基于MPSO-SVM的硫化橡胶及助剂的太赫兹光谱分类识别

为了加强硫化橡胶及其助剂的检测分析,对外表、气味或者特性相似的橡胶及其助剂准确分类,将改进的粒子群优化支持向量机的建模方法引入到太赫兹光谱的定性分析中。结果表明,针对不同的数据集,本研究算法最低的综合分类正确率为81.25%;相较于传统粒子群优化的支持向量机算法,本算法在识别时间上也有所提高,时间耗费整体小于9.40s。该方法针对不同数据集可以稳定、准确地分类,为硫化橡胶及其助剂的定性分析提供了新的研究思路。

基于光谱特征约束非负矩阵分解的轮胎橡胶太赫兹混叠光谱分离

随着"绿色轮胎"概念的深入,轮胎橡胶的有效成分直接关系到橡胶合格与否,而轮胎橡胶对于检测部门而言是一个"黑色"分析系统,如何利用现有手段进行橡胶成分的准确检测至关重要。太赫兹时域光谱(THz-TDS)技术已经成功应用于物质检测分析当中,但是在许多情况下,从橡胶这个复杂样品中观察到的太赫兹光谱数据代表了几个相互关联的组分或特征成分共同作用的综合结果,原始数据中包含的实际信息可能会重叠,进而影响橡胶混合物中各组分的分析。为了解决太赫兹光谱重叠的问题,利用太赫兹光谱矩阵连续平滑和浓度矩阵稀疏的特点,将具有平滑特性的2范数和具有稀疏特性的1/2范数引入到非负矩阵分解方法,提出基于光谱特征约束非负矩阵分解(constraint non-negative matrix factorization, CNMF)的太赫兹混叠光谱分离方法。首先通过THz-TDS获取丁腈橡胶(NBR)与硫化促进剂2-巯基苯并噻唑(MBT)二组分混合物,以及NBR、 MBT和一硫化四甲基秋兰姆(TMTM)三组分混合物的时域光谱;然后对时域光谱进行傅里叶变换得到其频域光谱,进而获取混合物所对应的吸光度混叠光谱矩阵;光谱分离之前对获得的光谱矩阵进行主成分分析,初步判定混合物组分数,最后利用非负矩阵分解算法(non-negative matrix factorization, NMF)、基于纯变量初始化的非负矩阵分解(purity non-negative matrix factorization, PNMF)和CNMF三种方法对混叠光谱进行光谱解析。对比发现,相较于NMF和PNMF方法, CNMF算法的分离效果更佳,特征吸收峰对应结果更准确,针对不同组分混合物分离结果的相关系数均高于89%,光谱角小于0.5,具有较高的纯净物光谱还原度。将带有约束的非负矩阵分解算法引入到太赫兹混叠光谱的分离上,较好的提取出复杂混合物中单一成分的特征信息,为后续的太赫兹多组分混合物的定性分析和定量计算奠定了较好的基础,在绿色轮胎及橡胶的质量检测领域具有一定的研究前景。

基于Tchebichef图像矩的氧化锌太赫兹光谱定量研究

为了提高多组分混合物太赫兹光谱定量分析的准确性和稳定性,将Tchebichef图像矩结合偏最小二乘回归(PLS)的建模方法引入到太赫兹光谱定量分析中,以橡胶添加剂氧化锌、白炭黑与丁腈橡胶的混合物为实验样本,对混合物中的氧化锌进行定量分析.获取样本太赫兹吸光度数据后,用3维光谱自构建方法构建样本的3维光谱,利用Tchebichef图像矩提取样本3维光谱灰度图的特征信息,然后用PLS建立定量模型对氧化锌进行定量分析.结果表明,由本方法得到的样本预测集相关系数和均方根误差分别为0.9993和0.0351,与用PLS和支持向量回归直接对吸光度数据进行建模的方法相比,结果更加准确和稳定.本方法能够对混合物中氧化锌进行准确、稳定的定量分析,为多组分混合物太赫兹光谱定量分析提供了新思路.