染料，训练时分别以各染料配方B中各染料质量占染料总质量的百分比及其对应K₀值为输入项和输出项，训练的终止条件为：被错误识别的训练样本的数量占训练样本总数的比例不高于5％，被错误识别的训练样本是指BP神经网络输出的K₀值与实际K₀值不一致的训练样本；

(2)计算D_max；

如图1所示，在多组分染料A染色过程中，采用拉曼光谱仪实时在线监测染液槽/染缸中各染料的浓度，根据染液中各染料的浓度计算各染料质量占染料总质量的百分比后，将各染料的百分比同时输入到同一BP神经网络模型中，由其输出各染料的K₀值，将K₀值的最大值和最小值相减得到差的绝对值即为D_max(配伍性)，多组分染料A与染料配方B对应同一组染料；

计算D_max相对于D⁰ _max的变化率，将变化率与阈值进行比较，若小于阈值，则不补加染液；反之，则由监督控制器发出信号至自动给液装置，将补加染液补加至染液中各染料的浓度等于初始浓度，其中D⁰ _max为染色开始时的D_max，变化率＝|D_max-D⁰ _max|/D⁰ _max；阈值＝|D*_max-D′_max|/D′_max，阈值的取值范围为1％-10％，D*_max和D′_max分别为多个经试验验证配伍性好的染料配方B的D_max的最大值和最小值，补加染液是指同时补加多种单一染液，单一染液是只含一种染料的染液，补加染液前先计算各单一染液的加入量，假设多组分染料共n种组分，n≥2，i＝1，2，......n，染色开始时染液量为V₀，第i种组分的初始浓度为C_0i，当染色时间为t时，染液量为V_t，第i种组分的浓度为C_ti，第i种组分对应的单一染液的浓度为W_ti，加入量为Q_i，根据式(I)建立方程组求解得到各单一染液的加入量，式(I)为：

经验证，本发明多组分染料染色过程自动给液方法，染色过程自动给液系统可控，准确度高，浓度检测范围宽，工作效率高，方法简单，尤其对于多组分染料轧染染色系统，具有分析方法简单，分析结果精准，染料适用范围广，易于操作，可实现自动化控制等优点，极大地提高了染色产品的质量，极具应用前景。

Claims (9)

1.一种多组分染料染色过程自动给液方法，其特征是：在多组分染料A染色过程中，实时在线监测染液中各染料的浓度，并由其实时计算得到D_max后，计算D_max相对于D⁰ _max的变化率，将变化率与阈值进行比较，若小于阈值，则不补加染液；反之，则补加染液至染液中各染料的浓度等于初始浓度；

由染液中各染料的浓度得到D_max的过程为：根据染液中各染料的浓度计算各染料质量占染料总质量的百分比后，将各染料的百分比同时输入到同一BP神经网络模型中，由其输出各染料的K₀值，将K₀值的最大值和最小值相减得到差的绝对值即为D_max；

BP神经网络模型是由染料数据库训练后的BP神经网络，染料数据库包含多个染料配方B及染料配方B中各染料的K₀值，染料配方B与多组分染料A对应同一组染料，训练时分别以各染料配方B中各染料质量占染料总质量的百分比及其对应K₀值为输入项和输出项；

染料配方B中各染料的K₀值为使用该染料配方B染色过程中单位质量的织物上各染料的初始上染速率；

染料配方B中各染料的K₀值是通过以下过程得到的：

首先在线监测染液中各染料的浓度随时间变化的数据，然后进行数据处理得到单位质量的织物上各染料上染量随时间变化的数据，接着对数据进行拟合得到各染料对应的上染量-时间拟合曲线，最后计算0时刻时上染量-时间拟合曲线的斜率得到各染料的K₀值；

所述上染量W_T的计算公式如下：

式中，C₀为染液中染料的初始浓度，单位为g/L，C_T为T时刻染液中染料的浓度，单位为g/L，m为染色开始时染液中染料的质量，单位为mg，M为织物的质量，单位为g；

所述K₀值的单位为mg·g^-1·min^-1；

D⁰ _max为染色开始时的D_max，变化率＝|D_max-D⁰ _max|/D⁰ _max；

阈值＝|D*_max-D'_max|/D'_max，D*_max和D'_max分别为多个经试验验证配伍性好的染料配方B的D_max的最大值和最小值。

2.根据权利要求1所述的一种多组分染料染色过程自动给液方法，其特征在于，所有的在线监测都采用拉曼光谱仪；所述在线监测时拉曼光谱仪的激光器波长范围为200～1500nm，激光功率为0.01mW～3kW，曝光时间为0.0167～100sec；所有的染液中的染料的浓度都是利用拉曼光谱通过化学计量学方法建立定量分析模型分析得到的。

3.根据权利要求2所述的一种多组分染料染色过程自动给液方法，其特征在于，所述化学计量学方法为偏最小二乘法、主成分回归法、逐步多元线性回归法或经典最小二乘法；所述定量分析模型共有两个准确性评估指标，一个是校正相关系数，最大值为1，越接近1准确性越高，另一种是均方差，最小值是0，越接近0准确性越高。

4.根据权利要求1所述的一种多组分染料染色过程自动给液方法，其特征在于，所述拟合采用Origin软件、Excel软件或CurveExpert Pro软件。

5.根据权利要求1所述的一种多组分染料染色过程自动给液方法，其特征在于，所述上染量-时间拟合曲线的相关系数不低于0.90；所述0时刻时上染量-时间拟合曲线的斜率是通过对上染量-时间拟合曲线进行一阶求导处理得到的。

6.根据权利要求1所述的一种多组分染料染色过程自动给液方法，其特征在于，所有的染液的浓度都为0.01～200g/L，pH值为0.1～14.0；所有的染色的温度都为10～250℃，浴比都为1:1～200，中性盐用量都为0～300g/L，工艺都为轧染、浸染、冷轧堆染色或高温高压染色；所述染料为活性染料、酸性染料、直接染料或分散染料；所有的染色使用的织物都为棉织物或粘胶织物。

7.根据权利要求1所述的一种多组分染料染色过程自动给液方法，其特征在于，采用染料数据库训练BP神经网络时训练的终止条件为：被错误识别的训练样本的数量占训练样本总数的比例不高于5％，被错误识别的训练样本是指BP神经网络输出的K₀值与实际K₀值不一致的训练样本。

8.根据权利要求1所述的一种多组分染料染色过程自动给液方法，其特征在于，所述阈值的取值范围为1％-10％。

9.根据权利要求1所述的一种多组分染料染色过程自动给液方法，其特征在于，补加染液是指同时补加多种单一染液，单一染液是只含一种染料的染液。

Images