使用結合多變量校準的光譜方法進行木板的性能預測的製作方法
2023-10-05 05:32:04
專利名稱：使用結合多變量校準的光譜方法進行木板的性能預測的製作方法
技術領域：
本發明涉及用於定生和定量地確定反映顆粒板(particleboard)和其它木基板的各種參數的方法，尤其涉及一種對進入工廠的原木進行的結合多變量校準的光譜方法，包括為生產木基板所進行的處理，尤其是對幹的表面和中心顆粒進行處理，以便瞬時地並連續地分析反映木基板的質量的各個參數，並利用有關知識選擇地確定處理變量。
本發明尤其涉及使用結合多變量校準的NIR(near-infrared)技術作為工具，用於預測顆粒板和其它木基板的性能。
本發明還涉及一種藉助於結合多變量的光譜方法通過分析木基板本身從而確定木基板性能的方法。
顆粒板可由幹的細的木材顆粒攙入黏合劑並使其形成板狀，然後在高溫和高壓下壓製成緻密板來進行生產。
可以使用幾乎所有種類的原木。然而，最終木板的性能，例如密度，膠黏度等取決於原木的性能。
鋸末，刨花，來自圓木的木片和木屑在本說明書和權利要求中被成為「顆粒」，它們被用作木原料。圓木的刨片在鼓形刨片機中生產，而木屑在刀形刨片機中生產。
在破碎之後，所有木料被放在大容量乾燥器中被乾燥到2-4％的溼度。乾燥處理之後，木顆粒被篩選為最佳的大小。排除的材料通過粉碎機，然後返回篩選系統。
碎片/鋸末的形狀及其尺寸分布對板的性能是重要的。
對於顆粒板和中密度纖維板(MDF)最通用的黏合劑是脲甲醛樹脂(UF)，不過在某種程度上也使用密胺尿素樹脂(MUF)，酚樹脂(PF)和異氰酸鹽樹脂(MDI)，尤其是用於生產耐氣候板。
樹脂，水，硬化劑和蠟乳膠被自動地按重量配料。根據幹的物質佔幹木料的百分數計算化學物質的劑量。加入的黏合劑的數量隨樹脂類型和所需的板的質量而不同。UF樹脂的劑量一般在7-10％之間，MUF樹脂的劑量一般在11-13％之間，MDI樹脂的劑量一般在2-5％之間，PF樹脂的劑量一般在6-8％之間。比較低的PF和MDI樹脂的劑量說明這些樹脂具有良好的粘結力。
一般的顆粒板包括6％的溼度，9％的黏合劑和其它化學物質，以及85％的木料，在顆粒板工業中的研究與發展直到80年代中期幾乎全部集中在黏合劑上，而對木料的作用一直被忽視。
在製漿和造紙工業中，眾所周知在生成漿之前必須把木料存放一段時間，以避免質量和工藝問題。在存放期間，木料的化學成分發生重要變化。例如一些易揮發的成分消失，自由的和結合的酸增加，非飽和黏合劑氧化，脂的水解發生，等等。
然而，顆粒板工業一直未對這些事實給予注意，而斷定工藝和質量問題是由黏合劑的質量變化產生的。
至今為止，還不可能建立在木料的分析結果和木板的性能之間的有效的校正，雖然似乎發現在酸的含量和木料的可處理性之間有某些聯繫。
本發明的有關目的在於提供一種聯機的在線的或實時的送入工廠的原木的測量，給出在其進入生產線之前，選出不合適的木料的可能性。
按照本發明的利用分析技術進行的原木顆粒的研究現在已經令人信服地表明在木料的測量分析值和板的性能之間具有相當高的相關性，例如板的游離甲醛的含量現在被認為是極其重要的，和堅固性與抗水性一樣，是嚴格的環境條件。
關於顆粒板及其製造工藝的資料可以在Thomas M.Maloney的「現代顆粒板和幹處理纖維板的製造」(1993)中得到(尤其參見第4和5章)，在此全文引為參考。
NIR光譜儀的原理見Wissiams，P.；Norris，K.(1987)「應用於農業和食品工業的新紅外技術」，AACC，St.Paul/Min.和Sterk，E.；Luchter，K.(1986)「近紅外分析(NIRA)用於定量和定性分析的技術」，(Applied Spectroscopy Revues 224.)，在此引為參考。
在多分量系統的表徵中多變量數據分析的使用目前是嚴格研究領域。一般應用於化學領域的這些統計方法也叫作化學統計學方法。化學統計學技術在S.D.Brown，「Chemometrics」，Anal.Chem.62，84R-101R(1990)中說明了，在此全文引為參考。
用於本說明書和權利要求書中的術語「板」包括顆粒板、中密度纖維板(MDF)，壓片板，定向纖維板(OSB)，硬板和聚合木。
影響板的質量的過程變量是例如木原料即木的種類，成熟的程度，顆粒的成分以及大小和溼度含量；顆粒產生例如Hombak/Mayer顆粒；乾燥器，其入口和出口溫度，乾燥的顆粒的溼度；篩選參數，例如表面和核心顆粒，粉塵含量，碎片，溼度含量，顆粒溫度，黏合劑攪拌器變量，例如表面和核心顆粒，比例設置，顆粒溫度，黏合劑數量，蠟的數量，溼度含量，冷卻水；成形狀態變量，例如體積重量，厚度等；預壓力變量例如加壓時間和溫度；熱壓力變量，例如加壓時間，壓力，溫度；冷卻變量例如溫度；沙磨變量，例如表面細度。
在科技雜誌的文章「用作原材料的木材，50(1992)p25-28」(Niemz等)提到板的質量被固態樹脂的成分和相關的硬木/軟木影響。Niemz等使用NIR光譜儀用於在木片中為脲甲醛樹脂定量並確定硬木對軟木的混合比。試驗的目的是確定工藝是否合適，以表明在鋸末上加入黏合劑並獲得混合比硬木/軟木。
在所述的文章中還提到，NIR技術可以和線性多重回歸結合，以便聯機和脫機控制木的溼度並分析化學成分和農產品。此外，還提到Norris 1962用數學統計方法(化學統計學)結合NIR定量分析糧食和飼料，該方法後來用於經典化學內的定量分析。
在同一雜誌的p73-78，Kniest的另一篇文章中由NIR光譜儀結合線性多重回歸表徵鋸末黏合劑化合物。然而，在p77項3第二節提到不可能測量未加黏合劑的試樣，這是由於對於每個板的處理模型要求的數據分配。
由所述參考文獻可見，本領域的技術人員認為不可能從未加有黏合劑的顆粒預測板的性能，也不可能以不破壞的方式由成品板確定這種性能，並且在處理開始時為了確定表徵板的參數而尋求高效率的聯機、在線或實時方法的問題尚未解決。
決定板的性能的相關參數是例如密度和密度分布，內部粘結度，厚度膨脹(thickness swelling)，吸收性，滲透性，穿孔器的值，彈性模量(MOR)，有關易揮發有機化合物的參數(VOC)和放射室的值。
在這裡，密度和體積重量一樣，一般由稱量已知體積的木板，用質量除以體積求得，以kg/m3表示。
內部粘結度(IB)是給定木板承受垂直於板面的拉力的性能。其結果取決於樹脂含量和板的密度；在兩種情況下，幾乎是線性函數。
厚度膨脹通過把一定尺寸的試樣放在溫度為20或30℃的水中2-24小時進行測量。在試驗前後測量板的厚度。厚度之差除以板的原始厚度，用百分數表示。厚度膨脹是板的承受例如雨或水基漆的能力的量度。
吸收值一般用進行厚度膨脹試驗的同一塊板進行測量。在試驗前後稱量試樣的重量，重量之差除以板的原始重量，並用百分數表示。吸收值可用於預測在惡劣條件下板的性能。
滲透性的值通過經試樣吸入空氣(板的邊緣被用蠟密封)，在空氣流過試樣的同時測量板的兩面的壓力差而測得。板表面的滲透性的值取決於板的密度，但一般情況下在平均滲透性和甲醛發射值之間具有好的相關性。滲透性測量甲醛從板中放射時的阻力。其值用cm/分表示。
穿孔器的值表示在某個溼度含量下(6.5％)板的甲醛含量。甲醛通過在甲苯中蒸餾板而獲得。釋放的甲醛被在水中吸收並用光學方法確定。因為希望穿孔器的值和從板中放出的甲醛有聯繫，因此在許多國家中穿孔器方法是一個被批准的方法。其值用mgHCHO/100g烘乾板表示。
放射室方法現在已被全世界所接受，用於作為確定從木基板或其它材料中釋放出的甲醛的最精確的方法。室中的條件被設置為模擬一般家庭的條件。室的大小在不同國家中不同，一般在1m3到40m3之間。溫度範圍為23-25℃，負載範圍為0.3m2/m3到1.0m2/m3，相對溼度範圍為45至50％，空氣交換速率的範圍為0.5到1.0/小時。板的試樣在室內放在支架上，沿垂直方向保持一定距離。取空氣試樣直到達到穩態，這一般需要3到10天。其值以ppm HCHO表示或以HCHO/m3表示。
密度分布是板(mat)形成功能的量度，並且是壓力的函數也是木顆粒的幾何形狀和混合的量度。現在使用利用X射線的裝置測量分布，其能夠測量表面到表面每0.1mm的密度。對於顆粒板，一般密度分布表明在下面為1100kg/m3』，在中心為600kg/m3。
因而在過去作了許多工作，這些年期間力圖找到所述問題的解決辦法但是直到作出本發明之前一直沒有方便的方法可以利用。
本發明旨在提供一種方法，用於定量和定性地確定反應板和其它木基板的質量的各種參數和根據所述參數導出確定即控制生產過程的變量。本發明尤其涉及在原木料上尤其是對幹的表面和中心顆粒或對木基板本身進行的光譜測定方法，用於瞬時地和連續地分析反應板的質量的各個參數。
本發明已經表明，板的性能可以預測，並選擇地通過關於板的處理變量的參數進行所述預測，所述變量由同時應用NIR光譜儀和對進入工廠的原木料，尤其是幹的表面和中心顆粒進行多變量校準而確定。
按照本發明，對溼度含量10％以下的原木料通過光譜測定方法進行分析，從而給出光譜數據，所述光譜數據和從具有10％以下的溼度含量的參考原木料中利用所述光譜測定方法獲得的參考光譜數據比較，所述參考光譜數據已被根據已知的由所述參考原木料生產的木基板的參數藉助於多變量分析進行校準。
木基板的性能也可以通過按照相同的發明構思的方法確定，包括以下步驟通過光譜測定方法分析溼度含量在10％以下的木基板本身，從而產生光譜數據，所述光譜數據和從具有10％以下的溼度含量的參考原木料中利用所述光譜測定方法獲得的參考光譜數據比較，所述參考光譜數據已藉助於多變量分析與由所述參考原木料生產的木基板的已知參數進行校準。
按照一個實施例，原木料或木基板通過光譜測定方法分析，從而給出光譜數據，然後，將所述光譜數據和一個或幾個過程變量形成一個組合，所述組合和參考組合比較，所述參考組合是通過聯合利用所述光譜測定方法從參考原木料或具有參考過程變量的參考木基板中而獲得的參考光譜數據而獲得的，它已利用多變量分析與由所述參考原木料生產的木基板的已知參數或所述參考木基板的已知參數進行校準。在本文中，「聯合成組合」指的是表示光譜數據的數學函數和一個或幾個過程變量的組合，因而後者代表函數的獨立變量；這意味著當非獨立變量即「組合」要被確定時，所述獨立變量通常要被插入某個數學公式中。
本發明按照其一個實施例涉及NIR光譜儀應用於板的幹的表面或中心顆粒或應用於兩者，和對獲得的光譜的多變量分析。
按照本發明，已經表明，通過檢測具有10％以下的溼度的板的原料的光譜，並利用多變量校準技術把所述光譜轉換成所述參數，可以直接地連續地確定板的和其它木基板的各種參數，尤其是密度，和密度分布，內部粘結度，厚度膨脹，吸收性，滲透性，穿孔器的值，和放射室的值。可以使用該方法確定即控制板的製造工藝的過程變量。使用的光譜測定方法可以是吸收，反射，放射或發送光譜，並且最好應用於所謂的近紅外(NIR)波長範圍內。
尤其已經表明，可以直接而連續地檢測形成板基的幹的表面和中心的木顆粒的吸收或發射光譜，並使用這些光譜的所述離散波長的值計算板的各個參數。
本發明的目的通過在生產線上利用光譜測定方法分析具有10％以下的溼度含量的木基板或其原材料，尤其是幹的表面或這些顆粒，來實現，特別是在波長範圍180-2500nm內，合適地在400-2500nm內，尤其是1000-2500nm內，並利用光譜的化學統計計算。該方法允許瞬時地並連續地分析反映板或其它木基板的質量的各個參數，並由此可以確定引導生產過程的變量。
該方法最好應用於原料和由這種原料製成的已在乾燥器中乾燥過的木基板，適用於板生產廠內；最好木基板或原料，尤其是表面和中心顆粒在本領域人員已知的環境中乾燥，其溼度在8％以下，最好在4％以下。
本發明的優點在於，例如，低的溼度含量有利於再現測量結果；否則溼度將阻斷或掩蓋光譜測定的信息。此外，在原料或板中的天然的或合成有機物的易揮發性成分隨著溼度的減少也從原料或板中放出，否則它們也會阻斷或掩蓋光譜測定的信息。這樣，通過在相當低的溼度下進行分析，便可利用更多的光譜測定的信息，從而確保更精確的可再現的測量結果。關於原料，當然在接近其實際使用狀態下即在相當乾燥時進行分析也是有利的。
木基板最好呈板狀，尤其是顆粒板。
按照本發明的進行的多變量分析可以是主分量分析(PAC)，部分最小二乘回歸(PLS)，主分量回歸(PCR)，多元線性回歸分析(MLR)，或判別式分析，最好是部分最小二乘回歸。
按照本發明的的方法也可以應用於控制影響由進入木基板生產過程的原木料生產的木基板的參數的過程變量的方法中；在這種情況下，本發明的方法也可以用於確定板的參數，然後把其信息反饋回控制生產的系統。也可以設計一種控制系統，其中獲得的光譜在減少噪聲和基線漂移之後被直接輸入系統，用於設置過程變量而不用把光譜轉換成板參數；這可以通過建立合適的校準模型來實現，其中過程變量用板參數的函數表示，然後把模型用於由原料獲得光譜數據的實際生產中，即前饋控制，或應用於生產的板中，即反饋控制，並和所需的板參數聯繫，從而給出所需的過程變量。
按照一個實施例，對溼度含量10％以下的原木料通過光譜測定方法進行分析，從而給出光譜數據，所述光譜數據和參考光譜數據比較，所述參考光譜數據是利用所述光譜測定方法從在已知過程變量下的生產過程中生產的參考原木基板中獲得的，所述參考板具有10％以下的溼度含量，所述參考木基板的參數是已知的，所述參考光譜數據已被根據已知的所述過程變量藉助於多變量分析進行校準。
按照本發明的另一個實施例，對溼度含量10％以下的原木料或木基板同樣通過光譜測定方法進行分析，從而給出光譜數據，所述光譜數據和參考光譜數據比較，所述參考光譜數據是利用所述光譜測定方法從在參考過程中使用的參考原木料或從在參考過程中由所述參考原木料生產的參考木基板中獲得的，所述參考過程用於生產具有10％以下的溼度含量木基板，所述參考光譜數據已被根據在所述參考過程中應用的過程變量藉助於多變量分析進行校準。
在本發明的另一個實施例中，對溼度含量10％以下的原木料或木基板同樣通過光譜測定方法進行分析，從而給出光譜數據，獲得的光譜數據和至少一個所需的參數聯合成為組合，所述組合和參考組合進行比較，所述參考組合是由聯繫參考光譜數據和參考原木料或參考木基板的已知參數而獲得的，所述參考組合已被根據已知的過程變量藉助於多變量分析進行校準。
從技術上說，光譜儀分析可以聯機，在線或實時地通過光纖探針進行。在兩種情況下，通過使用每個特定光譜的幾個離散波長對光譜進一步進行數據處理。應該理解，在光譜測定方法中使用的照射直接地照到原料或木基板上。
光譜信息反應各種性能。根據感興趣的參數使相關的選擇的信息和特定參數相關。
這種技術的一個例子是使用一種裝置，將其置於離開處理物一定距離處，其含有光源，檢測器，電子元件和其它所需的部件，用於通過光纖向試樣發送信號，其中光透過試樣，或在試樣上反射，或局部地透過試樣。所得信號被送到光纖探針中的檢測器，並進行記錄。
在光譜儀中，光被轉換成電信號，然後，信號被送到計算機，在其中預先存儲的參考掃描的光譜可以和試樣光譜相關，例如從中減去參考光譜，並計算參考校正的光譜。
另一個例子是通過手動或自動在相關的時間間隔取樣，並把試樣送到含有光源，檢測器，電子元件和其它所需的部件的分析儀器分析。然後，對吸收或透射光譜使用來自每個特定光譜的幾個離散波長進行進一步的數據處理。
檢測器的測量間隔可以選擇最大10nm，較好為2nm，最好為1nm或更小。在180-2500nm的波長範圍內進行檢測。
這可以使用掃描儀，二極體陣列儀，富氏變換儀，或本領域人員熟知的其它類似設備進行檢測。
包含吸收或透射的波長的估算提供關於分析的特徵。通過對獲得的光譜應用化學統計方法，則可以忽略不包含信息的供化學分析的波長，儘管測量中包括來自整個波長範圍的信息。
通過使用光譜儀測量確定和控制板的參數包括兩個主要步驟，第一個是建立校準模型，其中包括建立學習組，數據處理，以及通過使用具有已知參數值的表面和中心顆粒數據分析的子步驟。第二個主要步驟是具有未知參數值的試樣的光譜測量分析，光譜數據處理，接著選擇地進行數據分析；把在第一主要步驟中建立的校準模型應用於這樣獲得的數據。
本發明的一個實施例分析波長範圍為400-2500nm，尤其是1000-2500nm的乾燥的表面和中心顆粒的近紅外光譜，並對光譜應用化學統計估算，從而計算顆粒的參數，例如密度和密度分布，內部粘結度，厚度膨脹，吸收性，滲透性，穿孔器的值，和放射室的值。
板的變量和通過NIR測量乾燥表面和中心顆粒獲得的結果之間的相關性從對照
圖1-圖6所示的結果的表中可以清楚地看到。
按照最佳實施例，本發明的方法包括以下步驟(I)建立校準模型(I.a)利用光譜測定方法記錄參考原木料或參考木基板的參考試樣的參考光譜原始數據；(I.b)處理參考光譜原始數據，以便減少噪聲調整漂移和漫射的光散射；(I.c)通過進行包括多變量分析的數據分析用參考試樣的已知參數校準處理的參考光譜數據；以及(II)利用光譜測定方法記錄具有未知參數的原木料或木基板的試樣的光譜原始數據；處理所獲得的光譜原始數據，以便減少噪聲調整漂移和漫射的光散射；並對處理的光譜數據應用建立的校準模型，以便確定未知參數。在子步驟(I.c)中的多變量分析最好包括把處理的光譜數據轉換成隱含變量；在子步驟(II)中的處理的光譜數據最好按照(I.c)被轉換成隱含變量，並把建立的校準模型應用於隱含變量，以便確定未知參數。通過PCA方法轉換成隱含變量。該實施例更詳細地討論如下(I)建立校準模型對於若干試樣以傳統方法測量板的參數。然後使用測量的值建立校準模型，其中對記錄的所述試樣的吸收，反射和發射光譜應用下述的三個子步驟。
(I.a)建立學習組模型學習組包括來自具有最好應該代表生產線的已知值的試樣的大量的吸收或發射光譜。學習組被用於化學統計算法計算最終的模型參數。
(I.b)數據處理為了減少噪聲和調整基線漂移，應該對光譜的原始數據進行處理。這種處理也可以揭示隱含的信息，例如外表不同的光譜的相似性，或外表相似的光譜的不相同性。此外，導致Beer定律(即對於給定的吸收係數和吸收介質中的光路長度，吸收的光的總量正比於試樣的摩爾濃度)的假設在由試樣組成的複雜的系統中並不總是被滿足的。這是由於在工業和實驗室中經常存在的若干因素。另外應該複雜因素是和試樣中的顆粒有關的光的散射變化。已經提出了各種理論解決這一問題，其中最常用的是Kubelka-Munk變換(P.Kubelka，F.Munk，Z.Tech.Physik 12，593(1931)，在此列為參考)，其中論述吸收和散射；以及多重散射校正(P.Geladi，D.Macdougall，H.Martens，Appl.Spect.39，491-500(1985)，在此列為參考)，其中每個光譜在漂移和傾斜時通過將其和『理想』的光譜(平均光譜)比較對其進行『校正』。另一種使光譜數據線性化的方法也是使用導數，例如高達4階導數(A.Savitzky，M.J.E.Golay，Anal.Chem.36，1627-1639(1964)，在此列為參考)。光譜的導數產生變換的光譜，其中只包括相鄰波長之間的相對變化，並且已經表明得到的光譜的峰值強度對於濃度更接近於線性(T.C.O′Haver，T.Begley，Anal.Chem.53，1876(1981)，在此列為參考)。線性化也可以使用富氏變換完成，或使用標準正交變量變換完成，如R.J.Barnes，M.S.Dhanoa和S.J.Lister，Appl.Spectrosc.，Vol.43.NO.5，pp.772-777(1989)中所述，在此列為參考。
(I.c)數據分析使用化學統計技術進行數據分析可以建立校準模型。有幾種可用的化學統計技術，例如主分量分析法(Principal Component Analysis(PCA))，部分最小二乘回歸法(Partial Least Squares Regression(PLS))，主分量回歸法(Principal Component Regression(PCR))，多元線性回歸分析法(Multilinear Regression Analysis(MLR))，和判別式分析(Discriminant Analysis)，按照本發明，最好的化學統計技術是PLS方法。
(I.c.1)主分量分析法(PCA)按照PCA，一組相關變量被壓縮成較小的一組非相關變量。這種變換包括坐標系統的旋轉，使得在少數軸上的信息比原來系統中的容易校正。從而使彼此高度相關的變量作為有關整體處理。通過使用PCA，可用獲得一小組非相關變量，它們仍然表示在原來的變量組中的大多數信息，而在模型中使用卻容易得多。一般地說，2-15個主要分量將代表總變量的85％-98％。
(I.c.2)部分最小二乘回歸法(PLS)PLS是一種模擬與計算方法，用於建立變量塊例如一系列試樣的描述信息數據塊(光譜)和對這些試樣測量的響應數據塊之間的定量關係。利用塊之間的定量關係，便可以輸入新的試樣的光譜數據到描述信息塊中，並較小預期響應的預測。該方法的有關大的優點是可以通過不同的曲線用圖解方法計算結果。在大多數情況下，曲線的可見的解釋對於理解變量之間的不同關係是足夠的。該方法根據投影，和PCA類似。PLS方法在CarlssonR.，「有機合成中的設計和優化」，B.G.M.Vandeginste，O.M.Kvalheim，Eds.，「科技領域中的數據處理」，(Elsevier，1992)，vol.8中詳細說明了，在此列為參考。
(I.c.3)主分量回歸法(PCR)PCR和PCA與PLS緊密相關。如在PCA中，在描述信息塊中的每個對象被投影在較低維的空間，從而產生分數(score)和負載(loading)。然後，分數對於響應塊按照最小平方程序回歸，從而產生可用於預測未知試樣的回歸模型。和在PLS和PCA中相同的模型樣本函數可用於確認模型。為了更好地理解PCA，PLS和PCR，可參見P.Geladi等「部分最小二乘回歸法指南」，Anal.Chim.Acta，185，1-32(1986)，在此全文列為參考。
(I.c.4)多元線性回歸分析法(MLR)利用MLR確定作為光譜的函數的對於板參數的最好的配合平面，其中使用最小平方技術確定平面的每個邊界。然後，使用這個平面對未知的板的參數識別並分配一個預測的值。這一技術一般局限於相當「乾淨」的系統，其中沒有大的矩陣幹擾，和PLS相比，它要求的對象比變量多。
(I.c.5)判別式分析法這種方法利用光譜數據把已知的板的參數值分成由直線確定的邊界隔開的不同的組。然後，從試樣的光譜中，未知的板的參數值的的試樣可以和一組匹配，並且板的參數值可被分配給一個值例如組的平均值。這對於質量篩選是非常有用的技術，但是需要非常大的資料庫以便獲得在統計上有效的結果。
(II)通過應用校準模型進行確定一旦建立起校準模型，便可以通過記錄的吸收或發射光譜按照(I.a)進行未知值的確定。按照(I.b)處理這樣獲得的光譜的原始數據；按照(I.c)選擇地進行處理的光譜數據的數據分析；並對獲得的數據應用建立的校準模型。
現在舉例說明本發明。
在實驗室中製備5塊試驗板，它們具有不同的顆粒成分而相同的黏合劑配方。使用3種不同年齡(老的，3個月的和新鮮的)的原料顆粒。它們在實驗室中被乾燥並篩選為表面和中心顆粒。每個年齡代表一個試驗板，第四個試驗板其它三個的混合。第五個試驗板是參考試樣，具有來自民用產品的表面和中心顆粒。板的顆粒混合物如下表1所示。每個試樣的溼度含量已經用標準方法分析。在瑞典的Nacka的AKZO NOBEL分析中心進行了每種顆粒的NIR測量。使用的儀器是具有漂移電池的FT-NIRinstrument Bomem 160。顆粒被放在燒杯中，並且試樣被掃描16次/光譜為1000-2500nm之間。除去按照已知技術對整個板進行測量外，還用乾燥器蓋進行發射測量(EXS方法，如下報告的)並且還採用一種方法，其中把板放在箱子內，並測量通過板吸入的空氣(BOX方法，如下報告的)。其結果顯示在監視器上，，對儀器進行中間掃描，以便測量甲醛。對冷卻的原料板進行最接近工廠的聯機方法的測量，其中乾燥器蓋中的空氣的溫度為30℃，並且應該給出關於甲醛的聯機測量是否和室內的值密切相關的信息。所述測量的結果示於下面的表II中。使用用於多變量數據的Sirius程序進一步從標準的NIR光譜中提取信息。建立具有6個PLS分量的顆粒變量和板的變量的響應模型。響應模型可以表示為Y＝KX+M，即在常規的X-Y坐標系中描述直線的方程，其中Y是預測的參數，X是實際測量的參數，K是響應模型的相關係數(表示直線的斜率)，M是直線和Y軸的截距，即假定模型中的X為0時Y的值。對於理想的響應模型，K為1，M為0。對於不同的測量K和M的值如表III所示，，其中還示出了模型和實際值的相關性。其對於理想的模型為1，還示出了平均預測誤差。對於表面和直線顆粒進行多波長的光譜儀測量，接著進行光譜數據的線性化，並使用多變量數據計算(PLS算法)確定板的參數值。在表中報告了由總共10個不同的因而具有不同的參數的原試樣構成的參考試樣。試樣已被乾燥為溼度含量在0.9到2.3％之間，並掃描表面和直中心顆粒。
表面顆粒粒徑(0.5-2mm)中心顆粒粒徑(2-8mm)以相同的方法對每種成分進行了包括2×4個三層板的一個試驗，試驗是利用等量的三種成分的混合物進行的。用表面和中心顆粒進行了一個試驗。在所有試驗中使用了來自Casco Products AB的脲甲醛樹脂UF1155。4個板組合成一個室板。用乾燥器蓋並在箱內使板吸入空氣進行了發射測量。在室測試之後進行了每個測試的完整的板試驗。
在表中使用如下的縮寫Dens. 密度IB 內部粘合度TSW 24h 厚度膨脹ABS 24h吸收PB滲透性，cm/minPV穿孔器值，mg HCHO/100gREM快速發射方法mg HCHO/升Em.kam放射室 mg HCHO/m3EXS 30℃乾燥器蓋0.82dm2』，具有隔開板的帶，通過板每分鐘吸入3升空氣。新壓縮的原料板。溫度30℃EXS 23℃乾燥器蓋0.82dm2』，具有隔開板的帶，通過板每分鐘吸入3升空氣。新壓縮的原料板。溫度23℃EXS 1d乾燥器蓋0.82dm2』，具有隔開板的帶，通過板每分鐘吸入3升空氣。磨損的板，1天。Box 4d通過板吸入空氣4.8dm2，5.1/min.磨損的板，帶包邊緣，4天Box 12d通過板吸入空氣4.8dm2，5.1/min.磨損的板，帶包邊緣，12天Box 27d通過板吸入空氣4.8dm2，5.1/min.磨損的板，帶包邊緣，27天Box k-sk通過板吸入空氣4.8dm2，5.1/min.磨損的板，帶包邊緣，對在室中試驗過的板進行測量。
表1用於施加壓力的顆粒混合物
從表III可以看出，斜率K和相關性都非常接近於理想值1。最大截距M非常接近於0，密度參數除外；不過，在這種情況下，應該注意，測量板的實際值的範圍為745-760，這表明相對於實際值的發散性很小，這也由在這種情況下的小的平均預測誤差反應出來。
權利要求
1一種用於定性和定量地確定由流入生產木基板的生產過程的原木料生產的木基板參數的方法，其特徵在於，該方法包括利用光譜測定方法分析具有10％以下的溼度的原木料或木基板，從而給出光譜數據，以及比較所述光譜數據和從具有10％以下的溼度含量的參考原木料或參考木基板利用所述光譜測定方法獲得的參考光譜數據，所述參考光譜數據已被根據由所述參考原木料生產的木基板的已知的參數或所述參考木基板的已知的參數藉助於多變量分析進行校準。
2如權利要求1所述的方法，其特徵在於，該方法包括利用光譜測定方法分析具有10％以下的溼度的原木料或木基板，從而給出光譜數據，把所述光譜數據和過程變量聯繫成組合，以及使所述組合和參考組合比較，所述參考組合是通過聯繫利用所述光譜測定方法從具有10％以下的溼度含量的參考原木料或參考木基板中而獲得的參考光譜數據和參考過程變量而獲得的，所述參考組合已被根據由所述參考原木料生產的木基板的已知參數或所述參考木基板的已知參數利用多變量分析進行校準。
3如權利要求1所述的方法，其特徵在於，該方法包括對溼度含量10％以下的原木料通過光譜測定方法進行分析，從而給出光譜數據，以及所述光譜數據和從具有10％以下的溼度含量的參考原木料中利用所述光譜測定方法獲得的參考光譜數據比較，所述參考光譜數據已被根據由所述參考原木料生產的木基板的已知的參數藉助於多變量分析進行校準。
4如權利要求1所述的方法，其特徵在於，該方法包括對溼度含量10％以下的木基板通過光譜測定方法進行分析，從而給出光譜數據，以及所述光譜數據和從具有10％以下的溼度含量的參考木基板中利用所述光譜測定方法獲得的參考光譜數據比較，所述參考光譜數據已被根據由所述參考木基板的已知的參數藉助於多變量分析進行較準。
5如前面任一權利要求所述的方法，其特徵在於，其中的木基板是木板。
6如權利要求5所述的方法，其特徵在於，所述的木板是顆粒板。
7如權利要求1所述的方法，其特徵在於，(I)通過以下步驟建立校準模型(I.a)利用光譜測定方法記錄參考原木料或參考木基板的參考試樣的參考光譜原始數據；(I.b)處理參考光譜原始數據，以便減少噪聲並調整漂移和漫射的光散射；(I.c)通過進行包括多變量分析的數據分析用參考試樣的已知參數校準處理的參考光譜數據；以及(II)利用光譜測定方法記錄具有未知參數的原木料或木基板的試樣的光譜原始數據；處理所獲得的光譜原始數據，以便減少噪聲並調整漂移和漫射的光散射；並對處理的光譜數據應用建立的校準模型，以便確定未知參數。
8如權利要求7所述的方法，其特徵在於，在(I.c)中的多變量分析包括把處理的光譜數據轉換成隱含變量；以及(II)中的處理的光譜數據按照(I.c)被轉換成隱含變量，以及，把建立的校準模型應用於隱含變量，以便確定未知參數。
9如權利要求7或8所述的方法，其特徵在於，所述光譜測定方法是吸收，反射，發射或透射光譜測定方法。
10如權利要求1所述的方法，其特徵在於，其中所述原木料或木基板以及參考原木料或參考木基板被乾燥為8％以下的溼度，最好4％以下。
11如權利要求1所述的方法，其特徵在於，其中所述的原木料含有表面或中心顆粒或兩者都有。
12如權利要求1所述的方法，其特徵在於，所述光譜測定方法是NIR光譜測定方法。
13如權利要求1所述的方法，其特徵在於，要被確定的板的參數是從密度，密度分布，內部粘結度，厚度膨脹，吸收性，滲透性，穿孔器的值，和放射室的值中選擇的。
14如權利要求1所述的方法，其特徵在於，其中所述的多變量分析從主分量分析法(PCA)，部分最小二乘回歸法(PLS)，主分量回歸法(PCR)多元線性回歸分析法(MLR)，和判別式分析法中選擇。
15如權利要求1所述的方法，其特徵在於，其中使用的多變量分析是部分最小二乘回歸法(PLS)。
16一種用於控制影響由流入木基板的生產過程的原木料生產的木基板的參數的過程變量的方法，其特徵在於包括以下步驟對溼度含量10％以下的木基板通過光譜測定方法進行分析，從而給出光譜數據，以及所述光譜數據和參考光譜數據比較，所述參考光譜數據是利用所述光譜測定方法從在已知過程變量下的所述生產過程中生產的參考木基板中獲得的，所述參考板具有10％以下的溼度含量，所述參考木基板的參數是已知的，所述參考光譜數據已被根據已知的所述過程變量藉助於多變量分析進行校準。
17一種用於控制影響由流入木基板的生產過程的原木料生產的木基板的參數的過程變量的方法，其特徵在於包括以下步驟對溼度含量10％以下的原木料或木基板通過光譜測定方法進行分析，從而給出光譜數據，以及所述光譜數據和參考光譜數據比較，所述參考光譜數據是利用所述光譜測定方法從在用於生產木基板的參考過程中的參考原木料或由所述參考原木料生產的參考木基板中獲得的，所述參考板具有10％以下的溼度含量，所述參考光譜數據已被根據應用於所述參考過程的過程變量藉助於多變量分析進行校準。
18一種用於控制影響由流入木基板的生產過程的原木料生產的木基板的參數的過程變量的方法，其特徵在於包括以下步驟利用光譜測定方法分析具有10％以下的溼度的原木料或木基板，從而給出光譜數據，把所述光譜數據和所需參數聯繫成組合，以及使所述組合和參考組合比較，所述參考組合是通過聯繫利用所述光譜測定方法從具有10％以下的溼度含量的參考原木料或參考木基板中而獲得的參考光譜數據和所述參考原木料或所述參考木基板的已知參數而獲得的，所述參考組合已被根據已知的過程變量利用多變量分析進行校準。
19一種用於控制影響由流入木基板的生產過程的原木料生產的木基板的參數的過程變量的方法，其特徵在於包括以下步驟利用光譜測定方法分析具有10％以下的溼度的原木料，從而給出光譜數據，把所述光譜數據和所需參數聯繫成組合，以及使所述組合和參考組合比較，所述參考組合是通過聯繫利用所述光譜測定方法從具有10％以下的溼度含量的參考參考原木料中而獲得的參考光譜數據和所述參考原木料的已知參數而獲得的，所述參考組合已被根據已知的過程變量利用多變量分析進行校準。
20一種用於控制影響由流入木基板的生產過程的原木料生產的木基板的參數的過程變量的方法，其特徵在於包括以下步驟利用光譜測定方法分析具有10％以下的溼度的木基板，從而給出光譜數據，把所述光譜數據和所需參數聯繫成組合，以及使所述組合和參考組合比較，所述參考組合是通過聯繫利用所述光譜測定方法從具有10％以下的溼度含量的參考木基板中而獲得的參考光譜數據和所述參考木基板的已知參數而獲得的，所述參考組合已被根據已知的過程變量利用多變量分析進行校準。
全文摘要
一種用於確定木板參數的方法,包括利用光譜測定方法分析具有10%以下的溼度的原木料/木板,比較光譜數據和來自參考木料/木板的根據由所述參考原料或所述參考板的已知參數利用多變量分析校準的參考數據。控制影響板的參數的過程變量,包括分析原料/木板,把光譜數據和所需參數聯繫成為組合,比較所述組合和由來自參考木料/木板的參考數據和所述參考木料/木板的已知參數相聯繫而構成的參考組合,所述參考組合按照已知變量通過多變量分析被校準。
文檔編號B27N1/02GK1191017SQ96195529
公開日1998年8月19日 申請日期1996年7月2日 優先權日1995年7月14日
發明者比約恩·恩斯特龍, 莫那·黑德威斯特 申請人:卡斯考產品公司