偏最小二乘回归对刨花板主要性能与影响因子研究.doc

偏最小二乘回归对刨花板主要性能与影响因子研究摘要：本试验利用桦树和兴安落叶松的混合树种的木材剩余物作为本试验的基体材料,酚醛树脂胶和毛竹片作为增强材料采用三段加压法制作刨花板。利用DPS数据系统分析研究施胶量、密度等工艺参数对木质复合材料性能的影响，建立多元线性回归数学模型，并对试验方案进行优化，确定最佳工艺条件并予以验证。结果表明：施胶量8.107%，密度0.870 g/cm3，厚度2.015cm,含水率9.799%,在此条件下整体目标函数将达到6.908。关键词： 木质复合材料；偏最小二乘回归；物理力学性能；预测Analyse the Correlation between the Main Properties and Effects of Particleboard In PLSAbstract：The experience base on the surplus of Xing-an pine and birch to be the material and the phenolicresin(PF) and bamboo be the enhanced material to hot press composite. Using DPS data processing system for Partial Least-Squares Regressive to analysis the properties effect of different process parameters and establish mathematical model, so as to optimize the experimental program and ascertain the best conditions, at the same time to verify it. The results show that: when the amount of PF of 8.107%, ensity of 0.870 g/cm3, thickness of 2.015cm, Water ratio of 9.799%,.the overall objective function will reach 6.908 .Key words：Wood-based Composites,partial least squares regression,physical and mechanical propertie,predict21世纪,一个可持续性发展的世纪，但是全球木材供给量仍少于需求量，面对这一情况，因此更有必要创生一些高性能、多功能、高附加值的新型材料。木质复合材料就是木材工业的发展重点，大力开展多功能木质复合材料，协调好材料、环境生态、资源等关系，使木质复合材料能够适应社会发展需要1-2。我国是林业大国农业大国，废弃木材剩余物和农作物秸秆是林业农业生产过程中的主要副产品之一，每年7亿吨的秸秆浪费掉3。本次实验所采用的是利用木材剩余物制作木质复合材料，不仅解决了资源浪费的问题，同时所压制成的复合材料具有可降解的特点，消除了污染环境的隐患，因此具有深远的意义。本次试验采用偏最小二乘回归分析方法（partial least squares regression，PLS），它是在20世纪60年代由word提出的，90年代后期引起国内外医学界认识的兴趣，将之用到相关研究中，被许多统计学家称为“第二代多元统计分析技术”。偏最小二乘回归分析在建立数学模型的过程中集主成份分析，典型相关分析和线性回归分析的特点于一身，因此，在分析结果的过程中，不仅提供了一个较为合理的回归模型，同时还可以完成一些类似于主成分分析和典型相关分析的研究内容，提供了更丰富，更深入的信息4-5。1 试验条件1.1 试验材料本次试验所采用的是桦树和兴安落叶松的混合树种的木材剩余物作为本试验的基体材料,酚醛树脂胶和毛竹片作为增强材料。1.2 试验仪器100t 试验热压机(哈尔滨市东大人造板机械制造有限公司)。50t 试验预压机（哈尔滨市东大人造板机械制造有限公司）。电热鼓风干燥箱（天津市泰斯特仪器有限公司）。MWE-4 木材万能力学试验机（山东济南力学试验机厂）。WP200-1型电子天平(上海第二天平仪器厂)。千分尺，游标卡尺等。1.3试验方法称取一定量的木材剩余物，用搅拌机将酚醛树脂胶喷在木在剩余物上，并搅拌均匀。取出一定质量的的已搅拌均匀的木材剩余物进行称量。在制板模板底部均匀铺装15%已称量的木材剩余物，在其上均匀横向放置已浸过胶的毛竹片，中间铺装全部的混合物料的70%，重复铺装毛竹片，最后将剩余的15%混合物料均匀铺装在模板上部，具体铺装示意图如图1所示。将铺装好的模板分别进行预压机和热压机，经过处理后将制备出预期效果的刨花板。刨花 70%刨花 15%竹片刨花 15%竹片图1 刨花板铺装示意图本次试验刨花板的名义厚度为20mm，板的幅面大小为320 mm340mm,热压工艺为三段加压法。对各类刨花板按GB/T4897-92测定板的静曲强度、密度和含水率,按德国DIN68763测定板的吸水厚度膨胀率，试验结果如表1-1所示。表1-1不同的生产工艺参数及刨花板成品的主要物理力学性能序号目标密度（g/cm3）施胶量G(%)密度D（g/cm3）厚度S(cm)含水率M(%)吸水厚度膨胀率TS(%)静曲强度MOR(MPa)x1x2x3x4y1y210.658.00.631.934.928.1840.7320.658.00.721.974.448.9046.6430.659.50.672.018.246.9034.3640.659.50.682.146.367.5040.3550.758.00.781.953.938.8848.5360.758.00.691.946.059.4146.3070.759.50.772.199.306.9030.6380.759.50.811.969.806.8030.1990.858.00.811.949.107.9038.62100.858.00.872.029.305.9039.61110.859.50.832.184.9713.2643.81120.859.50.862.047.459.0445.452 结果与讨论2.1 回归模型建立本次试验是多因素多水平试验，各个因素之间可能存在着线性关系，同时各个因变量之间也可能存在着相互的关系，而且本试验的因变量为多个，这就成了多个目标变量共同建模的问题，因此采用偏最小二乘法回归分析的方法。本文参考了PRESS统计量和误差统计量（图2、图3），显示出PRESS统计量和误差统计量都呈现出下降趋势，选取3个潜变量，借助唐启义、冯明光的DPS数据处理系统软件来建立二次多项式回归模型。图中最上方的线表示总和，其他的表示因变量。由于吸水厚度膨胀率越小表示性能越好，静曲强度越大表明性能越好。因此在选择目标函数时，选择吸水厚度膨胀率目标函数最小，静曲强度目标函数最大，并设置个指标的权重为1：1。运行DPS数据处理系统得到各个变量对各个因变量的回归系数表，见表2-1。表2-1 各自变量主效应对各个因变量作用的标准回归系数考察指标施胶量G(%)x1密度D（g/cm3）x2厚度S(cm)x3含水率M(%)x4吸水厚度膨胀率TS(%)y1-0.0858410.18244590.0330292-0.429302静曲强度MOR(MPa)y2-0.2977320.1843687-0.154516-0.529383从表中可以看出，施胶量（x1）对吸水厚度膨胀率（y1）和静曲强度（y2）的影响是相同的，其作用是负效应；密度（x2）对吸水厚度膨胀率（y1）和静曲强度（y2）的影响是相同的，其作用是正效应；厚度（x3）对吸水厚度膨胀率（y1）和静曲强度（y2）的影响是不同的，对吸水厚度膨胀率（y1）的作用是正效应，对静曲强度（y2）的作用是负效应；含水率（x4）对吸水厚度膨胀率（y1）和静曲强度（y2）的影响是相同的，其作用是负效应。标准回归系数的绝对值大小反映了各个因素对考察指标的影响程度大小。从表中可以反映出施胶量（x1）对吸水厚度膨胀率（y1）的影响程度较小，对静曲强度（y2）的影响程度比较大；密度（x2）对吸水厚度膨胀率（y1）和静曲强度（y2）的影响程度相同；厚度（x3）对吸水厚度膨胀率（y1）的影响程度较小，对静曲强度（y2）的影响程度比较大；含水率（x4）对吸水厚度膨胀率（y1）和静曲强度（y2）的影响程度相同，都比较大。根据偏最小二乘二次回归分析，得到如下二次多项式回归模型：y1=133.8910191-15.197497x1-60.808798x2-68.989937x3+9.781644x4+0.000000x12-34.999876x22-0.535347x32-0.057715x42+6.136439x1x2+5.873972x1x3-0.222486x1x4+46.258445x2x3-4.135998x2x4-2.109680x3x4y2=-460.3238921-20.244278x1-89.179963x2+561.043619x3+22.582628x4+0.000000x12-48.110614x22-157.878356x32-0.177500x42+13.192401x1x2+6.286291x1x3-0.692044x1x4+58.815081x2x3-8.283610x2x4-4.585942x3x4两个篇最小二乘回归多项式回归模型的拟合效果，可从误差平方和看出，见表2-2。表2-2 数据标准化后模型误差平方及其决定系数潜变量y1y2误差平方和11.8024317.141609421.7980372.758825830.62061862.0978037决定系数R210.83614260.350762820.83654210.749197630.94358010.8092906PRESS统计量111.00650811.358848210.04182711.50990836.293704311.261732从表2-2中可以看出数据标准化模型误差和与PRESS统计量在不同潜变量个数时下降下降，并结合各相应组分时模型拟合的决定系数R2。可以看出，在选择3个潜变量时，y1的决定系数达到0.9435801，y1的决定系数达到0.8092906，各个回归模型拟合程度较好。2.2 优化试验 根据DPS数据处理系统所得出的试验处理结果给出了最优指标时各个因素组合，如表2-3所示，各指标的预测值，如2-4所示。表2-3最优指标时各个因素组合施胶量G(%)x1密度D（g/cm3）x2厚度S(cm)x3含水率M(%)x4计算值8.1070.8702.0159.799调整值8.00.852.0009.800表2-4最优组合目标函数吸水厚度膨胀率TS(%)静曲强度MOR(MPa)6.150037.98122.3 试验验证为了验证偏最小二次回归多项式回归方程以及试验的可信程度，因此安排一次验证试验，测得各性能指标，如表2-5所示。表2-5最优组合目标函数吸水厚度膨胀率TS(%)静曲强度MOR(MPa)预测值6.150037.9812实测值6.4638.54对比运用DPS数据处理系统所得出来的预测值（表2-4）和进行优化试验的实测值（表2-5），因此可以说明偏最小二乘二次回归所建立的二次回归模型是可信的，所建立的模型的优化预测是成立。3 结论通过三段加压法压制以木材剩余物为基体材料的刨花板，利用木材万能力学试验机测量材料的物理性能，通过DPS数据处理系统建立偏最小二乘回归多项式回归模型，并进行优化，得出最优的工艺条件，得出以下结论：（1）建立回归模型的时应考虑各个变量因素之间的共线性以及相互之间交互作用，采取较为合适的数学模型。（2）通过本试验研究所建立的2个多项式回归模型，其决定系数大，可以分别对吸水厚度膨胀率和静曲强度进行预测，并且预测精度较高。（3）本次试验工艺路线上在实验室方法压制而成，因此其数学模型具有广泛的实用性。（4）用DPS数据处理系统对试验数据所建立的回归方程是可信的，所拟合的偏最小二乘多项式回归数学模型对预测木质复合材料的各个性能指标具有显著性。（5）本次试验为未对主要力学性能中的游离甲醛释放量进行检查，主要是该项指标随着不同的胶种其变异性很大6,因此将在后续试验进行探