日本CHINO千野水分測厚儀的測量原理
更新時間:2023-12-11 點擊次數:600次
1. 光譜特性和吸收強度(比爾-朗伯定律)
特定波長的紅外線具有被分子(原子)吸收的特性。 該波長吸收的波長取決於構成分子的原子及其鍵合狀態。
下圖是顯示紅外線在縱軸上的吸收(透射率)和橫軸上的波長(μm)的光譜特性圖示例。
它們代表不同的特性,例如吸水特性、溶劑、薄膜和油。
此外,這種吸收特性會根據物質的數量(厚度)而變強。
這用以下方程表示為 Lambert (Lumber)-Behr 定律。
衰減 ⊿I=-α・I・⊿t (α; 由吸收係數、物質和波長決定的常數) → dI=-α・I・dt 通過t(t=0~t)對兩邊進行積分 紅外線強度 I=I0・e^(-α・t)
Chino的紅外線水分和測厚儀利用紅外線的特性來吸收物質波長(官能團),測量物質中每種成分的含量,吸收量根據含量(厚度)而變化。

2. 傳感器的內部結構
水分和測厚儀的內部配置如下所示。
光源燈發出的光通過濾光片,僅選擇特定波長並照射物質。 照射的紅外線被測量目標(官能團)的振動吸收,衰減的反射光通過凹麵鏡重新聚焦並入射到受光元件上。
此外,該濾光片隨電機旋轉,間歇照射不同波長的紅外線(脈衝波),接收到的紅外線由探測器元件轉換為電信號,將每個波長的數據數字化,並輸出吸光度信號。
3. 吸光度計算
我們的水分和測厚儀的吸光度輸出主要如下。
(2)雙波長比計算
吸光度
X = K2-λs/λr K1;兩個波長的歸一化常數 (≈1):吸收波長 λs 和比較波長 λr
r(低吸收的參考波長)
(3)三波長比計算
使用
吸收波長λs和λr1和λr2的比較波長 吸光度
X = K1-λs/(α・λr1+(1-α)・λr2) K1; 歸一化常數 (≈1), α; 波長權重常數 (0<α<1) <b12>
(3)多元回歸運算
由於船上紅外線的每個波長為λ1~λn,並且吸收特性呈指數級,因此取每個波長數據的對數,並通過以下公式計算
。
組件值:Y = a0 + a1 / Log (λ1) + a2 / Log (λ2) + ・・・an ・ Log (λn)(
水分、厚度、溶劑等)
(2)中的雙波長比計算的優點是,通過取吸收量與參考波長的比值,減少作為幹擾元素的幹擾,例如外部光、測量距離、光路上的灰塵、表麵條件的波動和其他光強度的絕對值。
此外,(3)中的三波長比計算是兩波長的高級類型,在樣品的表麵條件、顏色和組分比例的差異方麵具有很強的優勢(我們稱之為地球化差異)。
在這種基於比率計算的吸光度計算方法中,使用該吸光度進一步創建校準曲線,以計算所需的組分值。
在(2)中的多元回歸運算中,如果確定該方程的係數,則可以直接輸出得到的分量值。 這種多元回歸操作是一種在所需分量不由單一波動量(一個吸收波長)表示但受到多個元素(水分和厚度的吸收波長)影響(相互幹擾)時,通過合並每個元素(波長數據)來獲得的方法,通常用於處理多變量時的統計數學處理。 為了找到這種多元回歸運算的係數,我們應用測量值並以正態方程組的形式找到它們。
此外,當同時測量多個組件時,通過將這種多元回歸計算的係數應用於每個組件,可以同時測量水分和厚度。
4. 校準曲線
它是根據 3 中 (2) 和 (99) 中 <> 中獲得的 <>(水分、厚度、μm、溶劑%等)的變化而增加或減少的變量,而不是組件本身的量。
需要校準曲線來確定獲得該吸光度值的組分數量。
校準曲線是在測量範圍內預先搖晃待測樣品,用濕度和厚度傳感器測量,然後通過最小二乘法(一種獲得減少誤差的回歸方程的方法)獲得吸光度值(X值)和實際測量數據而得到的公式。
<校準曲線數據>
基本上為每種類型創建校準曲線。 該傳感器最多可存儲 <> 條校準曲線,每次更改類型時都會切換校準曲線的通道。

附錄 1. 基於Lambert-Beer定律的校準曲線數據與吸光度值的關係
在上一節的標定曲線數據中,通過2~3階多項式方程得到的波長比計算1(3)得到的測量值Y與吸光度X值之間的關係。 另一方麵,在朗伯特(木材)-比爾定律中,吸光度是通過對數對數運算獲得的(t = - (1/α) / Log(I) + β 當用厚度 t 求解時)。
下圖顯示了在厚度測量時,以基於Lambert(Lumber)-Beer定律的理論公式獲得的吸光度與使用本公司使用的“雙波長比計算"進行二階或三階回歸計算之間的關係。
此模型示例中圖中的紅色箭頭表示理論方程的誤差。
然而,在現實中,每個品種(批次)的測量範圍在一定程度上是確定的,通過在該範圍內進行詳細的回歸計算,可以將誤差降低到使用中沒有問題的程度。
此外,對於多元回歸計算,取每個波長數據的對數(Logλn),並使用相同的計算方法作為理論公式,因此回歸計算精度進一步提高。 
附錄 2. 關於平滑操作
我們的水分儀和測厚儀主要用於在線測量,但由於許多幹擾、外部光線、測量距離、光路上的灰塵、表麵條件的波動等,在線測量數據可能會成為令人沮喪的因素。 因此,我們執行以下算術處理,以消除這些幹擾並實現穩定的測量。
