染色过程中上染率的影响因素分析

染色过程中上染率的影响因素分析

染料的上升染率是衡量染料性能和染色质量的重要指标之一。由于实际染色条件比小样试验的染色条件复杂,单纯依照小样试验的工艺参数进行大样染色难以获得与小样一致的上染率。若能在实际染色过程中实现对上染率的预测,通过对相应的工艺参数进行适当调整,使染料充分上染,从而达到控制染色过程上染率,减小大小样之间的颜色差异,提高产品质量的目的。根据染色理论可知,外界因素如温度、染料用量、溶剂、染液中的电解质等都会对上染率产生影响。目前,多数相关文献只研究单个因素对上染率的影响,而多因素综合作用对上染率的影响研究较少,但实际生产中上染率往往是同时受到多个因素影响;因此,要准确预测上染率,必须研究染料用量等因素与染色过程上染率的关系。本文根据正交试验分析,确定影响上染率的最主要因素是染料、时间及温度,研究了上染率与这3个主要影响因素的多元非线性预测模型,并利用该模型实现对染色过程上染率较精确的估算。1试验部分1.1棉针织物和碱活性红RR染料,德司达染料化工有限公司;元明粉(Na2SO4),四川省芒硝有限公司;18tex棉针织物(凤A布);纯碱(Na2CO3),山东海化股份有限公司;H-24SE打样机,厦门瑞比精密机械有限公司;X752A型分光光度计,SDLATLAX公司。1.2工艺条件及上染率数据的选取应注意以下广泛试验数据的选择直接影响上染率预测模型的准确性,不同品种的染料及面料,其对应的工艺条件及上染率数据是有偏差的,因此,选择数据时应保证试验数据的均匀性、普遍性和合理性,且试验数据应在单一品种中选取有效数据。本文预测模型针对活性红RR染18tex的棉针织物,采用正交试验法编排,共选取41个有效数据。2纺织率多因素预测模型的建立2.1单元回归模型的建立及检验多元非线性回归模型建立的方法:首先,分别建立上染率y与各影响因素xi的最佳单元回归模型。设y与各xi(1,2,…,n)建立最佳一元回归模型函数的变换形式为y=fi(xi)。对各单元回归模型进行检验(只需进行决定系数R2及F检验),确定其正确性。其次,根据fi(xi)中呈现的y与xi的单元模型关系,按照多元线性回归方程y=b0+b1x1+b2x2+…+bnxn进行线性回归。最后,按照多元回归模型检验内容进行检验,确定多元模型效果是否可靠,能否应用于实际生产对上染率的预测。2.2染色率评价模型的构建2.2.1染料上染率的变化规律染料上染率采用残液法测定。图(1)示出上染率与染料用量、染色时间和染色温度的散点图和拟合线。由图1(a)可判断,染料用量与上染率呈线性关系,这与伯朗-比耳定律吻合。由图1(b)可知,上染率与染色时间呈明显的指数关系,符合染色原理。在上染过程中,随时间的延长,纤维上的染料用量不断增加,染液中的染料量不断下降,即染料的上染率随时间的推移逐渐增高,但染料的上染率不是无限增加,染色有一个最终的平衡上染率,此时,再增加染色时间,对上染率没有贡献。根据图1(c)可知,染色温度与上染率呈现较明显的二次方程关系,这符合染色原理。织物上染的染料量主要依赖于染色温度,染色温度高时,染料在染液中的运动加快,染料与织物发生反应的概率较大,染料的上染率较高,但是,温度过高活性染料水解速率大大增加,其增加的速度大于染料与纤维反应的速度,则与织物发生共价键结合的染料会重新从织物上解析下来,导致染料上染率下降。根据上述分析,采用一次线性方程对染料初始用量与上染率进行拟合,采用指数方程对染色时间与上染率进行拟合,采用二次方程对染色温度与上染率进行拟合,其中,x1代表染料用量,x2代表染色时间,x3代表染色温度,y代表染料上染率。单元拟合方程及检验结果见表1。表中单元回归方程的R2值都较高且F值都远大于F0.05=2.23,说明拟合优度较高,总体回归方程显著,各一元特性回归方程正确可信。2.2.2预测模型检验根据正交试验法的多因子方差分析,发现染料用量、染色时间及染色温度3个影响因素之间的交互性较小,可视为误差不予考虑。通过研究表1中各影响因素与上染率的一元回归模型,得到染料的上染率与染料用量在一定范围内呈线性关系,与染色时间呈指数关系,与染色温度呈二次方程关系的结论。在此基础之上,利用SPSS应用软件的多元回归分析功能,对41组上染率试验数据进行拟合,得到上染率多元非线性模型:y=39.143−87.583x1+61.27e(−8.268/x2)−0.261(x3−58.196)2(4)y=39.143-87.583x1+61.27e(-8.268/x2)-0.261(x3-58.196)2(4)首先,检验该多元模型是否存在自相关,若存在自相关,说明模型的数学形式设定不当。根据自相关检验,查DW分布表,得到下临界DL=1.31和上临界DH=1.66,1.66<DW=2.243<4-1.66,可判断不存在自相关,确定该数学模型是正确的。其次,进行多重共线性的检验。若容限度(Tolerance)大于0.1,方差扩大因子(VIFj)小于10时,可判别变量之间不存在多重共线性。计算得到Tolerance(x1)=0.919,Tolerance(x2)=0.869,Tolerance(x3)=0.935,均大于0.1;VIF(x1)=1.088,VIF(x2)=1.151,VIF(x3)=1.069,均小于10,可判断x1,x2,x3之间不存在多重共线性,即各个影响因素对上染率的影响可被精确鉴别。最后,进行t检验、决定系数R2及F检验。根据计算得到t(x1)=12.237,t(x2)=11.379,t(x3)=6.851,均大于t(0.05)=2.021,说明x1,x2,x3对染料上染率的作用是显著的,其中染料用量对上染率的影响最大。R2=0.933,说明拟合效果良好;F=82.578>F(0.05)=2.23,说明总体回归方程显著成立,即该方程能较准确地反映染料用量、染色时间及染色温度对上染率的影响规律。标准误差SE=7.5%,说明该预测模型为优。综上检验结果说明该数学模型正确可信,可用于实际预测。2.3相对误差模型预测可靠性分析应用上染率多元回归模型对染料上染率进行预测,结果见表2。由表2可以看出,预测上染率与实际上染率十分相近。在实际生产中,上染率的误差绝对值范围要求在1.5%以内,由相对误差列可看出,预测上染率与实际上染率的相对误差符合实际生产的要求,故该模型的预测可靠性较强,可应用于实际生产对上染率的预测。实际生产中,可将式(4)作为18tex棉针织物这一品种的专用上染率预测模型,该模型与其他织物品种的上染率预测模型有偏差,因此,可按照上述多元非线性预测模型的建立方法,分别建立其他织物品种的专用上染率预测模型,最终组合成为完整的包含各种织物的上染率预测系统。3上染率多元非线性预测模型的实本文通过研究上染率与染料用量、染色时间及温度3个主要影响因素的单元特性模型,分析上染率多