基于红外光谱及化学计量学的不同品牌沥青识别与分析

发布时间：2021-07-09 08:36

　　文中采用傅里叶变换红外光谱（FTIR）技术并结合化学计量学,对不同品牌沥青的红外光谱进行识别与量化分析.结果表明:不同品牌、标号沥青的特征吸收峰位置一致,但强度存在明显差异;采用Ward系统聚类计算方法,以欧氏距离为度量标准进行聚类分析（CA）,分类结果与实际情况吻合;主成分分析法（PCA）有效提取了2个沥青特征吸收峰主成分因子,其累计方差贡献率达99.833%,对不同沥青红外光谱图微小差别进行有效区分;3种沥青盲样主成分分析检验结果,进一步表明:采用FTIR技术结合化学计量学分析方法,可实现不同品牌沥青快速、准确鉴别. 

【文章来源】：武汉理工大学学报(交通科学与工程版). 2020,44(05)

【文章页数】：5 页

【部分图文】：

不同沥青的红外图谱

将五种沥青12个特征吸收峰透过率数据(30×12矩阵)导入SPSS 19.0中,采用Ward系统聚类计算方法,以欧氏距离为度量标准进行聚类分析,分类结果见图2.由图2可知,不同品牌沥青在欧氏距离为2时可分为五类,且五种沥青各自成类;欧氏距离为18时可分为三类.其中,KL-70#与MY-70#沥青聚为一类,ZSH-70#与ZH-70#沥青聚为一类.沥青的聚类分析结果与沥青红外光谱图呈相似规律.说明采用Ward系统聚类计算方法,以欧氏距离为度量标准聚类分析结果与实际情况吻合.

特征值可视为主成分影响力度的指标,代表引入该主成分后可以解释平均多少个原始变量的信息.图3为五种沥青前12项成分碎石检测图.由图3可知,第1成分的特征根计算结果为10.996,显著大于1;第2主成分特征根计算结果为0.984;从第3成分开始特征根基本接近于0;进一步表明提取第1、2成分为主成分的合理性.

【参考文献】：
期刊论文
[1]红外光谱沥青快速识别检测在高速公路项目的应用[J]. 胡国刚,梁天贵.  公路. 2019(09)
[2]主成分-多变量时间序列模型及其在桥梁变形预测中的应用[J]. 杨兆龙,章媛,岳东杰.  现代测绘. 2019(04)
[3]基于红外光谱的沥青SBS含量自动测定方法[J]. 陈志国,秦卫军,卓瑞,田冰,钟涛.  吉林大学学报(信息科学版). 2018(05)
[4]化学计量学方法在石油分析中的研究与应用进展[J]. 褚小立,陈瀑,许育鹏,李敬岩,田松柏.  石油学报(石油加工). 2017(06)
[5]SBS改性沥青超热老化机理及疲劳特性[J]. 王民,李璐,梁乃兴,郝增恒.  高分子材料科学与工程. 2017(04)
[6]偶联表面改性橡胶沥青性能及其机理研究[J]. 柳力,刘朝晖,向宇,李盛.  建筑材料学报. 2017(01)
[7]复杂过程光谱数据分析的化学计量学方法研究进展[J]. 王淑霞,李丽梅,仲利静,陈增萍.  分析科学学报. 2011(06)

硕士论文
[1]基于统计学原理的沥青老化性能研究[D]. 高东兴.山东建筑大学 2019
[2]常用沥青品牌识别及技术性质快速检测研究[D]. 袁也.长安大学 2018



本文编号：3273411