插层熔喷非织造材料性能综合分析

蒋顺吉,马 凯,黄 杰

(重庆工程学院,重庆 400056)

0 引言

熔喷非织造材料是口罩生产的重要原材料,但其纤维非常细,在使用过程中经常因压缩回弹性差而导致其性能得不到保障,故需采用插层熔喷法进行生产,但其制备工艺参数较多且交互影响,插层气流复杂[1]。本研究分别建立了工艺参数与结构变量、结构变量与产品性能之间的关系模型,研究插层后结构变量与产品性能的变化规律,结构变量与产品性能的关系、结构变量之间与产品性能之间的关系,为产品性能调控机制的建立提供一定的理论基础。

1 基于灰色关联分析与因子分析法的插层熔喷非织造材料性能研究

1.1 灰色关联分析及步骤

灰色关联分析是一种适用于判断多因素、多实验评价指标间关联度的方法,在解决多指标优化问题时具有显著的优越性[2]。插层熔喷非织造材料性能是各工艺参数、结构变量、产品性能各指标间相互作用组成信息不完整的灰色系统,适合采用灰色关联分析。

灰色关联分析步骤如下：数据标准化处理。针对数据进行无量纲化处理(初值化、均值化)。由于原始数据中各因素列中的数据量纲不同,不便于比较或在比较时难以得到正确的结论,因此在进行灰色关联度分析时要进行数据的无量纲化处理[3]。

初值化处理：

(1)

均值化处理：

(2)

求解母序列(对比序列)与特征序列之间的灰色关联系数值(Grey Relational Coefficient, GRC)。

(3)

求解灰色关联度值,对灰色关联度值进行排序分析。

(4)

1.2 因子分析及步骤

因子分析法是主成分分析法的应用与推广,其应用降维思想,以原始变量矩阵的内部关系为切入点,把更多复杂变量归结为少数几个综合因子[4]。

因子分析法步骤如下：进行KMO与Bartlett的检验,判断是否可以进行因子分析[5]。对于KMO值：0.9上非常合适做因子分析,0.7～0.9适合,0.6～0.7尚可,0.5～0.6表示差,0.5下应放弃。通KMO值检验可以说明是否适合使用因子分析。对于Bartlett的检验,若P<0.05,则拒绝原假设,说明可以做因子分析[6]。通过分析方差解释表格及碎石图,确定因子数量。方差解释表格主要是看因子对于变量解释的贡献率(究竟需要多少因子才能把变量表达为100%),如果太低(如低于60%)则需要调整因子数据。碎石图的作用是根据特征值下降的坡度来确认需要选择的因子个数,两者结合可确认或调整因子个数,通过分析因子载荷系数与热力图来分析每个因子中隐变量的重要性。

2 实验结果与分析

2.1 插层前后结构变量、产品性能下各个指标的变化规律

由图1可以看出,插层后厚度与孔隙率都有所增加,对压缩回弹性率起到平稳的作用,能够增加透气性,减小过滤阻力,在一定程度上增强过滤效率。

图1 结构变量与产品性能各指标的变化规律Fig.1 Structure variable and change regulation of product performance index

插层率对孔隙率、压缩回弹性、过滤阻力、过滤效率、透气性的变化情况有促进作用,但增加了厚度,对厚度的变化情况有一定的减小作用。

2.2 PCA降维后结构变量、产品性能下各个指标的变化规律

通过图2可以对比插层后结构变量变化与未插层的情况,未插层中存在一定结构变量时,未插层样品结构变量变化很大。从是否插层结构变量的变化来看,插层能够起到稳定结构变量变化的作用,从产品性能来看,插层后可提高产品性能。

图3 碎石图Fig.3 Lithotriptic plan

2.3 插层前后指标均值及方差变化情况

由表1数据可知插层前后各指标均值的变化情况,除过滤阻力外,插层后指标均值均有所增加。在插层前后各指标方差变化方面,只有厚度与透气性的方差减少,其他指标的方差在插层后都有所增加。方差增加说明该指标在插层后的数据变化不稳定,故在实际生产中需综合考虑这些变量在产品中的应用。

2.4 不同插层率情况下各指标的提高率

计算公式如下：

(5)

由表2可得,厚度、孔隙率、压缩回弹性、过滤阻力、过滤效率、透气性等于pi(i=1,2,…,6)。随着插层率的增加,厚度增加,压缩回弹性与过滤效率有不同程度的提高,空隙率有提高和降低,但变化都不明显。过滤阻力在降低,透气性在超过阈值约16.53%后有不同程度的提高。

2.5 灰色关联分析插层率对该变化是否有影响

初值化均值化后部分结果见表3。

表3 初值化均值化后结果Tab.3 Initial value results after averaging

从表3可知,对6个评价项[厚度(mm)、压缩回弹性率(%)、孔隙率(%)、过滤阻力(Pa)、过滤效率(%)、透气性(mm/s)]及50项数据进行灰色关联度分析,以插层率(%)作为参考值(母序列)研究6个评价项,即厚度(mm)、压缩回弹性率(%)、孔隙率(%)、过滤阻力(Pa)、过滤效率(%)、透气性(mm/s)与插层率(%)的关联关系(关联度)。

基于关联度提供分析参考,分辨系数取0.5,分辨系数ρ∈(0,∞),ρ越小分辨力越大。一般ρ的取值区间为(0,1),当ρ≤0.5463时分辨力最好。结合关联系数计算公式计算出关联系数值,可得出插层率的变化厚度(mm)、压缩回弹性率(%)、孔隙率(%)、过滤阻力(Pa)、过滤效率(%)、透气性(mm/s)都有不同程度的关联。

对灰色关联度值进行排序,对排序结果进行分析,如表4所示。

表4 灰色关联度值排序结果Tab.4 Ranking results of grey relational degree value

结合上述关联系数结果进行加权处理,得出关联度值,针对6个评价对象进行评价排序。关联度值介于0～1,该值越大代表其与参考值(母序列)之间的相关性越强,即其评价越高。

从表4可以看出,6个评价项中,厚度(mm)评价最高(关联度为0.724),其次是过滤效率(%)(关联度为0.718)。

2.6 因子分析法分析结构变量与产品性能的关系

1)确定原有变量是否适合因子分析。

由表5检验结果可知,KMO值等于0.626,通过KMO检验(KMO>0.6),说明题项变量之间是存在相关性的,符合因子分析要求,Bartlett球形度检验的P值=0.000***<0.05,通过Bartlett检验,P<0.05,呈显著性,可进行因子分析。由KMO检验及Bartlett球形检验结果显示,拒绝原假设,各变量间具有相关性,因子分析有效。

表5 KMO和Bartlett的检验Tab.5 KMO and Bartlett test

2)通过分析方差解释表格及碎石图,确定因子数量。

表6为总方差解释,因子对于变量解释的贡献率需要6个因子才能将变量表达为100%,其中方差解释率越高说明主成分越重要,权重占比也越高。主成分为3时,总方差解释的特征根低于1.0,变量解释的贡献率达到93.818。

表6 方差解释Tab.6 Variance interpretation

碎石图是根据各主成分对数据变异的解释程度绘制的图。每个主成分为一个点,作用是根据特征值下降的坡度来确认需要选择的因子主成分个数,结合方差解释表可确认主成分个数为6。

3)分析因子载荷系数与热力图,得到每个因子中隐变量的重要性。最大方差法旋转得到因子载荷矩阵,进行降维分析得到初等因子模型后,由于其中的公因子不一定能反映出问题的实质特征,需通过因子旋转使每个公因子上的载荷分配得更清晰,从而减少解释公因子实际意义的主观性。利用最大方差法旋转因子得到旋转后的载荷矩阵及热力图。

由图4可以得到主成分1(因子1)中隐变量的重要性,热力图颜色越深说明相关性越大。主成分1与透气性(mm/s)、孔隙率(%)、厚度(mm)、压缩回弹性率(%)这4个变量的相关程度较大。

图5 结构变量相关系数热力Fig.5 Structural variable correlation coefficient heat

图6 产品性能指标相关热力Fig.6 Product performance indicators related to heat

根据表7可以分析得到每个主成分中隐变量的重要性。邹志伟[7]采用 GB/T24218《纺织品非织造布测验方法》中的方法进行样品测验,提出透气性是非织造过滤用材料中非常重要的指标,透气性的好坏可以体现出过滤阻力及过滤性能的优劣。从实验结果可以看出,透气性与产品性能变量[过滤阻力(Pa)、透气性(mm/s)]及结构变量[厚度(mm)、孔隙率(%)、压缩回弹性(%)]指标的共性因子正相关系数最大,因此在实际生产中需要把握好透气性变量,令材料发挥出最大作用。邹志伟[7]研究了PP/PET比例对材料过滤性能的影响,提出随着材料中涤纶纤维的增加及熔喷纤维的减少,材料孔隙增加,孔隙率变大,过滤阻力、过滤效率、过滤阻力均下降。由实验结果可知,孔隙率与结构变量及产品性能变量共性因子正相关性系数较大,故在考虑增加口罩过滤效率的同时需要较低的孔隙率,以保证口罩的过滤性能。由实验结果可知,过滤阻力与透气性成相反关系。武辉[8]在探究插层熔喷非织造材料、接受距离、热风压力、插层风压对过滤阻力的影响时提出增大透气性,减少过滤阻力。熔喷纤网因其比表面积大、孔隙率高、过滤效率高、透气性能好得到了广泛应用[9-13],孔隙率、过滤效率、透气性在结构变量及产品性能公因子相关系数中都较大,为了广泛应用该产品,需考虑这3个因素。

表7 因子载荷系数表Tab.7 Factor loading coefficient

表8 结构变量之间的指标相关性Tab.8 Index correlations between structural variables

表9 结构变量之间指标相关性Tab.9 Index correlation between structural variables

2.7 相关系数分析结构变量、产品性能之间的关系

查阅《化工新型材料》中关于插层熔喷材料的研究[14]可知,结构变量、产品性能之间存在着一些关联性。

1)相关系数Spearman分析结构变量之间的关系。对数据进行正态分布检验,结果表明,数据基本符合正态分布,故选用Pearson相关系数分析。对结果变量之间是否存在统计上的显著关系进行检验。

根据判断条件P(P<0.05,P<0.01)由相关系数Spearman表及结构变量指标相关性热力(颜色越深,相关性越大)可知,结构变量指标之间存在相关性且均为正相关,其中孔隙率与厚度的相关度最高,其次是压缩回弹性率与孔隙率的相关性较高。

2)相关系数Pearson分析产品性能之间的关系。

根据判断条件P(P<0.05,P<0.01)由相关系数Pearson表及产品性能指标相关性热力(颜色越深,相关性越大)可知,产品性能指标之间相关性热力存在相关性且有正相关及负相关,其中过滤效率与过滤阻力的正相关关联度最高,透气性与过滤阻力的负相关关联度最高。

3 总结与展望

研究了插层后结构变量与产品性能的变化规律,分析插层率对这些变化是否有影响、结构变量与产品性能的关系、结构变量之间与产品性能之间的关系发现,插层后,对厚度、孔隙率、压缩回弹性、过滤阻力、过滤效率、透气性有不同程度的影响,对结构变量起到稳定作用,产品性能得到提高。采用因子分析法与相关系数分析法分析结构变量与产品性能的关系发现,各个评定指标之间存在相关性,可转化为公共因子进行降维分析,其中过滤阻力与透气性的相关度最高。在因子分析结构变量及产品性能关系中发现各个指标间有隐形关系,其中过滤阻力与透气性的相关系数的绝对值最大,说明在实际生产中应同时考虑结构变量与产品性能变量,而不是单一考虑一个指标。此结果可为插层后结构变量与产品性能的优化提供参考,为相关产业的发展提供理论支持。