CN110865044A - 一种鉴别掺白油有机硅产品的光谱分析方法 - Google Patents
一种鉴别掺白油有机硅产品的光谱分析方法 Download PDFInfo
- Publication number
- CN110865044A CN110865044A CN201810986375.8A CN201810986375A CN110865044A CN 110865044 A CN110865044 A CN 110865044A CN 201810986375 A CN201810986375 A CN 201810986375A CN 110865044 A CN110865044 A CN 110865044A
- Authority
- CN
- China
- Prior art keywords
- white oil
- sample
- oil
- silicone
- spectrum
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 title claims abstract description 16
- 229910052710 silicon Inorganic materials 0.000 title claims abstract description 16
- 239000010703 silicon Substances 0.000 title claims abstract description 16
- 238000010183 spectrum analysis Methods 0.000 title claims abstract description 7
- 239000003921 oil Substances 0.000 claims abstract description 129
- 238000001228 spectrum Methods 0.000 claims abstract description 33
- 238000012937 correction Methods 0.000 claims abstract description 25
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 229920002545 silicone oil Polymers 0.000 claims description 35
- 229920002379 silicone rubber Polymers 0.000 claims description 32
- 239000004944 Liquid Silicone Rubber Substances 0.000 claims description 28
- 238000002329 infrared spectrum Methods 0.000 claims description 28
- 229920001296 polysiloxane Polymers 0.000 claims description 18
- 239000007788 liquid Substances 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 8
- 238000004497 NIR spectroscopy Methods 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000012630 chemometric algorithm Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 2
- 238000004611 spectroscopical analysis Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract 1
- 239000004590 silicone sealant Substances 0.000 description 29
- 239000000047 product Substances 0.000 description 24
- 239000000203 mixture Substances 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- -1 methyl vinyl Chemical group 0.000 description 7
- 239000000243 solution Substances 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 5
- 229920002554 vinyl polymer Polymers 0.000 description 5
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical group CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 4
- 238000004566 IR spectroscopy Methods 0.000 description 4
- 238000002835 absorbance Methods 0.000 description 4
- IOLCXVTUBQKXJR-UHFFFAOYSA-M potassium bromide Chemical compound [K+].[Br-] IOLCXVTUBQKXJR-UHFFFAOYSA-M 0.000 description 4
- 239000000565 sealant Substances 0.000 description 4
- 230000008961 swelling Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000004580 weight loss Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 3
- 238000004138 cluster model Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004817 gas chromatography Methods 0.000 description 3
- 238000004476 mid-IR spectroscopy Methods 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000004014 plasticizer Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 239000010453 quartz Substances 0.000 description 3
- 238000010992 reflux Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- 238000002411 thermogravimetry Methods 0.000 description 3
- 150000001335 aliphatic alkanes Chemical class 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 238000004949 mass spectrometry Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000013464 silicone adhesive Substances 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 239000004721 Polyphenylene oxide Substances 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 239000012298 atmosphere Substances 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- AMTWCFIAVKBGOD-UHFFFAOYSA-N dioxosilane;methoxy-dimethyl-trimethylsilyloxysilane Chemical compound O=[Si]=O.CO[Si](C)(C)O[Si](C)(C)C AMTWCFIAVKBGOD-UHFFFAOYSA-N 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000012844 infrared spectroscopy analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000012263 liquid product Substances 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 238000003330 mid-infrared imaging Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000003333 near-infrared imaging Methods 0.000 description 1
- 239000012299 nitrogen atmosphere Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000012188 paraffin wax Substances 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 229920000570 polyether Polymers 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 150000004756 silanes Chemical class 0.000 description 1
- 229940083037 simethicone Drugs 0.000 description 1
- 239000012265 solid product Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
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
- G01N21/359—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
-
- 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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
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
本发明公开了一种鉴别掺白油有机硅产品的光谱分析方法，属于有机硅质量鉴定技术领域。针对现有技术中测试时间长、样品预处理复杂、使用设备昂贵、测试精度低等缺陷，本发明通过利用已知主成分的足够多的样品作为校正集，使用马氏距离对校正不集中的异常样品进行剔除，形成一个界限足够清晰的聚类模型，再利用马氏距离对未知样品的光谱进行判定，用来断定掺加或不掺加白油。本发明所述方法来鉴别掺白油有机硅产品，其测试时间减少、样品处理更加简便、不再使用昂贵的气质联用，同时测试精度明显提高。
Description
技术领域
本发明涉及一种鉴别掺白油有机硅产品的光谱分析方法，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，因价格低，以及少量添加可以改善产品的初期光泽和施工性的特 性，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。
工业白油，是由石油所得精炼液态烃的混合物，主要为饱和的环烷烃与链 烷烃混合物,原油经常压和减压分馏、溶剂抽提和脱蜡，加氢精制而得。本专利 中的白油包括但不限于按照GB/T 265所规定的方法测得的旋转粘度(40℃)范围 为1.00-100.00mm2/s.
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。该判断方法均自于标准GB/T 31851-2015《硅酮结构密封胶中烷烃增塑剂检测方法》，该标准中提及了三种测 试方法，热重法、热失重法和红外光谱分析试验方法。
国家知识产权局于2014年05月28日公开了申请号为CN201410088685.X， 名称为一种掺白油硅酮密封胶的化学测定方法的发明专利，公开了利用气质联 用色谱仪和/或热重分析仪两种分析仪器对硅酮密封胶是否含有白油进行鉴定的 方法。具体的鉴定步骤为对硅酮密封胶进行溶胀或抽提试验，得到溶胀液或抽 提液，然后对溶胀液或抽提液进行气质联用色谱表征，如果在30-40分钟范围内 出现较多低链烷烃质子峰，和/或对所述硅酮密封胶进行热重表征，如果在90℃ ～150℃出现失重；则判定所述硅酮密封胶中含有白油。本发明有利于更准确的 对硅酮密封胶中白油含量进行鉴定，可以对硅酮密封胶中含有极少量的白油进 行准确的鉴定，对于测挥发份、闻气味不能鉴定的密封胶使用此方法可以精确地鉴定出。
在实际工作中以上方法都有一定的局限：
1、CN 101887014 A提及的热重分析法中，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、CN 101887014 A专利中描述的使用红外光谱法，选择的样品是使用丙酮 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，上面所述的溶胀这一过程的前处 理的周期24h-7天，拉长了样品的测试周期。
3、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。
4、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，实际操作复杂。
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，本发明提出了一种鉴别掺白油有 机硅产品的光谱分析方法，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聚类模型，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，得到该样品是否添加白油的定性结论。
为了实现上述发明目的，本发明的技术方案如下：
一种鉴别掺白油有机硅产品的光谱分析方法，包括以下步骤:
A.建模
分别测定已知掺白油的有机硅样品和未掺白油的样品的近红外光谱，并分 别建立聚类模型；
已知掺白油的有机硅样品的聚类模型标记为：∪α；
已知未掺白油的样品的聚类模型标记为：∪β；
B.测定
测定待鉴别样品的近红外光谱；
C.判定
将步骤B中的待鉴别样品的近红外光谱，分别加入到步骤A中的两个聚类 模型中进行判定；其判定方法为：
待鉴别样品与步骤A中的∪α有一个马氏距离Dα；待鉴别样品与步骤A中∪ β有一个马氏距离Dβ；
使用统计计量方法确定极限匹配值Dmax；
Dα和Dβ中的较小值与极限匹配值比较，若大于极限匹配值则不适合步骤A 中的两个聚类模型；若小于极限匹配值则步骤A中的两个聚类模型能够对待鉴 别样品进行定性判定；
若Dα＜Dβ，则判定为：通过含白油类；即判定待鉴别样品含有白油。
若Dα＞Dβ，则判定为：通过不含白油类；即判定待鉴别样品不含白油。
马氏距离的模型是用来校正过程中的异常样品，评估模型预测值的不确定 性以及检测分析过程中模型外推的标量。设x是从均值
和校正集光谱主成分 的分协方差阵为V的校正集光谱矩阵X中抽出任意样品光谱，则x与
的马氏 距离定义为下式：
因此，在判定最大马氏距离时，使用正态分布方差已知给定均值和定值的 比较双侧检验进行检验，双侧检测，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。见GB/T 4890-1985。
本发明在步骤A中，液体样品采用透射法测定近红外光谱。液体的固定光 程来源于石英比色皿的宽度，有6mm，2mm和1mm的。
本发明在步骤A中，固体样品采用积分球测定近红外光谱。固体试样的固 定光程来自于压合在积分球上缝隙，通常认为是积分球透镜的厚度，一般厚度 在1.5mm左右。
本发明在步骤A中，已知掺白油的有机硅样品的聚类模型∪α中含多个白油 复配样品，白油复配样品分别含有不同含量的白油；所述白油含量的范围为 0.5～40％。
本发明在步骤A中，已知不掺白油的样品的聚类模型∪β包括硅油、液体硅 橡胶和硅酮胶。
本发明在步骤A中，建模的具体步骤为：
a.导入校正集光谱。
b.手动选择光谱范围。手动选择光谱的原则是不选择吸收度大于4％的波段。 选择光谱范围为4000cm-1～10000cm-1，优选4200cm-1-9000cm-1。
c.使用化学计量算法、滤噪平滑法或多点基线校正方法对校正集中所有的 近红外光谱进行运算，得到这个类别的一条平均光谱和标准偏差光谱。
本发明在步骤D中，根据马氏距离的应用来进行判定。具体为：将含白油 和无白油的有机硅产品的光谱通过化学计量的模型建立成两个聚类模型，得到 一个标准平均光谱和标准偏差光谱，再用未知样品的谱图通过同样的算法计算 后去代入比对，根据计算结果所得到的马氏距离值判断离哪个聚类模型更近。
当马氏距离大于极限匹配值的时候，说明模型不适用此类产品，需要重新 建模后判定。步骤C中，Dα和Dβ中的较小值与极限匹配值比较；当较小值为Dα， 且大于极限匹配值则判定为不通过含白油类；即不适用含白油类的聚类模型。 当较小值为Dβ，且大于极限匹配值则判定为不通过不含白油；即不适用不含白 油类的聚类模型。
本发明带来的有益效果：
(一)本发明利用已知掺混白油和不掺混白油的有机硅产品作为样品形成2 个校正集，形成一个界限足够清晰的聚类模型，再利用马氏距离对未知样品的 光谱进行判定，用来断定掺加或不掺加白油。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。 聚类模型可以多次使用，通过足够多的校正集建立聚类模型，可快速地做出判 断。
(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于红外光谱法，其前处理过程固体样品无需抽 提，只需要将固体样品固定在积分球镜面，保证固体样品紧贴在积分球镜面上 即可；液体样品无需稀释，直接加入到1mm、2mm或者6mm直径的比色管， 放入液体池夹具中即可。
(四)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。
(五)本发明建立了聚类模型以后，以后的每一个样品测试都可以重复利 用对应的聚类模型。液体产品和固体产品可以分开建立聚类模型，提高准确度。
附图说明:
图1为硅酮密封胶抽提物的中红外光谱。
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号白油和5号白油为市场购买。其中，3号白油，其40℃的 运动黏度为2.5-4.4mm2/s，5号白油，40℃的运动黏度为4.5-6.4mm2/s。为验证 模型的准确性，我们将两批市场购买的3号白油标记为白油A和白油B；将市 场购买的5号白油标记为白油C。
以下所提及硅油为市场上所购买的二甲基硅油，为验证模型的准确性，我 们将三批市场购买的硅油标记为：硅油H对应25℃的旋转黏度为500mm2/s、 硅油G对应25℃的旋转黏度为1000mm2/s、硅油I对应25℃的旋转黏度为3000 mm2/s；
以下所提及液体硅橡胶为市场上所购买的双组份α,ω-二羟基聚硅氧烷室 温硫化液体硅橡胶，为验证模型的准确性，我们将两批市场购买的硅油标记为： 液体硅橡胶EA和EB分别对应双组份α,ω-二羟基聚硅氧烷室温硫化液体硅橡 胶A组份和B组份，其23℃的旋转黏度为1000-1800mPa·s、液体硅橡胶FA 和FB分别对应双组份α,ω-二羟基聚硅氧烷室温硫化液体硅橡胶A组份和B组 份，其23℃的旋转黏度为400-800mPa·s；
以下所提及的硅酮密封胶为复配的改性硅烷聚醚密封胶，其中，硅酮密封 胶M1按照公开号CN105295828A所提及的配方生产，型号为20LM、硅酮密封 胶M2按照CN105295828A所提及的配方生产，型号为20HM。
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
本实施例以硅油作为具体实施方式之一来说明本申请所述方法。
第一步：有代表性的样品收集
准备白油和硅油两种样品。
不掺白油的硅油样品3中，硅油G、硅油H和硅油I。
掺白油的硅油产品按照质量比复配成白油和硅油的混合物作为校正集样品 20个：白油含量从0.50-20.0％，所用白油为白油A和硅油G。
第二步：测定校正集样品的近红外光谱：将第一步配制的校正集样品装入 到6mm的石英管中，使用透射法测定样品的近红外光谱图。
第三步：建立聚类模型。
a.导入校正集光谱。手动输入两个聚类模型名称，分别命名为掺白油硅油 和不掺白油硅油，标记为掺白油的硅油，∪α和不掺白油的硅油，∪β。
b.手动选择光谱范围。手动选择光谱的原则是不选择吸收度大于4％的波段。 实施例1中，不掺白油的硅油选择的波段是5300-9000cm-1；掺白油的硅油选择 波段是4700-8800cm-1
c.使用化学计量算法、滤噪平滑法或多点基线校正方法对校正集中所有的 近红外光谱进行运算，得到每个类别各一条平均光谱和标准偏差光谱。
第四步：测定待测样品的近红外光谱：
制备验证样品:样品1含有白油A和硅油G复配，其中白油含量为2.40％， 样品2中含有白油A和硅油G复配，其中白油含量为0.41％，样品3中白油A 和硅油H复配，其中白油含量为16.05％，样品4为液体硅橡胶EA，样品5为 硅油G，不含白油、样品6为白油A。按照上述第二步的操作步骤扫描样品获 得近红外光谱图。
第五步：将极限匹配值5.3输入计算软件中。
第六步：计算马氏距离，与∪α相距距离为Dα；与∪β相距距离为Dβ。下表 为硅油/白油混合样品的测试结果。
| 样品 | D<sub>α</sub> | D<sub>β</sub> | 预测结果 | 实际结果 |
| 样品1 | 3.35 | 5.64 | 掺白油 | 含有白油 |
| 样品2 | 2.87 | 5.32 | 掺白油 | 含有白油 |
| 样品3 | 1.71 | 8.83 | 掺白油 | 含有白油 |
| 样品4 | 37.23 | 19.58 | 判定失败 | 不能判定 |
| 样品5 | 44.94 | 0.00 | 硅油 | 硅油 |
| 样品6 | 16.45 | 35.32 | 判定失败 | 不能判定 |
实施例2
本实施例以液体硅橡胶作为具体实施方式之一来说明本申请所述方法。
第一步：有代表性的样品收集
准备白油和液体硅橡胶两种样品。
不掺白油的液体硅橡胶样品4种，包括液体硅橡胶EA、EB，液体硅橡胶 FA和FB。
掺白油的液体硅橡胶产品按照质量比复配成白油和液体硅橡胶的混合物作 为校正集样品24个：白油含量从1.00-20.00％，所用白油A和液体硅橡胶EA 和EB复配12个、白油B和液体硅橡胶FA和FB复配12个。
第二步：测定校正集样品的近红外光谱：将第一步配制的校正集样品装入 到6mm的石英管中，使用透射法测定样品的近红外光谱图。
第三步：建立聚类模型。
a.导入校正集光谱。手动输入两个聚类模型名称，分别命名为掺白油的液 体硅橡胶和不掺白油的液体硅橡胶，标记为掺白油的液体硅橡胶，∪α和不掺白 油的液体硅橡胶，∪β。
b.手动选择光谱范围。手动选择光谱的原则是不选择吸收度大于4％的波段。 实施例2中，不掺白油的液体硅橡胶选择的波段是4400-7600cm-1；掺白油的液 体硅橡胶选择波段是5200-8700cm-1
c.使用化学计量算法、滤噪平滑法或多点基线校正方法对校正集中所有的 近红外光谱进行运算，得到每个类别各一条平均光谱和标准偏差光谱。
第四步：测定待测样品的近红外光谱：
制备验证样品:样品1含有白油A和液体硅橡胶EA，其中白油含量为6.18％， 样品2中白油A和液体硅橡胶EB，其中白油含量为9.45％，样品3中含有白油 B和液体硅橡胶FA，其中白油含量为7.03％，样品4为硅油G，样品5为液体 硅橡胶EA、样品6为白油A。按照上述第二步的操作步骤扫描样品获得近红外 光谱图。
第五步：将极限匹配值5.6输入计算软件中。
第六步：计算马氏距离，与∪α相距距离为Dα；与∪β相距距离为Dβ。下表 为硅油/液体硅橡胶混合样品的测试结果
| 样品 | D<sub>α</sub> | D<sub>β</sub> | 预测结果 | 实际结果 |
| 样品1 | 3.45 | 4.57 | 掺白油 | 含有白油 |
| 样品2 | 2.84 | 6.97 | 掺白油 | 含有白油 |
| 样品3 | 2.98 | 7.65 | 掺白油 | 含有白油 |
| 样品4 | 32.17 | 19.32 | 判定失败 | 不能判定 |
| 样品5 | 44.94 | 0.17 | 液体硅橡胶 | 液体硅橡胶EA |
| 样品6 | 15.33 | 39.08 | 判定失败 | 不能判定 |
实施例3
本实施例以硅酮密封胶作为具体实施方式之一来说明本申请所述方法。
第一步：有代表性的样品收集
准备白油和硅酮密封胶两种样品。
不掺白油的硅酮密封胶样品2种，分别为硅酮密封胶M1和硅酮密封胶M2。
掺白油的硅酮密封胶样品为将白油A按照以下复配规律添加到M1硅酮密 封胶硅酮胶原料中，混合后制成胶片：白油含量为1％、5％、10％、15％、20％、 30％，42％。
第二步：测定校正集样品的近红外光谱：使用积分球法测定第一步配制的 校正集样品的近红外光谱图。
第三步：建立聚类模型。
a.导入校正集光谱。手动输入两个聚类模型名称，分别命名为掺白油的硅 酮胶和不掺白油的硅酮胶，标记为掺白油的硅酮密封胶，∪α和不掺白油的硅酮 密封胶∪β。
b.手动选择光谱范围。手动选择光谱的原则是不选择吸收度大于4％的波段。 实施例1中，不掺白油的硅酮密封胶选择的波段是4200-7500cm-1；掺白油的液 体硅橡胶选择波段是4500-8000cm-1
c.使用化学计量算法、滤噪平滑法或多点基线校正方法对校正集中所有的 近红外光谱进行运算，得到每个类别各一条平均光谱和标准偏差光谱。
第四步：测定待测样品的近红外光谱：
制备验证样品:样品1含有白油A和硅酮密封胶M1，其中白油含量为15％， 样品2为已知掺白油的硅酮密封胶(使用中红外的方法判定)，样品3为已知 为掺白油的硅酮密封胶M2。按照上述第二步的操作步骤扫描样品获得近红外光 谱图。
第五步：将极限匹配值5.6输入计算软件中。
第六步：计算马氏距离，与∪α相距距离为Dα；与∪β相距距离为Dβ。下表 为硅油/硅酮密封胶混合样品的测试结果。
| 样品 | D<sub>α</sub> | D<sub>β</sub> | 预测结果 | 实际结果 |
| 样品1 | 0.09 | 3.57 | 掺白油 | 含有白油 |
| 样品2 | 5.54 | 6.98 | 掺白油 | 含有白油 |
| 样品3 | 6.78 | 0.04 | 硅酮密封胶 | 不含白油 |
实施例4
使用中红外判定硅酮密封胶中是否掺有白油作为对比例，与本申请所述方 法进行对比。
准备样品：实施例3中样品1，白油A和硅酮密封胶M1，其中白油含量为 15％。
称取2.0g样品1，将其剪碎置于索氏抽提器中，使用化学纯级别的丙酮回 流抽提24小时后，将回流液回收。
压制KBr压片，取KBr片为透射背景，扫描32次。
蘸取回流液滴在溴化钾片上，用远红外烘箱烘烤2min后取出。
待降到常温后，使用透射法收集样品的傅里叶转换光谱图，如说明书附图1 所示，按照GB/T 31851-2015《硅酮结构密封胶中烷烃增塑剂检测方法》中的判 定方法，样品在：1375-1385cm-1、1450-1470cm-1、2850-2860cm-1、2920-2930cm-1、 2955-2965cm-1有4个以上的吸收峰，因此判定该样品含有白油。
中红外光谱用于定性一个样品判定所耗时间为24小时。而本申请所述方法， 在在样品制备好、模型已经建立的情况下，一个样品的判定周期大约为5min。
Claims (7)
1.一种鉴别掺白油有机硅产品的光谱分析方法，其特征在于:包括以下步骤:
A.建模
分别测定已知掺白油的有机硅样品和未掺白油的样品的近红外光谱，并分别建立聚类模型；
已知掺白油的有机硅样品的聚类模型标记为：∪α；
已知未掺白油的样品的聚类模型标记为：∪β；
B.测定
测定待鉴别样品的近红外光谱；
C.判定
将步骤B中的待鉴别样品的近红外光谱，分别加入到步骤A中的两个聚类模型中进行判定；其判定方法为：
待鉴别样品与步骤A中的∪α有一个马氏距离Dα；待鉴别样品与步骤A中∪β有一个马氏距离Dβ；
使用统计计量方法确定极限匹配值Dmax；
Dα和Dβ中的较小值与极限匹配值比较，若大于极限匹配值则不适合步骤A中的两个聚类模型；若小于极限匹配值则步骤A中的两个聚类模型能够对待鉴别样品进行定性判定；
若Dα＜Dβ，则判定为：通过含白油类；
若Dα＞Dβ，则判定为：通过不含白油类。
2.如权利要求1所述的鉴别掺白油有机硅产品的光谱分析方法,其特征在于:所述步骤A中，液体样品采用透射法测定近红外光谱。
3.如权利要求1所述的鉴别掺白油有机硅产品的光谱分析方法,其特征在于:所述步骤A中，固体样品采用积分球测定近红外光谱。
4.如权利要求1所述的鉴别掺白油有机硅产品的光谱分析方法,其特征在于:所述步骤A中，已知掺白油的有机硅样品的聚类模型∪α中含多个白油复配样品，白油复配样品分别含有不同含量的白油；所述白油含量的范围为0.5～40％。
5.如权利要求1所述的鉴别掺白油有机硅产品的光谱分析方法,其特征在于:所述步骤A中，已知不掺白油的样品的聚类模型∪β包括硅油、液体硅橡胶和硅酮胶。
6.如权利要求1所述的鉴别掺白油有机硅产品的光谱分析方法,其特征在于:所述步骤A中，建模的具体步骤为：
a.导入校正集光谱；
b.手动选择光谱范围；选择光谱范围为4000cm-1～10000cm-1；
c.使用化学计量算法、滤噪平滑法或多点基线校正方法对校正集中所有的近红外光谱进行运算，得到这个类别的一条平均光谱和标准偏差光谱。
7.如权利要求1所述的鉴别掺白油有机硅产品的光谱分析方法,其特征在于:所述步骤C中，使用双侧检验的方法确定极限匹配值Dmax。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810986375.8A CN110865044A (zh) | 2018-08-28 | 2018-08-28 | 一种鉴别掺白油有机硅产品的光谱分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810986375.8A CN110865044A (zh) | 2018-08-28 | 2018-08-28 | 一种鉴别掺白油有机硅产品的光谱分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110865044A true CN110865044A (zh) | 2020-03-06 |
Family
ID=69651661
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810986375.8A Pending CN110865044A (zh) | 2018-08-28 | 2018-08-28 | 一种鉴别掺白油有机硅产品的光谱分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110865044A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111879806A (zh) * | 2020-07-23 | 2020-11-03 | 中蓝晨光成都检测技术有限公司 | 一种核磁共振氢谱鉴别掺烷烃增塑剂有机硅产品的方法 |
| CN117169139A (zh) * | 2023-11-02 | 2023-12-05 | 北京科技大学 | 一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104132896A (zh) * | 2014-07-15 | 2014-11-05 | 山东国家农产品现代物流工程技术研究中心 | 一种快速鉴别掺假肉的方法 |
| US20180052144A1 (en) * | 2015-03-11 | 2018-02-22 | Hormoz Azizian | Method And Technique For Verification Of Olive Oil Composition |
| 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 |
-
2018
- 2018-08-28 CN CN201810986375.8A patent/CN110865044A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104132896A (zh) * | 2014-07-15 | 2014-11-05 | 山东国家农产品现代物流工程技术研究中心 | 一种快速鉴别掺假肉的方法 |
| US20180052144A1 (en) * | 2015-03-11 | 2018-02-22 | Hormoz Azizian | Method And Technique For Verification Of Olive Oil Composition |
| 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 (3)
| Title |
|---|
| DAGMAR TIMM ET AL.: "Applications of near infrared spectroscopy for qualification of lubricants and other mineral oil products", 《J. NEAR INFRARED SPECTROSC》 * |
| 彦志光 等: "《合成润滑剂》", 30 June 1996 * |
| 陈斌 等: "PCA结合马氏距离法剔除近红外异常样品", 《江苏大学学报（自然科学版）》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111879806A (zh) * | 2020-07-23 | 2020-11-03 | 中蓝晨光成都检测技术有限公司 | 一种核磁共振氢谱鉴别掺烷烃增塑剂有机硅产品的方法 |
| CN117169139A (zh) * | 2023-11-02 | 2023-12-05 | 北京科技大学 | 一种基于反射高光谱的玻璃幕墙结构胶力学性能识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104089911B (zh) | 基于一元线性回归的光谱模型传递方法 | |
| EP2796856B1 (en) | Coal gas component and calorific value measurement method | |
| EP2131181B1 (en) | Method for the determination of the total acid number and naphthenic acid number of petroleum, petroleum cuts and petroleum emulsions of water-in-oil type by mid-infrared spectroscopy | |
| CN109142263B (zh) | 一种固体推进剂制备过程的组分分散均匀性在线测试方法 | |
| CN105372200A (zh) | Sbs改性沥青改性剂含量快速检测方法 | |
| CN112179871B (zh) | 一种酱类食品中己内酰胺含量无损检测的方法 | |
| CN110865044A (zh) | 一种鉴别掺白油有机硅产品的光谱分析方法 | |
| 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 | |
| CN104897595A (zh) | 紫外分光光谱同时测定pbx炸药中hmx,rdx和tnt含量的方法 | |
| CN111650151A (zh) | 一种利用近红外光谱法评估湿地松林分松脂价值的方法 | |
| CN107727602B (zh) | 中红外光谱结合向量夹角定量分析三氯蔗糖含量的方法 | |
| Shang et al. | A simple and practical method to determine peroxide values in edible oils via infrared quartz cuvette-based Fourier transform infrared spectroscopy | |
| CN117589710A (zh) | 一种汽油非常规添加剂组分测定方法 | |
| CN104568828A (zh) | 近红外漫反射光谱测定造纸法再造烟叶抗张强度的方法 | |
| CN109709060B (zh) | 一种沥青软化点、针入度和质量损失的测定方法 | |
| CN109060711A (zh) | 一种计算掺白油有机硅产品中白油含量的方法 | |
| CN110865045A (zh) | 鉴别掺白油有机硅产品的光谱分析方法 | |
| Smith et al. | Optimisation of partial least squares regression calibration models in near-infrared spectroscopy: a novel algorithm for wavelength selection | |
| CN110596016A (zh) | 一种检测烟用香精质量的方法 | |
| CN103134762B (zh) | 由红外光谱预测原油氮含量的方法 | |
| KR20130020868A (ko) | 감쇠 전반사 적외선 분광법을 이용한 폴리카보네이트 아크릴로니트릴-스티렌-아크릴고무 복합소재 내 폴리카보네이트 함량비 산출 방법 | |
| CN111579526A (zh) | 一种表征近红外仪器差异和校正的方法 | |
| CN110702635A (zh) | 一种近红外光谱在线检测高能粘合剂组分的方法 | |
| Guenard et al. | Importance of prediction outlier diagnostics in determining a successful inter-vendor multivariate calibration model transfer |
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 |
Application publication date: 20200306 |
|
| RJ01 | Rejection of invention patent application after publication |