高效液相色谱法检测木材产品中8-羟基喹啉铜

采用高效液相色谱法测定木材产品中8-羟基喹啉铜。木材样品经甲醇超声提取两次,以反相C18柱为分离柱、甲醇与乙酸铵-乙酸缓冲溶液作为流动相进行洗脱,采用光电二极管阵列检测器在257nm处进行检测。8-羟基喹啉铜的质量浓度在0.1~10.0mg·L-1范围内与峰面积呈线性关系,检出限(3S/N)为0.06mg·kg-1。对空白样品进行加标回收试验,回收率在76.4%~94.2%之间,测定值的相对标准偏差(n=5)在3.2%~7.5%之间。     

多胞材料的力学行为

多胞材料具有独特的力学性质,其工程应用日益增加.人造多胞材料可以分为蜂窝材料和泡沫材料两类.本文介绍了这两类材料在不同载荷条件下力学行为的研究概况.对于某些天然材料(木材和松质骨)的多胞结构及其模型也作了简要介绍.     

加速溶剂萃取-气相色谱法测定木材中五氯酚残留量

提出了气相色谱法测定木材中五氯酚残留量的方法。样品用乙醇经加速溶剂萃取仪在100℃静态萃取10 min。采用DB-5毛细管柱分离,电子捕获检测器测定五氯酚含量。五氯酚的质量浓度在0.01～50 mg·L^-1范围内与峰面积呈线性关系,方法的检出限（3S/N）为0.01 mg·kg^-1。以木材样品为基体,进行加标回收试验,回收率在94.2%～98.2%之间,测定值的相对标准偏差（n=6）小于4%。     

用于木材水分检测的单边核磁共振传感器设计

为了实现对木材水分的无损检测,设计了一种单边核磁共振（unilateral nuclear magnetic resonance,UMR）传感器,该传感器由单边磁体、抗涡流板、射频线圈、阻抗匹配和调谐电路构成．在距离传感器表面上方75 mm处的50 mm×50 mm的平面内,建立了71.1 mT（共振频率为3.027 MHz）的静态磁场．本文详细介绍了该传感器的设计思路和实现方法,并开展了初步的木材水分无损测量实验．对圆柱形树桩的径向水分分布进行了一维扫描测量,观察了水分由树皮向树芯逐步深入过程中横向弛豫时间（T₂）的变化规律,还使用UMR仪对木材干燥过程中水分的挥发进行了测量.实验结果表明,随着干燥的加剧,被测样品T₂谱的长T₂波峰明显左移、积分面积渐减,而且积分面积与木材样品含水率呈正比．本文为木材研究提供了一种便携的NMR测量设备设计方案,且可以实现野外活体树木的无损测量．     

木材种类的近红外光谱和模式识别

木材的种类识别是木材加工和贸易的一个重要环节,传统的木材种类识别方法主要有显微检测法和木材纹理识别法,其操作繁琐,耗时长,成本高,不能满足当前需求。本研究利用木材的近红外光谱(NIRS)结合模式识别方法,以期实现木材种类的快速准确识别。采用近红外光谱结合主成分分析法(PCA)、偏最小二乘判别分析法(PLSDA)和簇类独立软模式法(SIMCA)三种模式识别对58种木材进行种类鉴别研究;5点平滑、标准正态变量变换(SNV)、多元散射校正(MSC)、Savitzky-Golay一阶导数(SG 1st-Der)和小波导数(WD)五种光谱预处理方法用于木材光谱的预处理;校正集和测试集样品的正确识别率(CRR)用于模型的评价。采用PCA方法,通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。在建立PLSDA模型,原始光谱的正确识别率最高,分别为88.2%和88.2%;5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%;SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%;MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%;SG 1st-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%;WD(小波基为“Haar”,分解尺度为80)处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。可知,在PLSDA模型中,木材光谱未经预处理种类识别效果最后好。在建立SIMCA模型过程中,原始光谱的校正集和测试集的CRR分别为99.7%和99.4%;5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%;SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%;MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%;SG 1st-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%;WD处理的光谱校正集和测试集的CRR分别为100%和100%。可知,在SIMCA模型中,木材光谱经平滑和小波导数处理后的识别效果最好,且光谱的校正集和测试集CRR都为100%。采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时,由于木材样本属性复杂,主成分分布图相互交织,PCA无法识别出58种木材;原始光谱的PLSDA模型可以得到较好的判别模型,但校正集和测试集的CRR只有88.2%和88.2%;木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果,校正集和测试集的CRR均为100%,且WD-SIMCA模型因子数比5点平滑SIMCA模型小,模型更为简化,故WD-SIMCA为58种木材种类识别的最优模型。研究表明光谱预处理方法可以有效的提高木材种类识别精度,有监督模式识别方法SIMCA可以用来建立有效的木材识别模型,近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。     

SIMCA法判别分析木材生物腐朽的研究

木材是一种生物质材料,容易受到各种微生物的危害,生物腐朽可以迅速导致木材结构的破坏,因此,对木材生物腐朽的快速、准确地检测或鉴定具有重要意义。近几年来,近红外光谱和SIMCA方法正被用于识别或检测食品、药品和农产品等研究中,因此,本研究尝试利用近红外光谱结合SIMCA方法来检测木材的生物腐朽。研究结果表明,应用近红外光谱和SIMCA方法能有效地判别木材的生物腐朽类型,通过培训集样本建立的基于PCA分析的SIMCA判别模型对未腐朽、白腐和褐腐三种类型样本进行回判,判别准确率分别为100%, 82.5%和100%;而对未知腐朽类型的样本(包括未腐朽、白腐和褐腐样本),判别准确率分别为100%, 85%和100%;SIMCA方法对未腐朽和褐腐类型的判别准确率均达到100%,但对白腐样本都有错判,造成这种错判的主要原因可能是由于样本包括的信息不够丰富以及腐朽初期白腐和褐腐试样的性质差异太小等。     

基于IFSR异常样本剔除的落叶松木材密度近红外优化模型的研究

木材密度可以反映木材的干缩性、抗压抗拉强度等多种物理性质,是重要的木材物理特性。采用近红外光谱技术能够实现木材密度的快速预测,可克服传统检测方法耗费人力、物力、时间的弊端,但建模结果往往受异常样本的影响。为准确识别并剔除样本集中的异常样本,提出一种孤立森林结合学生化残差方法(IFSR),在利用孤立森林集成特征的优点基础上考虑样本对模型的影响度,可同时检测异常样本与强影响样本。该研究对181个落叶松木材样本的近红外光谱及其在常温下的气干密度进行了测定。通过对比多种方法预处理和特征选择方法,确定采用标准正态变量变化(SNV)+去趋势处理(DT)+均值中心化(MC)+标准化(Auto)方法进行预处理,采用竞争性自适应重加权算法(CARS)进行特征波段选择,消除噪声及无关信息对算法的影响,简化数据集,提高算法剔除异常样本的准确性。为验证IFSR方法剔除异常样本的能力,将其与蒙特卡洛交互验证(MCCV)、马氏距离(MD)等其他六种异常检测方法对比分析,建立偏最小二乘(PLS)模型对其进行异常检测性能评价。同时在上述基础上采用粒子群寻优-支持向量机回归(PSO-SVR),BP神经网络(BPNN)与PLS分别建立落叶松木材密度近红外预测模型。结果表明,IFSR结合PSO-SVR方法得到的优化模型预测能力最强,IFSR可有效剔除奇异样本,提高模型精度。     

木质装饰板材贫氧条件下燃烧和热解特性研究

本文利用热重差热分析仪,在各种不同的氧气浓度下对落叶松、红木和红松样品进行实验。通过对TG、DTG和DTA曲线的分析,样品干燥基要经历两个失重过程,第一个失重过程主要是纤维素和半纤维素的热解,第二个失重过程主要是木质素的炭化分解和燃烧。在各氧气浓度条件下,热解失重的第一个阶段TG和DTG曲线差异很小;在各样品失重的第二个阶段,随着氧气浓度的增加,TG和DTG曲线左移,反应结束的温度明显降低。氧气能使木质素的炭化物氧化并进而可能使其着火燃烧,从而使反应进程加快。当氧气浓度大于6.32%时,各样品DTA曲线上均有两个明显放热峰,并且随着氧气浓度的增加,DTA曲线放热峰越尖锐,放热峰面积越大,说明氧气浓度越大,在两阶段失重过程中更多的挥发分物质和固体炭化物参与燃烧。     

原木随机存贮策略的最优化问题

本主要介绍原木经销商在周期内原木变价销售情况下的最佳期初贮存量的决策方法，在建立期望机会成本的数学模型基础上，探讨原木随机存贮策略的最优化问题。