[发明专利]一种基于红外光谱的PE塑料管断裂伸长率的识别方法

权利要求书

1.一种基于红外光谱的PE塑料管断裂伸长率的识别方法，其特征在于，其包括步骤：

选择多个PE塑料管样品，采集每个PE塑料管至少一个样点的红外光谱数据和断裂伸长率测试值，并将多个PE塑料管样品随机分为训练样点集和验证样点集；

根据所述训练样点集的红外光谱数据提取断裂伸长率的多个相关因子，并获取各相关因子的值；

剔除方差大于预先设定的方差临界值的相关因子后，分别将剩余的每个相关因子与断裂伸长率进行数据拟合建模，得到多个初始模型；

从多个初始模型中选择最优模型并利用验证样点集进行验证，验证通过后，作为关联模型对待测PE塑料管进行断裂伸长率识别。

2.如权利要求1所述的基于红外光谱的PE塑料管断裂伸长率的识别方法，其特征在于，所述采集每个PE塑料管至少一个样点的红外光谱数据，具体包括：

分别对每个样点进行取样，进行波段为4000-400cm^-1的红外光谱检测，获取多个特征峰波段；

将多个特征峰波段划分为已知组分波段和未知组分波段，并分别积分得到每个波段的峰面积。

3.如权利要求2所述的基于红外光谱的PE塑料管断裂伸长率的识别方法，其特征在于，根据所述训练样点集的红外光谱数据提取断裂伸长率的多个相关因子，具体包括：

以每个已知组分波段的峰面积分别作为一个相关因子；

以每个未知组分波段的峰面积分别作为一个相关因子；

以所有已知组分波段的峰面积之和作为一个相关因子；

以所有未知组分波段的峰面积之和作为一个相关因子；

以所有已知组分波段和所有未知组分波段的峰面积之和作为总面积，以所有未知组分波段的峰面积之和与总面积之间的比值作为一个相关因子。

4.如权利要求3所述的基于红外光谱的PE塑料管断裂伸长率的识别方法，其特征在于：

所述未知组分波段包括第一波段1900-950cm^-1和第二波段650-600cm^-1，所述已知组分波段包括第三波段3100-1300cm^-1和第四波段950-670cm^-1。

5.如权利要求1所述的基于红外光谱的PE塑料管断裂伸长率的识别方法，其特征在于，所述进行数据拟合建模时，还包括：剔除异常样点，并统计每个初始模型剔除的异常样点数。

6.如权利要求5所述的基于红外光谱的PE塑料管断裂伸长率的识别方法，其特征在于，所述从多个初始模型中选择最优模型，具体包括：

计算每个初始模型的相关系数和标准误差；

选择剔除异常样点数最少、相关系数最高且标准误差最小的模型作为最优模型。

7.如权利要求5所述的基于红外光谱的PE塑料管断裂伸长率的识别方法，其特征在于，所述剔除异常样点的原则为：

剔除成对异常点和明显离群样点，至模型的相关系数大于第一阈值，置信区间大于第二阈值，且剔除的样点数量最少；

所述成对异常点定义为：若同一PE塑料管上两个样点的同一相关因子值的差值在预设范围内，而两个样点的断裂伸长率测试值中一个大于标准值且另一个小于标准值，则以该两个样点为成对异常点。

8.如权利要求6所述的基于红外光谱的PE塑料管断裂伸长率的识别方法，其特征在于，所述利用验证样点集进行验证，具体包括：

将验证样点集的红外光谱数据输入所述最优模型中，得到验证样点集的断裂伸长率预测值；

将所述验证样点集的断裂伸长率预测值与对应的测试值进行比较；以对应的预测值和测试值中一个大于标准值且另一个小于标准值的样点为失真样点；

当不存在失真样点时，以该最优模型作为关联模型；否则，分别将每个失真样点与剔除的异常样点进行比对；

若每个失真样点均存在一个异常样点与之数据相同，则以该最优模型作为关联模型；

否则，判断验证失败，并将不存在相应异常样点的失真样点补充至训练样点集中，进行二次建模。