掌桥专利:专业的专利平台
掌桥专利
首页

基于多模态后融合的利用染色残液续染配色的方法

文献发布时间:2023-06-19 19:30:30


基于多模态后融合的利用染色残液续染配色的方法

技术领域

本发明具体涉及基于多模态后融合的利用染色残液续染配色的方法。

背景技术

纺织印染行业是用水量较大的工业行业,据不完全统计,全国印染工厂的废水每天排放量达3×10

除了对印染废水进行脱色外,还有对染色残液的直接回用。对于染色残液的回用技术包括两种:一种是在染色工艺周期后,对染浴进行分光光度分析,对染色残液进行相关的测试,包括染料浓度、离子浓度、pH值、助剂浓度等,然后根据染色配方补加所需要的染料和助剂,使之成为新的染浴而再次用于染色,以此往复达到多次染色回用的目的,但是,这种方法局限在无法准确测定残液中的染料的有效含量,从而使其利用收到较大限制。因此准确测量废水中染料的有效含量是残液回用的关键。

发明内容

本发明是针对目前单一分光光度计法无法准确测量残液中染料含量问题,提出了一种多模态后融合的残液中染料含量测定并进行续染配色的方法。

基于多模态后融合的利用染色残液续染配色的方法,包括以下步骤:

步骤(1)取样染色残液,按染色工艺在进行染色打样,获得残液染色织物和二次染色残液;

步骤(2)测量残液染色织物反射率及计算染料含量;

采用积分球光谱测色仪,测定残液染色织物的反射率值R

/>

式1中,(K/S)

步骤(3)测量二次染色残液吸光度及计算二次染色残液浓度;

采用紫外可见或可见光分光光度法,测定二次染色残液的吸光度A

式2中,A

步骤(4)采用神经网络进行决策层融合,将步骤(2)和步骤(3)计算得到的织物上染料含量计算f

步骤(5)续染配色

目标色配方为Di,预测得到的染色残液中有效染料浓度为Ci,续染配方T为,T

其中所述步骤(2)中反射率Rλ转化为(K/S)

其中,所述步骤(3)中计算二次染色残液含量采用波段法,波段法的构成为,以各单支染料的最大吸收波长为中心的前后3-5波段。

其中,所述步骤(4)中神经网络进行决策层融合,需要事先经过先验知识训练,训练样本采用已知浓度的残液,分别经过残液染色后获得残液染色织物和二次染色残液,数据构成表头包含如下:

其中,建立的BP神经网络决策模型,输入为6个神经元,10个隐层神经元,3个输出神经元,训练集输入项为:残液染色织物计算含量fi和二次染色残液染料计算含量bi,输出为:染色残液染料含量Ci,采用L-M优化算法(trainlm)进行训练。

附图说明

图1是本发明的示意图;

图2是本发明残液染色织物的反射率值的曲线图;

图3是本发明二次染色残液吸光度的曲线图。

具体实施方式

下面通过实施例对本发明进一步阐述。

实施例:如图1-3所示,基于多模态后融合的利用染色残液续染配色的方法包括如下步骤:

步骤(1)取样染色残液并打样:取2份200ml染色残液,分别记为样1、样2,分别投入20g织物,分别按生产染色工艺浴比1:10染色,补充适量酸使染色残液pH值6,在小样机上进行染色打样,获得残液染色织物和二次染色残液。

步骤(2)测量残液染色织物反射率及计算染料含量

采用积分球光谱测色仪,测定残液染色织物的反射率值R

采用(K/S)

式1中,(K/S)

根据波长λ400-700nm,间隔≤10nm,基于全波长最小二乘法计算得到的残液染色织物的染料含量为(相对于织物重量),样1:浓度为f

转化为相对于残液浓度而言,相对于残液浓度为,样1:f

步骤(3)测量二次染色残液吸光度及计算二次染色残液浓度

采用紫外可见或可见光分光光度法,测定二次染色残液的吸光度A

采用比尔定律可知,染料浓度与吸光度成正比,每支染料的分别取其最大吸收波长和附近波长联立方程组,通过最小二乘法获得最优解b(b

式2中,A

采用波段法,分别取其最大吸收波长和附近波长联立方程组,相关数据见下表1。

表1波长及相应摩尔吸光系数

通过最小二乘法获得(相对于二次染色残液),样1:浓度为b

样2:计算的浓度为b

步骤(4)采用神经网络进行决策层融合。

将步骤(2)和步骤(3)计算得到的织物上染料含量计算f

表2决策融合模型输出

上述决策融合模型,采用神经网络进行训练,需要事先经过先验知识训练,训练样本采用已知浓度的染色残液,经过残液染色后获得残液染色织物和二次染色残液溶度,训练用数据库结构表表头如表3。

表3训练用数据库结构表表头

构建由残液染色织物染料含量、二次染色残液染料含量与原始残液染料含量之间的非线性模型,由神经网络进行优化拟合。训练集输入项为:残液染色织物计算含量fi和二次染色残液染料计算含量bi,输出为:染色残液染料含量Ci。

因此建立BP神经网络,输入为6个神经元,10个隐层神经元,3个输出神经元,训练时训练参数(trainingOptions)设置包括最大迭代次数”

MaxEpochs=1000”,采用L-M优化算法(trainlm)进行训练,获得BP决策融合预测模型。

(5)续染配色

用样1和样2染色残液染新目标色,目标色原始配方为D[d

计算得到的:

样1浓度为:c1=0.624406g/L,c2=0.19459g/L,c3=0.199823g/L;

样2浓度为:c1=0.387885g/L,c2=0.179337g/L,c3=0.403142g/L。

因此根据公式:

T

续染添加配方T为:

向样1染色残液的染缸中添加T

向样2染色残液的染缸中添加T

残液染色结果见表4。

表4本发明残液染色后与目标样的偏差

注:D65、A10、F02为光源,DL为残液染色样品与目标色的明度差,Da和Db为色度差,DEcmc(2:1)为色差。

从表中可以看到,无论采用样1残液添加染色的织物与目标色的色差为0.35,用样2残液添加染色的织物与目标色色差为0.61,色差均达到了4-5级,效果显著。

通常,使用续染配色时,目标色配方中的染料用量(浓度)必须高于预测得到的残液染料含量;当目标配方中的染料用量小于预测得到的残液含量,并且继续希望使用残液时,采用稀释法,将染色机中的染料残液部分V

稀释后的续染配方T为:

T

式中:V

以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明构思的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围内。

相关技术
  • 一种阳离子染料染腈纶或染改性涤纶后残液回用的方法
  • 一种染色残液回用自动化在线检测、测色和配色仪器及其方法
技术分类

06120115935674