一种测量SBS改性沥青中SBS改性剂含量的方法技术

本发明专利技术提供了一种测量SBS改性沥青中SBS改性剂含量的方法，该方法通过将已知梯度SBS含量的改性沥青标准样品的红外光谱数据进行预处理后训练集代入人工神经元网络程序中进行训练，并建立改性沥青标准样品红外光谱与SBS含量的回归模型，再将同样经过数据预处理后的改性沥青待测样品的光谱数据作为测试集代入该回归模型中，即可得改性沥青待测样品中SBS含量的预测值。其红外光谱数据预处理包含波长选择、背景扣除、基线校正、异常数据剔除和单位方差处理等方法，利用全光谱信息可有效解决非线性回归问题。该方法方法误差小、准确度高、重现性好、稳定性高，所需样品量小、预处理方法简单，可快速、有效的测定改性沥青中SBS含量。

A method for measuring the content of SBS modifier in SBS modified asphalt

The present invention provides a method for measuring the content of SBS modifier in SBS modified bitumen. The method is trained by preprocessing the infrared spectrum data of the modified asphalt standard sample of the known gradient SBS content into the artificial neural network program and establishing the infrared spectrum of the modified asphalt standard sample and the SBS content. The prediction value of SBS content in the modified bitumen samples can be obtained by the regression model, and then the spectral data of the modified bitumen samples after the data pretreatment are replaced by the regression model as the test set. The preprocessing of infrared spectrum data includes the methods of wavelength selection, background deduction, baseline correction, abnormal data elimination and unit variance processing. The nonlinear regression problem can be effectively solved by using full spectrum information. The method has the advantages of small error, high accuracy, good reproducibility, high stability, small sample size and simple preprocessing method. It can be used to determine the content of SBS in modified bitumen quickly and effectively.

【技术实现步骤摘要】
一种测量SBS改性沥青中SBS改性剂含量的方法
本专利技术涉及道路工程材料质量检测
，具体涉及一种测量SBS改性沥青中SBS改性剂含量的方法。
技术介绍
改性沥青是掺加橡胶、树脂、高分子聚合物、磨细的橡胶粉或其他填料等外掺剂(改性剂)，或采取对沥青轻度氧化加工等措施，使沥青或沥青混合料的性能得以改善制成的沥青结合料。而将一定量的苯乙烯-丁二烯-苯乙烯嵌段共聚物(Styrene-butadiene-styrene,SBS)加入沥青中，在一定温度和机械剪力作用下形成均匀混合体，即得到SBS改性沥青，SBS改性沥青可以显著提高路面的使用性能，因其出色的抗车辙性能、抗疲劳强度和水稳定性等优点广泛用于道路工程领域。SBS改性沥青的路用性能随着SBS改性剂的含量增加而提高，因此评价SBS改性沥青质量的重要指标之一就是其SBS含量。传统的SBS含量测试方法主要是通过测试改性沥青的针入度、延度、软化点和粘度等物理性能来实现的。但这些方法普遍存在耗时长、重现性差、准确度低等缺点，并且很容易受到操作熟练度等人为因素的影响。目前，还有报道通过溶解分离法、凝胶色谱法和红外光谱法等方法对改性沥青中SBS含量进行测量，可以得到更加准确的结果。在这些方法中，傅里叶变换红外光谱法具有样品预处理过程简单、分析速度快、样品需求量小等显著优点。但是在使用红外光谱进行光谱采集时，与其他材料样品相比较，改性沥青具有颜色深、低透光率和不均匀性等特征，因此无法使用传统的溴化钾压片法对其测量。
技术实现思路
针对现有技术中存在的问题，本专利技术的目的在于提供一种测量SBS改性沥青中SBS改性剂含量的方法，该方法方法误差小、准确度高、重现性好、稳定性高，所需样品量小、预处理方法简单，可快速、有效的测定改性沥青中SBS含量。为了达到上述目的，本专利技术采用以下技术方案予以实现。一种测量SBS改性沥青中SBS改性剂含量的方法，包括以下检测步骤：步骤1，采集多个SBS改性沥青标准样品的红外光谱数据作为训练集，所述多个SBS改性沥青标准样品中，SBS改性剂含量不同；步骤2，采集SBS改性沥青待测样品的红外光谱数据作为测试集；步骤3，对所述训练集中的每个SBS改性沥青标准样品的红外光谱数据进行预处理，所述预处理依次为CO2吸收峰扣除、基线噪音扣除、基线较正、一次方差处理、异常数据剔除和二次方差处理，得每个SBS改性沥青标准样品的预处理光谱数据；步骤4，对所述测试集的红外光谱数据进行预处理，所述预处理依次为CO2吸收峰扣除、基线噪音扣除、基线较正、一次方差处理、异常数据剔除，并将测试集经异常数据剔除后的红外光谱数据和所述训练集经异常数据剔除后的红外光谱数据合并，得合并后的红外光谱数据，对所述合并后的红外光谱数据采用二次方差处理，提取二次方差处理后的红外光谱数据中的测试集的红外光谱数据，得测试集预处理光谱数据；步骤5，将所述每个SBS改性沥青标准样品的预处理光谱数据和所对应的SBS改性剂含量分别输入人工神经元网络中，进行回归分析，并建立SBS改性剂含量与SBS改性沥青标准样品的红外光谱数据的回归模型；步骤6，将所述测试集预处理光谱数据代入所述回归模型中，得所述SBS改性沥青待测样品中SBS改性剂的含量。优选的，所述一次方差处理和二次方差处理分别为对数单位方差处理或单位方差处理。优选的，所述对数单位方差处理的公式为：其中，是第i个样品经对数单位方差法处理后在红外光谱波数k下的吸光度；i是样品编号，i＝1,2,3,…N，N是总样品数，k是红外光谱波数，k取a,a+△,a+2△,a+3△,…,b；a为红外光谱波数的最小设定值，△为4，b是红外光谱波数的最大设定值；xik是第i个样品在红外光谱波数k下的吸光度；是所有样品在红外光谱波数k下的吸光度平均值；sk是所有样品在红外光谱波数k下的吸光度标准偏差，所述标准偏差公式为：logsk是标准偏差sk的对数。优选的，所述单位方差处理的公式为：其中，是第i个样品经单位方差法处理后在红外光谱波数k下的吸光度；i是样品编号，i＝1,2,3,…N，N是总样品数，k是红外光谱波数，k取a,a+△,a+2△,a+3△,…,b；a为红外光谱波数的最小设定值，△为4，b是红外光谱波数的最大设定值；xik是第i个样品在红外光谱波数k下的吸光度；是所有样品在红外光谱波数k下的吸光度平均值；sk是所有样品在红外光谱波数k下的吸光度标准偏差，所述标准偏差公式为：进一步优选的，所述一次方差处理或二次方差处理分别为对数单位方差处理。优选的，所述采集多个SBS改性沥青标准样品或SBS改性沥青待测样品的红外光谱数据时，采用压片溶膜法制备红外测试的试样，按照以下步骤进行：称取SBS改性沥青标准样品或SBS改性沥青待测样品，加入甲苯，搅拌，得搅拌液；将溴化钾压片浸入所述搅拌液中，静置，真空烘干，得SBS改性沥青标准样品的红外测试的试样。优选的，所述SBS改性沥青标准样品与所述甲苯的比例为：1g：10mL。优选的，所述SBS改性沥青待测样品与所述甲苯的比例为：1g：10mL。优选的，所述多个SBS改性沥青标准样品中SBS改性剂含量为等梯度设置。优选的，所述基线校正采用msbackadj函数。优选的，所述异常数据剔除采用主成分分析方法。优选的，所述人工神经元网络采用误差反向传播算法。与现有技术相比，本专利技术的有益效果为：本专利技术的测量SBS改性沥青中SBS改性剂含量的方法误差小、准确度高、重现性好、稳定性高，可快速、有效的测定改性沥青中SBS含量。该方法通过将溴化钾压片溶膜技术的傅里叶变换红外光谱数据预处理后的数据与人工神经元网络方法相结合建立的红外光谱与SBS含量关系的回归模型，可用于对未知样品中SBS含量的测定，该方法所需样品量小、预处理方法简单，是一种新的绿色环保检测方法，可进行高通量快速检测，或者现场在线改性沥青检测。附图说明下面结合附图和具体实施例对本专利技术做进一步详细说明。图1为训练集的原始红外光谱图；横坐标为波数(Wavenumber)，单位为cm-1；纵坐标为吸光度(Absorbance)；图2为训练集扣除CO2和噪音基线区域之后的红外光谱图；横坐标为波数(Wavenumber)，单位为cm-1；纵坐标为吸光度(Absorbance)；图3为训练集经过基线校正后的红外光谱图；横坐标为波数(Wavenumber)，单位为cm-1；纵坐标为吸光度(Absorbance)；图4为SBS改性剂含量占SBS改性沥青质量3.500％的SBS改性沥青标准样品经主成分分析后的得分散点图；图中1-15样品取样编号；图5为实施例1中训练集经二次方差处理后的红外光谱图，横坐标为波数(wavenumber)，单位为cm-1；纵坐标为对数单位方差(Logarithmicunitvariance)；图6为实施例2中训练集经二次方差处理后的红外光谱图，横坐标为波数(wavenumber)，单位为cm-1；纵坐标为单位方差(Unitvariance)。具体实施方式下面将结合实施例对本专利技术的实施方案进行详细描述，但是本领域的技术人员将会理解，下列实施例仅用于说明本专利技术，而不应视为限制本专利技术的范围。实施例1一种测量SBS改性沥青中SBS改性剂含量的方法，包括以下步骤：步骤1，制备SBS改本文档来自技高网...

【技术保护点】
1.一种测量SBS改性沥青中SBS改性剂含量的方法，其特征在于，包括以下检测步骤：步骤1，采集多个SBS改性沥青标准样品的红外光谱数据作为训练集，所述多个SBS改性沥青标准样品中，SBS改性剂含量不同；步骤2，采集SBS改性沥青待测样品的红外光谱数据作为测试集；步骤3，对所述训练集中的每个SBS改性沥青标准样品的红外光谱数据进行预处理，所述预处理依次为CO2吸收峰扣除、基线噪音扣除、基线较正、一次方差处理、异常数据剔除和二次方差处理，得每个SBS改性沥青标准样品的预处理光谱数据；步骤4，对所述测试集的红外光谱数据进行预处理，所述预处理依次为CO2吸收峰扣除、基线噪音扣除、基线较正、一次方差处理、异常数据剔除，并将测试集经异常数据剔除后的红外光谱数据和所述训练集经异常数据剔除后的红外光谱数据合并，得合并后的红外光谱数据，对所述合并后的红外光谱数据采用二次方差处理，提取二次方差处理后的红外光谱数据中的测试集的红外光谱数据，得测试集预处理光谱数据；步骤5，将所述每个SBS改性沥青标准样品的预处理光谱数据和所对应的SBS改性剂含量分别输入人工神经元网络中，进行回归分析，并建立SBS改性剂含量与SBS改性沥青标准样品的红外光谱数据的回归模型；步骤6，将所述测试集预处理光谱数据代入所述回归模型中，得所述SBS改性沥青待测样品中SBS改性剂的含量。...

【技术特征摘要】
1.一种测量SBS改性沥青中SBS改性剂含量的方法，其特征在于，包括以下检测步骤：步骤1，采集多个SBS改性沥青标准样品的红外光谱数据作为训练集，所述多个SBS改性沥青标准样品中，SBS改性剂含量不同；步骤2，采集SBS改性沥青待测样品的红外光谱数据作为测试集；步骤3，对所述训练集中的每个SBS改性沥青标准样品的红外光谱数据进行预处理，所述预处理依次为CO2吸收峰扣除、基线噪音扣除、基线较正、一次方差处理、异常数据剔除和二次方差处理，得每个SBS改性沥青标准样品的预处理光谱数据；步骤4，对所述测试集的红外光谱数据进行预处理，所述预处理依次为CO2吸收峰扣除、基线噪音扣除、基线较正、一次方差处理、异常数据剔除，并将测试集经异常数据剔除后的红外光谱数据和所述训练集经异常数据剔除后的红外光谱数据合并，得合并后的红外光谱数据，对所述合并后的红外光谱数据采用二次方差处理，提取二次方差处理后的红外光谱数据中的测试集的红外光谱数据，得测试集预处理光谱数据；步骤5，将所述每个SBS改性沥青标准样品的预处理光谱数据和所对应的SBS改性剂含量分别输入人工神经元网络中，进行回归分析，并建立SBS改性剂含量与SBS改性沥青标准样品的红外光谱数据的回归模型；步骤6，将所述测试集预处理光谱数据代入所述回归模型中，得所述SBS改性沥青待测样品中SBS改性剂的含量。2.根据权利要求1所述的测量SBS改性沥青中SBS改性剂含量的方法，其特征在于，所述一次方差处理和二次方差处理分别为对数单位方差处理或单位方差处理。3.根据权利要求2所述的测量SBS改性沥青中SBS改性剂含量的方法，其特征在于，所述对数单位方差处理的公式为：其中，是第i个样品经对数单位方差法处理后在红外光谱波数k下的吸光度；i是样品编号，i＝1,2,3,…N，N是总样品数，k是红外光谱波数，k取a,a+△,a+2△,a+3△,…,b；a为红外光谱波数的最小设定值，△为4，b是红外光谱波数的最大设定值；xik是第i个样品在红外光谱波数k下的...

【专利技术属性】
技术研发人员：王康，段金伟，郑华宇，王平，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61