为了赋予涤/棉混纺织物良好的阻燃性能,以pH值为5、质量分数为1%壳聚糖溶液和pH值为2、质量分数为1.5%植酸钠溶液,通过静电层层自组装法,对经多巴胺改性后的涤/棉(65/35)混纺织物进行阻燃整理。其中正负离子交替沉积1次记为组装1层,第1...为了赋予涤/棉混纺织物良好的阻燃性能,以pH值为5、质量分数为1%壳聚糖溶液和pH值为2、质量分数为1.5%植酸钠溶液,通过静电层层自组装法,对经多巴胺改性后的涤/棉(65/35)混纺织物进行阻燃整理。其中正负离子交替沉积1次记为组装1层,第1层内每次组装15 min,第1层后各次组装时间为5 min,共组装15层。探讨了整理后织物极限氧指数(LOI)、炭长、热重、热释放速率、炭渣形貌等性能。结果表明:多巴胺改性可以提高涤/棉混纺织物的反应性,有利于阻燃整理;整理后织物阻燃性能显著提高,LOI值从未整理时的18.8%提高到28.7%;热分解温度比未整理织物大幅提前,炭渣含量较未整理提高了5.7%;整理后织物点燃时间延长,平均热释放速率(HRR)和峰值热释放速率(PHRR)分别为14.16 k W/m2和51.07 k W/m2,相较未整理涤/棉织物下降了84.62%和78.47%,织物燃烧危险性显著降低。展开更多
利用近红外光谱技术对354个废旧涤/棉混纺织物进行研究,通过偏最小二乘法(partial least squares,PLS)和定性鉴别系数建立了不同光谱特征的涤/棉混纺织物近红外定性分析模型。染色涤/棉混纺织物NIR光谱主要有两大类,一类具有正常涤/棉...利用近红外光谱技术对354个废旧涤/棉混纺织物进行研究,通过偏最小二乘法(partial least squares,PLS)和定性鉴别系数建立了不同光谱特征的涤/棉混纺织物近红外定性分析模型。染色涤/棉混纺织物NIR光谱主要有两大类,一类具有正常涤/棉光谱特征,另一类光谱由于样本中染料、颜料和消光剂等化学助剂的影响,使光谱谱线成斜线,失去其光谱特征。如以全部样本建模,模型识别率较低。故将样本分为两类:斜线光谱样本和正常光谱样本,分别建立NIR定性分析模型。NIR定性分析模型建立后,根据验证结果分别对建模的谱区、预处理方法和主因子数进行优化,以提高模型的稳健性和可靠性。结果表明,样本分别建模后,模型的识别率大大提高,用验证集样本进行内部验证,正常光谱和斜线光谱所建模型的识别率均达99%,其校正集相关系数RC均为0.991,验证集相关系数RP分别为0.983和0.984、校正标准差SEC分别为0.887和0.453、预测标准差SEP分别为1.131和0.573。用150个界外样本分别对正常光谱样本模型和斜线光谱样本模型进行外部预测检验,模型识别率分别达91.33%和88.00%,表明所建NIR定性分析模型能够较好地在回收现场进行涤/棉混纺织物的鉴别。展开更多
基金the National key Research and Development Program of China"Regenerative Polyester Fiber Efficient Preparation Technology"(2016YFB0302900)the Beijing Municipal Education Commission Promotion Project(16317)China Chemical Fiber Industry Association Green Fund project(2016-09)
文摘为了赋予涤/棉混纺织物良好的阻燃性能,以pH值为5、质量分数为1%壳聚糖溶液和pH值为2、质量分数为1.5%植酸钠溶液,通过静电层层自组装法,对经多巴胺改性后的涤/棉(65/35)混纺织物进行阻燃整理。其中正负离子交替沉积1次记为组装1层,第1层内每次组装15 min,第1层后各次组装时间为5 min,共组装15层。探讨了整理后织物极限氧指数(LOI)、炭长、热重、热释放速率、炭渣形貌等性能。结果表明:多巴胺改性可以提高涤/棉混纺织物的反应性,有利于阻燃整理;整理后织物阻燃性能显著提高,LOI值从未整理时的18.8%提高到28.7%;热分解温度比未整理织物大幅提前,炭渣含量较未整理提高了5.7%;整理后织物点燃时间延长,平均热释放速率(HRR)和峰值热释放速率(PHRR)分别为14.16 k W/m2和51.07 k W/m2,相较未整理涤/棉织物下降了84.62%和78.47%,织物燃烧危险性显著降低。
基金the National High Technology Research and Development Program of China(the"863"Program)(2012AA063006)Science and Technology Transfer and Industrialization Projects of Beijing Municipal Education Commission-Recycling of the Textile Wastes in Beijing(131105)
基金The National High Technology Research and Development Program of China(the"863"Program)(2012AA063006)Science and Technology Transfer and Industrialization Projects of Beijing Municipal Education Commission-Recycling of the Textile Wastes in Beijing(131105)
文摘利用近红外光谱技术对354个废旧涤/棉混纺织物进行研究,通过偏最小二乘法(partial least squares,PLS)和定性鉴别系数建立了不同光谱特征的涤/棉混纺织物近红外定性分析模型。染色涤/棉混纺织物NIR光谱主要有两大类,一类具有正常涤/棉光谱特征,另一类光谱由于样本中染料、颜料和消光剂等化学助剂的影响,使光谱谱线成斜线,失去其光谱特征。如以全部样本建模,模型识别率较低。故将样本分为两类:斜线光谱样本和正常光谱样本,分别建立NIR定性分析模型。NIR定性分析模型建立后,根据验证结果分别对建模的谱区、预处理方法和主因子数进行优化,以提高模型的稳健性和可靠性。结果表明,样本分别建模后,模型的识别率大大提高,用验证集样本进行内部验证,正常光谱和斜线光谱所建模型的识别率均达99%,其校正集相关系数RC均为0.991,验证集相关系数RP分别为0.983和0.984、校正标准差SEC分别为0.887和0.453、预测标准差SEP分别为1.131和0.573。用150个界外样本分别对正常光谱样本模型和斜线光谱样本模型进行外部预测检验,模型识别率分别达91.33%和88.00%,表明所建NIR定性分析模型能够较好地在回收现场进行涤/棉混纺织物的鉴别。
