CN109914120A - 一种染料配方的设计方法 - Google Patents

Abstract

本发明涉及一种染料配方的设计方法，确定目标染料配方中各染料的种类后，随机生成各染料质量占染料总质量的百分比得到多个候选染料配方，再从中筛选出一个候选染料配方；筛选过程为：首先将候选染料配方中各染料质量占染料总质量的百分比同时输入到同一BP神经网络模型中，由其输出候选染料配方中各染料的K₀值，然后计算D_max，D_max＝|K_0max‑K_0min|，K_0max和K_0min分别为候选染料配方中的染料K₀值的最大值和最小值，最后将各候选染料配方的D_max进行比较，找到D_max最小的候选染料配方，BP神经网络模型是由多个历史染料配方训练后的BP神经网络。本发明方法简单，得到的染料配方的配伍性好。

Description

一种染料配方的设计方法

技术领域

本发明属于染料复配技术领域，涉及一种染料配方的设计方法。

背景技术

染料通过复配可以提高染料本身的匀染性和染色牢度等染色性能。复配染料时，结构相似的染料容易复配，结构相远的染料可互补，因此染料的复配需根据各染料的结构特征来筛选例如结构相似的染料可以增强染料间相互作用，特别是在纤维上相互作用产生的协同效应可以大大提高染料的固色率，并达到增深和增艳效应，是一种清洁环保的生产技术，适用于当前低污染、低成本的市场需求。

目前染料染色性能的评价指标很多，如直接性、上染率等。在染料拼色应用前，人们一般需先对染料配方进行设计以保证染料的配伍性，配伍性好的染料配方的染色效果好。随着科技的不断进步，计算机配色技术已日趋成熟，当前的计算机配色技术已经达到了可以根据客户来样分析建模得到配色样品配方的程度，因此越来越多应用在染色企业中。但目前的计算机配色技术并未涉及染料配伍性差的问题，无法保证得到的染料样品配方的配伍性，该问题仍然是影响染厂生产效率的一大困难。

因此，研究一种生产效率高且配伍性好的染料配方的设计方法具有十分重要的意义。

发明内容

本发明的目的是为了克服上述现有技术中存在的问题，提供一种生产效率高且配伍性好的染料配方的设计方法。

为了达到上述目的，本发明采用的技术方案为：

一种染料配方的设计方法，确定目标染料配方中各染料的种类后，随机生成各染料质量占染料总质量的百分比得到多个候选染料配方，再从中筛选出一个候选染料配方作为目标染料配方；

目标染料配方为欲设计得到的染料配方；

筛选过程为：首先将候选染料配方中各染料质量占染料总质量的百分比同时输入到同一BP神经网络模型中，由其输出候选染料配方中各染料的K₀值，然后计算D_max，D_max＝|K_0max-K_0min|，K_0max和K_0min分别为候选染料配方中的染料K₀值的最大值和最小值，最后将各候选染料配方的D_max进行比较，找到D_max最小的候选染料配方；

BP神经网络模型是由多个历史染料配方训练后的BP神经网络，多个历史染料配方的染料种类相同，同种染料质量占染料总质量的百分比不同，例如历史染料配方包括历史染料配方1、历史染料配方2和历史染料配方3，历史染料配方1、历史染料配方2和历史染料配方3的染料种类相同，即对应同一组染料，历史染料配方1中的染料x占历史染料配方1染料总质量的百分比为w％，历史染料配方2中的染料x占历史染料配方2染料总质量的百分比为v％，历史染料配方3中的染料x占历史染料配方3染料总质量的百分比为u％，w％、v％和u％不相同，历史染料配方1、历史染料配方2和历史染料配方3中只要有一种染料占染料总质量的百分比不同即可，可以全部都不同，也可以仅部分不同，训练时分别以各历史染料配方中各染料质量占染料总质量的百分比及其对应的K₀值为输入项和输出项；

历史染料配方为储存在染料数据库中的染料配方；

多个历史染料配方和候选染料配方对应同一组染料；

历史染料配方中各染料的K₀值为染色过程中单位质量的织物上各染料的初始上染速率，染色使用的染液按历史染料配方配制而成。

本发明先以配方已知的各历史染料配方中各染料质量占染料总质量的百分比及其对应的K₀值为输入项和输出项对BP神经网络进行训练，再将随机生成的候选染料配方中各染料质量占染料总质量的百分比输入训练后的BP神经网络，通过其输出的各候选染料配方中各染料对应的K₀值计算得到每个候选染料配方的D_max值，D_max＝|K_0max-K_0min，进而达到通过引入的配伍性指标D_max来表征染料配方的配伍性的目的，D_max值越小，染料的配伍性越好，且本发明无需进行染料配伍性测试如通过测试比较渗圈和比移值大小即可保证染料配伍性，效率高。

作为优选的技术方案：

如上所述的一种染料配方的设计方法，目标染料配方中各染料的种类的确定方法为：首先确定目标颜色，然后从三原色配色表中查找配成目标颜色所需的多组基础颜色，接着从中选择出一组基础颜色，选择的标准为：该组基础颜色对应的染料能够组成历史染料配方，最后以历史染料配方中各染料种类作为目标染料配方中各染料的种类。

如上所述的一种染料配方的设计方法，所述历史染料配方中各染料的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。

如上所述的一种染料配方的设计方法，所述在线监测采用拉曼光谱仪，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；

所述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。

如上所述的一种染料配方的设计方法，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和RMSEC无限接近1和0。

如上所述的一种染料配方的设计方法，所述拟合采用Origin软件、Excel软件或CurveExpert Pro软件。

如上所述的一种染料配方的设计方法，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。

如上所述的一种染料配方的设计方法，所述染液中染料的浓度为0.01～200g/L，pH值为0.1～14.0；所述染色的温度为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；所述染料为活性染料、酸性染料、直接染料或分散染料；所述织物为棉织物或粘胶织物。

如上所述的一种染料配方的设计方法，采用历史染料配方训练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。

有益效果：

(1)本发明的一种染料配方的设计方法，方法简单，效率高，设计得到的染料配方的配伍性好；

(2)本发明的一种染料配方的设计方法，可提高后期染色的质量，极具应用前景。

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。

一种染料配方的设计方法，步骤如下：

(1)训练BP神经网络模型；

(1.1)获取多个历史染料配方中各染料的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)，多个历史染料配方的染料种类相同，同种染料质量占染料总质量的百分比不同，例如历史染料配方也由活性黄176和活性蓝194组成，多个历史染料配方中各染料的K₀值的获取方式如下所示：

(1.1.1)以一个已知历史染料配方为例，各染料质量占染料总质量的百分比一定，按历史染料配方配制染液，使用该染液对织物进行染色，其中，染色时的工艺条件可在下述条件中任意选择：染液中染料的浓度为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(Na₂SO₄)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；

(1.1.2)采用拉曼光谱仪在线监测染色过程中染液中各染料浓度随时间变化的数据，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，其中在线监测条件优选如下：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，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；

(1.1.3)对拉曼光谱仪采集到的数据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，数据处理的计算过程如下：

上染量W_T的计算公式为：

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；

(1.1.4)用Origin软件(也可用Excel软件或CurveExpert Pro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；

(1.1.5)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，进而得到该历史染料配方中各染料的K₀值；

(1.1.6)依次针对多个历史染料配方进行以上操作获取多个历史染料配方中各染料的K₀值；

(1.2)采用多个历史染料配方训练BP神经网络得到BP神经网络模型，训练时分别以各历史染料配方中各染料质量占染料总质量的百分比及其对应的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)确定目标染料配方中各染料的种类并得到多个候选染色配方；

(2.1)首先确定目标颜色，然后从三原色配色表中查找配成目标颜色所需的多组基础颜色如：绿色＝黄色+蓝色，接着从中任选一组基础颜色，选择的标准为：该组基础颜色对应的染料能够组成历史染料配方，最后以历史染料配方中各染料种类作为目标染料配方中各染料的种类，如黄色对应为活性黄176，蓝色对应为活性蓝194；

(2.2)随机生成各染料质量占染料总质量的百分比得到多个候选染料配方；

(3)将候选染料配方输入训练后的BP神经网络模型，得到候选染料配方对应的D_max值，以一个候选染料配方为例，得到其对应的D_max值的过程具体如下：将候选染料配方中各染料质量占染料总质量的百分比同时输入到上述训练后的BP神经网络模型中，由其输出候选染料配方中各染料的K₀值，然后计算D_max，D_max＝|K_0max-K_0min|，K_0max和K_0min分别为候选染料配方中的染料K₀值的最大值和最小值；

(4)依次对多个候选染料配方进行以上操作获取多个候选染料配方的D_max值，D_max值最小的候选染料配方即为最终设计得到的配方。

实施例1

一种染料配方的设计方法，与上述步骤相同，具体为：候选染料配方以及历史染料配方均由活性红239和活性黄176组成，训练BP神经网络模型时，染液的浓度为5g/L，pH值为7，染色的温度为60℃，浴比为1:10，中性盐用量60g/L，工艺为浸染，织物为棉织物，拉曼光谱仪的激光器波长范围为785nm，激光功率为20mW，曝光时间为0.2sec，化学计量学方法为偏最小二乘法，活性红239和活性黄176以不同的质量百分比同时输入训练后的BP神经网络模型，候选染料配方中染料的配制比例(质量比)、各染料的K₀值以及对应的D_max值如表1所示，得到活性红239:活性黄176为5:5时的染料配方的D_max值最小，则该染料配方的配伍性最好，该配方即为最终设计得到的配方。

表1

实施例2

一种染料配方的设计方法，与实施例1基本相同，不同之处在于，候选染料配方以及历史染料配方均由活性红239和活性蓝194组成，活性红239和活性蓝194以不同的质量百分比同时输入训练后的BP神经网络模型，候选染料配方中染料的配制比例(质量比)、各染料的K₀值以及对应的D_max值如表2所示，得到活性红239:活性蓝194为7:3时的染料配方的D_max值最小，则该染料配方的配伍性最好，该配方即为最终设计得到的配方。

表2

实施例3

一种染料配方的设计方法，与实施例1基本相同，不同之处在于，候选染料配方以及历史染料配方均由活性红239、活性黄176和活性蓝194组成，活性红239、活性黄176和活性蓝194以不同的质量百分比输入训练后的BP神经网络模型，候选染料配方中染料的配制比例(质量比)、各染料的K₀值以及对应的D_max值如表3所示，得到活性红239:活性黄176:活性蓝194为4:4:2时的染料配方的D_max值最小，则该染料配方的配伍性最好，该配方即为最终设计得到的配方。

表3

Claims (9)

1.一种染料配方的设计方法，其特征是：确定目标染料配方中各染料的种类后，随机生成各染料质量占染料总质量的百分比得到多个候选染料配方，再从中筛选出一个候选染料配方作为目标染料配方；

目标染料配方为欲设计得到的染料配方；

筛选过程为：首先将候选染料配方中各染料质量占染料总质量的百分比同时输入到同一BP神经网络模型中，由其输出候选染料配方中各染料的K₀值，然后计算D_max，D_max＝|K_0max-K_0min|，K_0max和K_0min分别为候选染料配方中的染料K₀值的最大值和最小值，最后将各候选染料配方的D_max进行比较，找到D_max最小的候选染料配方；

BP神经网络模型是由多个历史染料配方训练后的BP神经网络，多个历史染料配方的染料种类相同，同种染料质量占染料总质量的百分比不同，训练时分别以各历史染料配方中各染料质量占染料总质量的百分比及其对应的K₀值为输入项和输出项；

历史染料配方为储存在染料数据库中的染料配方；

历史染料配方和候选染料配方对应同一组染料；

历史染料配方中各染料的K₀值为染色过程中单位质量的织物上各染料的初始上染速率，染色使用的染液按历史染料配方配制而成。

2.根据权利要求1所述的一种染料配方的设计方法，其特征在于，目标染料配方中各染料的种类的确定方法为：首先确定目标颜色，然后从三原色配色表中查找配成目标颜色所需的多组基础颜色，接着从中选择出一组基础颜色，选择的标准为：该组基础颜色对应的染料能够组成历史染料配方，最后以历史染料配方中各染料种类作为目标染料配方中各染料的种类。

3.根据权利要求1所述的一种染料配方的设计方法，其特征在于，所述历史染料配方中各染料的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。

4.根据权利要求3所述的一种染料配方的设计方法，其特征在于，所述在线监测采用拉曼光谱仪；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；所述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。

5.根据权利要求4所述的一种染料配方的设计方法，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。

6.根据权利要求3所述的一种染料配方的设计方法，其特征在于，所述拟合采用Origin软件、Excel软件或CurveExpert Pro软件。

7.根据权利要求3所述的一种染料配方的设计方法，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。

8.根据权利要求3所述的一种染料配方的设计方法，其特征在于，所述染液中染料的浓度为0.01～200g/L，pH值为0.1～14.0；所述染色的温度为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；所述染料为活性染料、酸性染料、直接染料或分散染料；所述织物为棉织物或粘胶织物。

9.根据权利要求1所述的一种染料配方的设计方法，其特征在于，采用历史染料配方训练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。