手持式AURA羟值分析仪快速检测聚酯多元醇预聚体中的NCO含量

发表时间:2020-11-13 15:49



德国卡尔蔡司公司

手持式AURA羟值光谱分析仪


采用蔡司光谱法

检测聚酯多元醇预聚体中的NCO含量


一、实验目的:

利用德国Carl Zeiss公司的AURA手持式羟值光谱分析仪,采用光谱法测定聚酯多元醇的预聚体的光谱,并针对NCO含量建立模型,以考察仪器对聚酯多元醇的预聚体中NCO含量进行检测的可行性及准确性。


二、仪器条件

实验仪器为德国Carl Zeiss公司生产的AURA手持式羟值光谱分析仪,主要部件包括:光学部分、控制部分、电源适配器、笔记本电脑。InProcess光谱采集处理软件,化学计量学分析软件。


三、样品准备

与用户合作,收集50个聚酯多元醇预聚体样品,红褐色半固态蜡状。其中5个样品作为验证样品集,其余45个样品作为校正集,建立数学模型。


表1. 样品的参比数据


四、实验方法

实验采用漫反射的测样方式,进行4个点扫描,取平均光谱作为该样品的代表光谱。然后将光谱与参比数据相对应并导入化学计量学分析软件,创建校正模型。光谱数据经过SNV、一阶微分等处理。

五、实验结果

1.光谱处理

为获得良好的光谱数据,应在稳定的实验条件下进行光谱扫描,因为这种方式可以有效地扣除背景变化带来的影响。在建立模型前,首先需对扫描得到的原始吸收光谱进行光谱预处理,以消除噪音和基线的影响。


图1.样品的原始吸收光谱图



图2.样品的一阶微分光谱图



2.建立NCO模型

将光谱数据与样品含量数据关联,采用偏最小二乘法(PLS),用化学计量学分析软件建立模型。光谱和参比异常值(outlier)分别采用光谱影响值Leverage和化学值误差Residual这两个统计量来检验剔除。经过异常值的剔除进行逐步优化,最后得到了较为理想的校正模型。



图3. NCO含量的模型线性图


NCO含量模型的线性关系非常明显。NCO含量的线性相关性为0.932。建模中,样品的数量太少导致了梯度分布有些不合理,但是从线性回归的结果来看,光谱与参比值具有很显著的线性关系,这说明样品的光谱包含有大量与NCO相关的有效信息,如果能够补充更多的有代表性的样品来参与建模,完善模型的数据梯度分析,则模型的线性会更好,对样品的适应性也会更广。


3.验证   

利用建立好的的校正模型对5个验证集样品进行验证,预测结果见下表。


表.模型对5个验证集样品的验证结果

序号

预测值

化验值

相对偏差%

WD008

2.783

2.724

2.178

WD016

2.954

2.856

3.420

WD022

3.405

3.516

3.157

WD035

4.695

4.836

2.923

WD041

4.791

4.902

2.271



平均偏差

2.790


4.分析

对以上的分析结果进行汇总。手持式AURA光谱中含有较多的与NCO含量有关的有效信息,虽然建模样品的数量比较少,但是模型的线性相关性仍然非常明显。

从模型验证集预测精度来看,模型的适应性也很好,验证偏差为2.790% 。

在建模数据如此少的情况下,建立的模型很好的对验证集中的样品含量进行了预测,相对误差小,在实际使用中,补充更多的建模数据,模型的预测准确性与必定大大提高。

六、实验结论

通过对以上实验过程及结果的分析,我们得出结论:AURA光谱仪利用光谱数据和校正模型完全能够有效预测聚酯多元醇预聚体中NCO含量。

由于实验条件有限,在实验过程中,我们也发现了以下问题:

1、本次实验提供的聚酯多元醇预聚体样品少,仅有50个样品,而且样品的NCO含量梯度不够完善,这在一定程度上影响了模型的适应性。如果能够补充更多的有代表性的样品来参与建模,完善模型的数据梯度分析,则模型的线性会更好,对样品的适应性也会更广。

2、由于样品原包装的规格不同,为了提高样品的均匀性程度,我们将样品进行了处理,这样在样品的处理过程中,难免会有一些因素影响到样品。

3、通过改进光谱采集方式,比如采用特定材质的玻璃容器来装样品,可以直接用于检测。



山东智惠仪器有限公司   


更多实验详情,我们愿与您分享,欢迎联系我们!




分享到:
会员登录
登录
其他帐号登录:
我的资料
留言
回到顶部