韓松辰, 劉 勝
北京林業(yè)大學理學院, 北京 100083
廢舊紡織品的回收往往使用人工分揀方法, 這種方法成本高, 效率低。 如果能利用近紅外光譜分析判斷廢舊紡織品所含成分及每種成分的含量, 則可為廢舊紡織品的大規(guī)模分類分級回收提供幫助。 近紅外光譜分析在食品、 石油、 醫(yī)藥等領域應用廣泛[1-9], 在紡織領域也有一些應用[10-12]。 高升[9]等在二次特征波段提取的基礎上用PLS方法建立了紅提Vc等含量的預測模型; 陳慧[12]等探討了利用彈性分量回歸算法測定紡織品中羊毛含量的可行性。 范雅婷[13]等以多模型方法為工具, 用相思樹的Klason木質(zhì)素含量數(shù)據(jù)優(yōu)化了苯醇抽提物含量的近紅外光譜分析模型。 李海洋[14]等結(jié)合多模型方法與PCA-SVM方法建立了棉滌混紡和棉錦混紡樣本的近紅外光譜定性分析模型。 本工作以廢舊紡織品的錦綸含量為例, 先用多模型方法建立錦綸含量的近紅外光譜分析模型(簡稱為普通模型), 然后利用錦綸含量預測值與實驗值之間的近似線性關系給出了一種便于優(yōu)化的預測錦綸含量的新模型, 并對模型進行了優(yōu)化。 最后將上述兩個模型與用偏最小二乘法建立的模型(PLS模型)進行了對比。
為了獲得更加準確的樣本成分含量實驗數(shù)據(jù), 本研究所使用的樣本經(jīng)由實驗室制備。 具體制作方法為: 先將收集到的含錦綸、 滌綸、 蠶絲廢舊紡織品布樣都用植物粉碎機打成可以通過八十目篩子的粉末。 然后根據(jù)預先設定的比例, 使用分析天平(感量0.1 mg)稱取三種布樣粉末進行混合。 通過調(diào)節(jié)每種粉末量, 獲得含有不同成分占比的廢舊紡織品樣本。 共制得90個含有錦綸成分的樣本, 以每個樣本的實際錦綸含量占比(百分比)作為該樣本的錦綸含量實驗值進行建模。
使用日本Hitachi公司生產(chǎn)的UH4150近紅外分光光度計采集樣本的近紅外光譜數(shù)據(jù)。 此儀器可以實現(xiàn)低噪音, 低偏振和高精度鏡面反射率測定, 具有大型樣品室, 適合測量固體樣本。 近紅外分光光度計的具體掃描參數(shù)為: 分辨率5 nm, 狹縫2 nm, 掃描速度1 200 nm·min-1, 掃描譜區(qū)700~2 500 nm。 樣本光譜數(shù)據(jù)采集方法如下: 將空白樣本放入事先預熱好的儀器中進行掃描得到空白基底; 然后把干燥后的含錦綸廢舊紡織品樣本放入樣本池進行掃描, 掃描后扣除本底光譜, 得到建模所用的近紅外光譜數(shù)據(jù)。 樣本的近紅外光譜數(shù)據(jù)由樣本在不同波長處的反射率值組成, 每個樣本對應361個反射率值。
將90個廢舊紡織品樣本按照錦綸含量從高到低的次序排列, 以便更合理的劃分校正集和驗證集。 為了便于對結(jié)果進行交叉檢驗, 將90個樣本均分為3組。 取序號為1+3N(N=0, 1, …, 29)的30個樣本為A組, 取序號為2+3N和3+3N的樣本為B組和C組。
(j=1, 2, …, 24)
(1)
式(1)中,IC為分量都是1的60維的向量, 則第k個子模型可由等式
(2)
(j=1, 2, …, 24)
(3)
m(k, j)[60]z60)
(4)
則有
(5)
(j=1, 2, 3, …, 24)
(6)
(7)
因該模型中的參數(shù)太多, 下面用式(8)和式(9)兩個等式代替式(7)
(8)
(9)
式(8)和式(9)各代表一個子模型(誤差向量分別為εk, 1和εk, 2)。 由式(8)可得YC的一個新的近似值向量
(10)
(11)
2.2節(jié)的ZV所對應的擬合優(yōu)度(即模型的擬合優(yōu)度)為0.767 6, 2.3節(jié)的NV所對應的擬合優(yōu)度為0.817 8, (優(yōu)化后的)普通模型和新模型的錦綸含量預測值與實驗值的對比情況如圖1所示。 如果用A, C兩組樣本作校正集, 用B組樣本作驗證集, 則ZV對應的擬合優(yōu)度為0.782 3,NV對應的擬合優(yōu)度為0.816 4。 如果用B, C作校正集, 用A作驗證集, 則ZV對應的擬合優(yōu)度為0.753 9,NV對應的擬合優(yōu)度為0.827 8。 所以新模型的預測效果明顯好于普通模型的預測效果。
普通模型的優(yōu)化方法: 求出式(2)中25個參數(shù)a(k, 0),a(k, 1), …,a(k, 24)的值, 設使|a(k, j)|(j=1, 2, …, 24)最小的系數(shù)為a(k, j1)(1≤j1≤24), 令a(k, j1)=0; 重新計算其余24個參數(shù)的值, 設使|a(k, j)|(1≤j≤24,j≠j1)最小的系數(shù)為a(k, j2), 令a(k, j2)=0; 重復使用上述方法7次完成該子模型的優(yōu)化, 優(yōu)化后每個子模型含參數(shù)18個。
新模型的優(yōu)化方法: 以式(8)所示的子模型為例, 先求出全部26個參數(shù)的值, 在24個參數(shù)c(k, 2j-1),d(k, 2j)(j=1, 2, …, 12)里, 將絕對值最小的參數(shù)挑出并令其值為零; 重新計算其余25個參數(shù)的值, 在c(k, 2j-1),d(k, 2j)(j=1, 2, …, 12)里, 將剩余的23個參數(shù)中絕對值最小的參數(shù)挑出并令其值為零; 重復使用上述方法6次完成該子模型的優(yōu)化, 優(yōu)化后每個子模型含參數(shù)20個。
圖1 廢舊紡織品樣本錦綸含量的預測值和
使用多模型方法建立了廢舊紡織品錦綸含量的近紅外光譜分析模型(普通模型), 并對模型進行了優(yōu)化。 然后利用錦綸含量預測值與實驗值之間的近似線性關系, 給出了一種便于優(yōu)化的預測錦綸含量的近紅外光譜分析新模型, 并對新模型進行了優(yōu)化。 將上述兩個優(yōu)化后的模型與常見的PLS模型進行對比發(fā)現(xiàn): 新模型的預測效果明顯好于普通模型的預測效果, 普通模型的預測效果好于PLS模型的預測效果。 文中建模方法有望用于廢舊紡織品樣本其他化學成分含量的測定。
致謝:本文所用實驗數(shù)據(jù)由浙江理工大學材料與紡織學院提供, 感謝張勇副教授、 姚勝博士的幫助!