摘要
超临界染色技术与传统水染技术相比具有无水污染、能耗低、染色时间短等多种优点，但涤纶筒纱在超临界染色时会出现白色筒脚并且在织造时易产生毛羽、断纱等问题。主要原因是低聚物的析出和纺丝油剂含量的下降，它们的含量与纤维质量和织造性能有着密切的关联。传统的纺丝油剂与低聚物的定量测试方法耗时较长，使用仪器较多，测试稳定性较差，而近红外定量分析技术具有准确、快速、无污染等优势，已经应用在多个领域之中并成为行业内的标准检测技术。为了准确快速测试纺丝油剂及低聚物的含量，以便于对染色工艺和低聚物去除方法进行优化，本文选择了近红外建模的方法对其进行了定量测试，通过分析模型数据与预测结果选择最优的建模方法。具体研究内容如下： 首先是纺丝油剂定量模型的建立，本文使用UDY与DTY纺丝油剂进行样品的制备与模型的建立，并对模型进行了合并以便于测试不同种类纺丝油剂的含量。在建立定量模型时为了提高模型的准确度与稳定性对算法、光谱预处理、波长范围和样本进行了优化与选择，通过对比模型的R2、平均预测误差等数据来初步分析模型的优劣。在对建模算法进行选择时发现使用PLS1建立的UDY模型的R2与预测的绝对误差分别为0.92和0.17，DTY模型的R2与预测的绝对误差分别为0.84和0.16，均为几种算法中结果最好的。对预处理进行优选时发现最适合UDY模型的是MSC和二阶导数的预处理，其R2为0.976，百分比预测误差为7.9%；适合DTY模型的预处理为路径长度和二阶导数的预处理，其R2与百分比预测误差为0.924和5.8%，并且使用MSC与二阶导数的预处理建立的模型准确度也较好。但UDY纺丝油剂模型使用路径长度和二阶导数的预处理建立的模型无法进行预测，为了方便模型的合并均使用了MSC与二阶导数的预处理。在对波长范围进行选择时发现使用全谱建立的模型预测误差均是最小的，在进行外部验证时发现样本的选择会较大程度的影响模型的准确度，适当的剔除异常样本能够提高模型的R2、预测准确度等，并且随着总体样本数量的提升模型的准确度也会逐渐提高。 其次对超临界染色析出的低聚物进行了分析与去除，并建立了低聚物模型用以优化去除方法并减少去除工艺对纤维的损伤。通过红外光谱、核磁氢谱、GPC色谱、粒度等分析测试手段对低聚物进行了分析与表征，分析结果显示无水染产生的白色粉末为三元环状低聚物，其结晶度大于90%并且在水中的平均粒径为2.2nm。使用超声助剂法、碱处理法对低聚物进行了去除，对去除结果进行分析发现J渗透剂与低聚物去除剂复配使用能去除95%的低聚物；使用浓度为1g/L的氢氧化钠液进行超声/碱协同处理时剩余的低聚物含量为0.264%，使用3g/L的氢氧化钠单独进行高温处理时剩余的低聚物含量为0.285%，证明了超声能提高低聚物的去除量。但超声处理会降低纤维结晶度，碱处理会降低纤维的力学性能。对纤维低聚物进行快速定量分析有利于优化与选择低聚物的去除工艺，适当提高或者降低工艺参数来减少处理工艺对纤维的损伤。使用了近红外定量分析的方法建立了低聚物的模型，建模过程与纺丝油剂建模流程相似，通过对R2、预测误差等数据与内部和外部验证发现使用PLS1、路径长度、二阶导数、全波长的方法建立的模型效果最好，预测百分比误差仅为3.4%。
NETL