本發(fā)明涉及一種化工產(chǎn)品質(zhì)量測定方法，特別是一種陽離子聚丙烯酰胺產(chǎn)品質(zhì)量快速測定方法。

背景技術：

陽離子聚丙烯酰胺（CPAM)是線型高分子化合物,由于它具有多種活潑的基團, 可與許多物質(zhì)親和、吸附形成氫鍵，主要是絮凝帶負電荷的膠體，具有除濁、脫色、吸附、粘合等功能，適用于染色、造紙、食品、建筑、冶金等行業(yè)有機膠體含量較高的廢水處理,特別適用于城市污水、城市污泥、造紙污泥及其它工業(yè)污泥的脫水處理。

陽離子度與分子量是評價陽離子聚丙烯酰胺產(chǎn)品質(zhì)量的一個重要指標。陽離子度測定方法有很多，比如膠體滴定法、硝酸銀滴定法以及元素分析法和紅外光譜分析法等。膠體滴定法和硝酸銀滴定法存在滴定終點不易判斷、試劑消耗以及滴定廢液環(huán)境污染的問題。元素分析法分析成本高，且操作過程較為繁雜。目前的紅外光譜分析法通過度量分子鏈上的陽離子基團在紅外譜圖中表現(xiàn)出特定的吸收峰的高度來確定陽離子聚丙烯酰胺的陽離子度，該方法存在難以確定特定的吸收峰高度的問題。目前聚丙烯酰胺分子量的測定多采用GB 17514-2008標準。因此，現(xiàn)有陽離子聚丙烯酰胺產(chǎn)品質(zhì)量的陽離子度與分子量都是分別進行測定，其分析成本高，操作比較繁雜。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題是：提供一種可同時預測陽離子度和分子量的陽離子聚丙烯酰胺產(chǎn)品質(zhì)量快速測定方法，以解決現(xiàn)有技術存在的分析成本高、操作比較繁雜、滴定終點不易判斷、試劑消耗以及滴定廢液環(huán)境污染的不足之處。

解決上述技術問題的技術方案是：一種陽離子聚丙烯酰胺產(chǎn)品質(zhì)量快速測定方法，該方法包括如下步驟：

S1. 準備建模樣本：

準備具有不同陽離子度和分子量的陽離子聚丙烯酰胺建模樣本；

S2. 采集紅外光譜數(shù)據(jù)：

采集各建模樣本的紅外光譜數(shù)據(jù)，分別保存在數(shù)據(jù)陣X中，作為建模光譜集；

S3.分別測定各建模樣本的陽離子度和分子量：

分別測定各建模樣本的陽離子度和分子量，保存在數(shù)據(jù)陣Y中，作為陽離子度校驗實測值集和分子量校驗實測值集；

S4.驗證集和校正集選擇

分別將各建模樣本的陽離子度或分子量由小到大排列，選出驗證集，其余的樣本作為校正集；

S5.建立陽離子度分析偏最小二乘回歸模型：

將建模樣本的紅外光譜數(shù)據(jù)作為自變量，建模樣本的陽離子度校驗實測值作為因變量，確定樣建模本的最佳主成分數(shù)，建立陽離子度分析偏最小二乘回歸模型；

S6.建立分子量預測偏最小二乘回歸模型：

將建模樣本的紅外光譜數(shù)據(jù)作為自變量，建模樣本的分子量校驗實測值作為因變量，確定建模樣本的最佳主成分數(shù)，建立分子量預測偏最小二乘回歸模型；

S7. 測定被測樣本的陽離子度和分子量：

通過采集被測陽離子聚丙烯酰胺樣本的紅外光譜數(shù)據(jù)，代入建立的陽離子度分析偏最小二乘回歸模型，即可測得被測樣本的陽離子度；代入建立的分子量預測偏最小二乘回歸模型，即可測得被測樣本的分子量。

本發(fā)明的進一步技術方案是：步驟S1包括如下內(nèi)容：

將丙烯酰胺和陽離子單體按不同濃度比配成單體總量為10%的水溶液，加入引發(fā)劑，磁力攪拌下于50～60℃水浴中反應0.5～2小時，取出產(chǎn)品，用丙酮洗滌抽濾，烘干后得到系列具有不同陽離子度和分子量的陽離子聚丙烯酰胺建模樣本。

3. 根據(jù)權利要求1所述的陽離子聚丙烯酰胺產(chǎn)品質(zhì)量快速測定方法，其特征在于： 步驟S2包括如下內(nèi)容：

利用傅里葉變換紅外光譜儀采集各建模樣本的紅外光譜數(shù)據(jù)，分別保存在數(shù)據(jù)陣中X，作為建模光譜集，即自變量集。

本發(fā)明的進一步技術方案是：在步驟S2中，利用傅里葉變換紅外光譜儀采集紅外光譜數(shù)據(jù)的測定參數(shù)分別為：ATR附件，4000-450 cm^-1，數(shù)據(jù)間隔1 cm^–1，分辨率為4 cm^–1，累積時間4min。

本發(fā)明的進一步技術方案是：步驟S3包括如下內(nèi)容：

采用硝酸銀法測定各建模樣本的陽離子度，采用粘度法測定各建模樣本的分子量，以此作為建模分析的真實值，對應紅外光譜取樣編號，保存在數(shù)據(jù)陣Y中，作為陽離子度校驗實測值集和分子量校驗實測值集，即因變量集，其中建模樣本的陽離子度為數(shù)據(jù)陣為Y1，樣本的分子量數(shù)據(jù)陣為Y2。

本發(fā)明的進一步技術方案是：步驟S4包括如下內(nèi)容：

分別將各建模樣本的陽離子度或分子量由小到大排列，每隔三個選一個作為驗證集，其余的樣本作為校正集。

本發(fā)明的進一步技術方案是：步驟S5包括如下內(nèi)容：

將建模樣本的紅外光譜數(shù)據(jù)作為自變量，建模樣本的陽離子度校驗實測值作為因變量，以一階差分序列來確定建模樣本的最佳主成分數(shù)為11，建立陽離子度分析偏最小二乘回歸模型。

本發(fā)明的進一步技術方案是：步驟S6包括如下內(nèi)容：

將建模樣本的紅外光譜數(shù)據(jù)作為自變量，建模樣本的分子量校驗實測值作為因變量，以一階差分序列來確定樣本的最佳主成分數(shù)為9，建立分子量預測偏最小二乘回歸模型。

本發(fā)明的再進一步技術方案是：步驟S7包括如下內(nèi)容：

通過采集被測陽離子聚丙烯酰胺樣本的紅外光譜數(shù)據(jù)，代入建立的陽離子度分析偏最小二乘回歸模型，即可測得被測樣本的陽離子度；代入建立的分子量預測偏最小二乘回歸模型，即可測得被測樣本的分子量。

由于采用上述結構，本發(fā)明之陽離子聚丙烯酰胺產(chǎn)品質(zhì)量快速測定方法與現(xiàn)有技術相比，具有以下有益效果：

1.可同時預測陽離子度和分子量：

由于本發(fā)明包括步驟S1. 準備建模樣本；S2. 采集紅外光譜數(shù)據(jù)；S3.分別測定各建模樣本的陽離子度和分子量；S4.驗證集和校正集選擇；S5.建立陽離子度分析偏最小二乘回歸模型；S6.建立分子量預測偏最小二乘回歸模型；S7. 測定被測樣本的陽離子度和分子量。本發(fā)明是通過分別建立陽離子聚丙烯酰胺的陽離子度和分子量分析模型，然后只需采集陽離子聚丙烯酰胺產(chǎn)品的紅外光譜數(shù)據(jù)，分別代入陽離子度和分子量分析模型即可同時預測產(chǎn)品的陽離子度和分子量。

2.分析成本低，操作過程簡單：

由于本發(fā)明是基于陽離子聚丙烯酰胺的紅外光譜和偏最小二乘回歸（PLS）相結合，分別建立陽離子聚丙烯酰胺的陽離子度和分子量分析模型，實際測量時只需采集陽離子聚丙烯酰胺產(chǎn)品的紅外光譜數(shù)據(jù)，分別代入陽離子度和分子量分析模型即可同時預測產(chǎn)品的陽離子度和分子量。因此，本發(fā)明無需先采用陽離子度測定方法對陽離子度進行測定，再采用GB 17514-2008標準對聚丙烯酰胺分子量進行測定，大大簡化了操作過程，也大大降低了分析成本。

此外，本發(fā)明無需采用元素分析法對陽離子度進行測定，也簡化了操作過程，有效降低了分析成本。

3.可避免滴定終點不易判斷、試劑消耗以及滴定廢液環(huán)境污染的問題：

由于本發(fā)明是基于陽離子聚丙烯酰胺的紅外光譜和偏最小二乘回歸相結合，分別建立陽離子聚丙烯酰胺的陽離子度和分子量分析模型，在建模完畢后，即可快速、無損地測定陽離子聚丙烯酰胺樣本的分子量和陽離子度，避免了膠體滴定法和硝酸銀滴定法存在滴定終點不易判斷、試劑消耗、滴定廢液環(huán)境污染、以及紅外光譜分析法存在的難以確定特定吸收峰高度的問題。

4.適用范圍廣，易于推廣使用。

下面，結合附圖和實施例對本發(fā)明之陽離子聚丙烯酰胺產(chǎn)品質(zhì)量快速測定方法的技術特征作進一步的說明。

附圖說明

圖1：實施例一的步驟S2中的陽離子聚丙烯酰胺建模樣本的紅外光譜圖，

圖2：實施例一的陽離子度分析偏最小二乘回歸模型驗證中，建模樣本陽離子度的實測值和預測值的線性關系圖，

圖3：實施例一的分子量預測偏最小二乘回歸模型驗證中，建模樣本分子量的實測值和預測值的線性關系圖。

具體實施方式

實施例一：

一種陽離子聚丙烯酰胺產(chǎn)品質(zhì)量快速測定方法，該方法包括如下步驟：

S1. 準備建模樣本：

將丙烯酰胺和陽離子單體按不同濃度比配成單體總量為10%的水溶液，加入適量的過硫酸鉀作為引發(fā)劑，磁力攪拌下于55°C水浴中反應1小時，取出產(chǎn)品，用丙酮洗滌抽濾，烘干后得到40個具有不同陽離子度和分子量的陽離子聚丙烯酰胺建模樣本；

S2. 采集紅外光譜數(shù)據(jù)：

利用傅里葉變換紅外光譜儀采集各建模樣本的紅外光譜數(shù)據(jù)，分別保存在數(shù)據(jù)陣中X，作為建模光譜集，即自變量集。測定參數(shù)分別為：ATR附件，4000-450 cm^-1，數(shù)據(jù)間隔1 cm^–1，分辨率為4 cm^–1，累積時間4min；

S3.分別測定各建模樣本的陽離子度和分子量：

采用硝酸銀法測定各建模樣本的陽離子度，采用粘度法（GB 17514-2008）測定各建模樣本的分子量，以此作為建模分析的真實值，對應紅外光譜取樣編號，保存在數(shù)據(jù)陣Y中，作為陽離子度校驗實測值集和分子量校驗實測值集，即因變量集，其中建模樣本的陽離子度為數(shù)據(jù)陣為Y1，樣本的分子量數(shù)據(jù)陣為Y2；

S4. 驗證集和校正集選擇：

分別將40個建模樣本的陽離子度或分子量由小到大排列，每隔三個選一個共10個作為驗證集，其余的樣本作為校正集；

S5.建立陽離子度分析偏最小二乘回歸模型：

將建模樣本的紅外光譜數(shù)據(jù)作為自變量，建模樣本的陽離子度校驗實測值作為因變量，以一階差分序列來確定建模樣本的最佳主成分數(shù)為11，建立陽離子度分析偏最小二乘回歸模型；

S6.建立分子量預測偏最小二乘回歸模型：

將建模樣本的紅外光譜數(shù)據(jù)作為自變量，建模樣本的分子量校驗實測值作為因變量，以一階差分序列來確定樣本的最佳主成分數(shù)為9，建立分子量預測偏最小二乘回歸模型；

S7. 測定被測樣本的陽離子度和分子量：

在建模完畢后，即可快速、無損地測定陽離子聚丙烯酰胺樣本的分子量和陽離子度。通過采集被測陽離子聚丙烯酰胺樣本的紅外光譜數(shù)據(jù)，代入建立的陽離子度分析偏最小二乘回歸模型，即可測得被測樣本的陽離子度；代入建立的分子量預測偏最小二乘回歸模型，即可測得被測樣本的分子量。

作為本實施例一的一種變換，在步驟S1中，所述的引發(fā)劑還可以是除過硫酸鉀以外的其它引發(fā)劑，水浴溫度可以是50～60℃，反應時間可以是0.5～2小時。

現(xiàn)將所建的陽離子度分析偏最小二乘回歸模型和分子量預測偏最小二乘回歸模型作如下驗證：

（一）陽離子度分析偏最小二乘回歸模型驗證：

1.為了驗證所建陽離子度分析偏最小二乘回歸模型是否滿足作為檢測使用的預測模型條件，現(xiàn)將建模樣本陽離子度的實測值和預測值進行對比，參見表1所述的建模樣本陽離子度的實測值和預測值對比一覽表；由表1可知，實測值和預測值的相對誤差小于±3.5%，模型的決定系數(shù)R²為0.9981、均方根誤差RMSE為 0.61%、說明所建模型符合紅外光譜建立預測模型的需求，滿足作為檢測使用的預測模型條件，更直觀的表示可見圖2。

2. 為了驗證所建陽離子度分析偏最小二乘回歸模型的準確性和穩(wěn)定性，再取10個樣本作為驗證集，根據(jù)之前30組數(shù)據(jù)建立的模型對其陽離子度進行預測，結果保存在表2。

由表2比對數(shù)據(jù)可以看出，預測結果和實測值的相對誤差小于±3.00%，決定系數(shù)為為0.9964，說明所建立的陽離子度分析偏最小二乘回歸模型預測結果具有一定的準確性和穩(wěn)定性。

（二）分子量預測偏最小二乘回歸模型驗證：

1.為了驗證所建分子量預測偏最小二乘回歸模型是否滿足作為檢測使用的預測模型條件，現(xiàn)將建模樣本分子量的實測值和預測值進行對比，參見表3所述的建模樣本分子量的實測值和預測值對比一覽表；由表3可知，實測值和預測值的相對誤差小于±5.0%，模型的決定系數(shù)R²為0.9952、均方根誤差RMSE為 3.44%、說明所建模型符合紅外光譜建立預測模型的需求，滿足作為檢測使用的預測模型條件。

2. 為了驗證所建分子量預測偏最小二乘回歸模型的準確性和穩(wěn)定性，再取10個樣本作為驗證集，根據(jù)之前30組數(shù)據(jù)建立的模型對其陽離子度進行預測，結果保存在表4，由表4比對數(shù)據(jù)可以看出，預測結果和實測值的相對誤差小于±3.50%，決定系數(shù)R²為0.9931，說明所建立的分子量預測偏最小二乘回歸模型預測結果具有一定的準確性和穩(wěn)定性。