论文部分内容阅读
近年来,轻涂纸由于其品质优、成本低和定量低等优点越来越受到市场的青睐,进口量比较大。一些机构,如海关为了鉴定进口轻涂纸的申报名称和实际货物是否相符或确定商品的品名以对其归类确定其税率,就需要对轻涂纸的涂布量进行测定,但目前不管国内还是国际对于如何测定轻涂纸的涂布量都没有成熟可靠的方法,所以对于轻涂纸涂布量的检测有着非常重要的现实意义。本实验研究了轻涂纸涂布量的测定方法,由于轻涂纸涂层中主要成分为颜料和胶黏剂,所以实验中对这两部分的含量进行了测定。颜料的测定使用热重分析(Thermogravimetric analysis, TGA)和衰减全反射傅里叶变换红外光谱(Attenuated total reflectance-Fourier transform infrared spectroscopy, ATR-FTIR)两种方法,通过TG曲线的失重量计算得到涂层中无机颜料的含量；使用ATR-FTIR对涂有不同无机颜料(实验中为碳酸钙)含量的轻涂纸表面进行测定,选取碳酸钙在波数为876 cm-1处的特征吸收峰并使用红外光谱软件OMNIC计算其峰面积,由此得到不同碳酸钙含量与其特征吸收峰峰面积之间的关系；分别采用多项式曲线拟合(Polynomial curve fitting, PCF)和广义回归神经网络(Generalized regression neural network, GRNN)进行建模,并对两种模型的预测效果进行比较。结果表明：TGA测定的结果受轻涂纸原纸中填料的影响,导致测定结果会有稍大的偏差(10%左右)；ATR-FTIR测量的结果比较准确,且PCF和GRNN两种模型的预测结果都比较好,GRNN的预测效果更好一些(最大偏差为-3.32%)胶黏剂的测定只使用了ATR-FTIR的方法,采用ATR-FTIR对涂有不同羧基丁苯胶乳含量的轻涂纸表面进行测定,选取羧基丁苯胶乳在波数为2922 cm-1、1028 cm-1、 756 cm-1和699 cm-1四处的特征吸收峰并使用红外光谱软件OMNIC计算其峰面积,由此得到不同胶乳含量与这四处吸收峰峰面积之间的关系；分别采用PCF、偏最小二乘回归(Partial least-squares regression, PLS regression)和GRNN进行建模,并对三种模型的预测效果进行比较。结果表明：轻涂纸涂层的衰减全反射傅里叶变换红外光谱信息可以用来测定轻涂纸涂层的羧基丁苯胶乳含量,三种预测模型的预测效果均比较好,且GRNN方法具有最佳的预测效果,偏差最小(最大偏差为-3.39%)