插層熔噴非織造材料性能綜合分析

蔣順吉,馬 凱,黃 杰

(重慶工程學院,重慶 400056)

0 引言

熔噴非織造材料是口罩生產的重要原材料,但其纖維非常細,在使用過程中經常因壓縮回彈性差而導致其性能得不到保障,故需采用插層熔噴法進行生產,但其制備工藝參數較多且交互影響,插層氣流復雜[1]。本研究分別建立了工藝參數與結構變量、結構變量與產品性能之間的關系模型,研究插層后結構變量與產品性能的變化規律,結構變量與產品性能的關系、結構變量之間與產品性能之間的關系,為產品性能調控機制的建立提供一定的理論基礎。

1 基于灰色關聯分析與因子分析法的插層熔噴非織造材料性能研究

1.1 灰色關聯分析及步驟

灰色關聯分析是一種適用于判斷多因素、多實驗評價指標間關聯度的方法,在解決多指標優化問題時具有顯著的優越性[2]。插層熔噴非織造材料性能是各工藝參數、結構變量、產品性能各指標間相互作用組成信息不完整的灰色系統,適合采用灰色關聯分析。

灰色關聯分析步驟如下：數據標準化處理。針對數據進行無量綱化處理(初值化、均值化)。由于原始數據中各因素列中的數據量綱不同,不便于比較或在比較時難以得到正確的結論,因此在進行灰色關聯度分析時要進行數據的無量綱化處理[3]。

初值化處理：

(1)

均值化處理：

(2)

求解母序列(對比序列)與特征序列之間的灰色關聯系數值(Grey Relational Coefficient, GRC)。

(3)

求解灰色關聯度值,對灰色關聯度值進行排序分析。

(4)

1.2 因子分析及步驟

因子分析法是主成分分析法的應用與推廣,其應用降維思想,以原始變量矩陣的內部關系為切入點,把更多復雜變量歸結為少數幾個綜合因子[4]。

因子分析法步驟如下：進行KMO與Bartlett的檢驗,判斷是否可以進行因子分析[5]。對于KMO值：0.9上非常合適做因子分析,0.7～0.9適合,0.6～0.7尚可,0.5～0.6表示差,0.5下應放棄。通KMO值檢驗可以說明是否適合使用因子分析。對于Bartlett的檢驗,若P<0.05,則拒絕原假設,說明可以做因子分析[6]。通過分析方差解釋表格及碎石圖,確定因子數量。方差解釋表格主要是看因子對于變量解釋的貢獻率(究竟需要多少因子才能把變量表達為100%),如果太低(如低于60%)則需要調整因子數據。碎石圖的作用是根據特征值下降的坡度來確認需要選擇的因子個數,兩者結合可確認或調整因子個數,通過分析因子載荷系數與熱力圖來分析每個因子中隱變量的重要性。

2 實驗結果與分析

2.1 插層前后結構變量、產品性能下各個指標的變化規律

由圖1可以看出,插層后厚度與孔隙率都有所增加,對壓縮回彈性率起到平穩的作用,能夠增加透氣性,減小過濾阻力,在一定程度上增強過濾效率。

圖1 結構變量與產品性能各指標的變化規律Fig.1 Structure variable and change regulation of product performance index

插層率對孔隙率、壓縮回彈性、過濾阻力、過濾效率、透氣性的變化情況有促進作用,但增加了厚度,對厚度的變化情況有一定的減小作用。

2.2 PCA降維后結構變量、產品性能下各個指標的變化規律

通過圖2可以對比插層后結構變量變化與未插層的情況,未插層中存在一定結構變量時,未插層樣品結構變量變化很大。從是否插層結構變量的變化來看,插層能夠起到穩定結構變量變化的作用,從產品性能來看,插層后可提高產品性能。

圖3 碎石圖Fig.3 Lithotriptic plan

2.3 插層前后指標均值及方差變化情況

由表1數據可知插層前后各指標均值的變化情況,除過濾阻力外,插層后指標均值均有所增加。在插層前后各指標方差變化方面,只有厚度與透氣性的方差減少,其他指標的方差在插層后都有所增加。方差增加說明該指標在插層后的數據變化不穩定,故在實際生產中需綜合考慮這些變量在產品中的應用。

2.4 不同插層率情況下各指標的提高率

計算公式如下：

(5)

由表2可得,厚度、孔隙率、壓縮回彈性、過濾阻力、過濾效率、透氣性等于pi(i=1,2,…,6)。隨著插層率的增加,厚度增加,壓縮回彈性與過濾效率有不同程度的提高,空隙率有提高和降低,但變化都不明顯。過濾阻力在降低,透氣性在超過閾值約16.53%后有不同程度的提高。

2.5 灰色關聯分析插層率對該變化是否有影響

初值化均值化后部分結果見表3。

表3 初值化均值化后結果Tab.3 Initial value results after averaging

從表3可知,對6個評價項[厚度(mm)、壓縮回彈性率(%)、孔隙率(%)、過濾阻力(Pa)、過濾效率(%)、透氣性(mm/s)]及50項數據進行灰色關聯度分析,以插層率(%)作為參考值(母序列)研究6個評價項,即厚度(mm)、壓縮回彈性率(%)、孔隙率(%)、過濾阻力(Pa)、過濾效率(%)、透氣性(mm/s)與插層率(%)的關聯關系(關聯度)。

基于關聯度提供分析參考,分辨系數取0.5,分辨系數ρ∈(0,∞),ρ越小分辨力越大。一般ρ的取值區間為(0,1),當ρ≤0.5463時分辨力最好。結合關聯系數計算公式計算出關聯系數值,可得出插層率的變化厚度(mm)、壓縮回彈性率(%)、孔隙率(%)、過濾阻力(Pa)、過濾效率(%)、透氣性(mm/s)都有不同程度的關聯。

對灰色關聯度值進行排序,對排序結果進行分析,如表4所示。

表4 灰色關聯度值排序結果Tab.4 Ranking results of grey relational degree value

結合上述關聯系數結果進行加權處理,得出關聯度值,針對6個評價對象進行評價排序。關聯度值介于0～1,該值越大代表其與參考值(母序列)之間的相關性越強,即其評價越高。

從表4可以看出,6個評價項中,厚度(mm)評價最高(關聯度為0.724),其次是過濾效率(%)(關聯度為0.718)。

2.6 因子分析法分析結構變量與產品性能的關系

1)確定原有變量是否適合因子分析。

由表5檢驗結果可知,KMO值等于0.626,通過KMO檢驗(KMO>0.6),說明題項變量之間是存在相關性的,符合因子分析要求,Bartlett球形度檢驗的P值=0.000***<0.05,通過Bartlett檢驗,P<0.05,呈顯著性,可進行因子分析。由KMO檢驗及Bartlett球形檢驗結果顯示,拒絕原假設,各變量間具有相關性,因子分析有效。

表5 KMO和Bartlett的檢驗Tab.5 KMO and Bartlett test

2)通過分析方差解釋表格及碎石圖,確定因子數量。

表6為總方差解釋,因子對于變量解釋的貢獻率需要6個因子才能將變量表達為100%,其中方差解釋率越高說明主成分越重要,權重占比也越高。主成分為3時,總方差解釋的特征根低于1.0,變量解釋的貢獻率達到93.818。

表6 方差解釋Tab.6 Variance interpretation

碎石圖是根據各主成分對數據變異的解釋程度繪制的圖。每個主成分為一個點,作用是根據特征值下降的坡度來確認需要選擇的因子主成分個數,結合方差解釋表可確認主成分個數為6。

3)分析因子載荷系數與熱力圖,得到每個因子中隱變量的重要性。最大方差法旋轉得到因子載荷矩陣,進行降維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問題的實質特征,需通過因子旋轉使每個公因子上的載荷分配得更清晰,從而減少解釋公因子實際意義的主觀性。利用最大方差法旋轉因子得到旋轉后的載荷矩陣及熱力圖。

由圖4可以得到主成分1(因子1)中隱變量的重要性,熱力圖顏色越深說明相關性越大。主成分1與透氣性(mm/s)、孔隙率(%)、厚度(mm)、壓縮回彈性率(%)這4個變量的相關程度較大。

圖5 結構變量相關系數熱力Fig.5 Structural variable correlation coefficient heat

圖6 產品性能指標相關熱力Fig.6 Product performance indicators related to heat

根據表7可以分析得到每個主成分中隱變量的重要性。鄒志偉[7]采用 GB/T24218《紡織品非織造布測驗方法》中的方法進行樣品測驗,提出透氣性是非織造過濾用材料中非常重要的指標,透氣性的好壞可以體現出過濾阻力及過濾性能的優劣。從實驗結果可以看出,透氣性與產品性能變量[過濾阻力(Pa)、透氣性(mm/s)]及結構變量[厚度(mm)、孔隙率(%)、壓縮回彈性(%)]指標的共性因子正相關系數最大,因此在實際生產中需要把握好透氣性變量,令材料發揮出最大作用。鄒志偉[7]研究了PP/PET比例對材料過濾性能的影響,提出隨著材料中滌綸纖維的增加及熔噴纖維的減少,材料孔隙增加,孔隙率變大,過濾阻力、過濾效率、過濾阻力均下降。由實驗結果可知,孔隙率與結構變量及產品性能變量共性因子正相關性系數較大,故在考慮增加口罩過濾效率的同時需要較低的孔隙率,以保證口罩的過濾性能。由實驗結果可知,過濾阻力與透氣性成相反關系。武輝[8]在探究插層熔噴非織造材料、接受距離、熱風壓力、插層風壓對過濾阻力的影響時提出增大透氣性,減少過濾阻力。熔噴纖網因其比表面積大、孔隙率高、過濾效率高、透氣性能好得到了廣泛應用[9-13],孔隙率、過濾效率、透氣性在結構變量及產品性能公因子相關系數中都較大,為了廣泛應用該產品,需考慮這3個因素。

表7 因子載荷系數表Tab.7 Factor loading coefficient

表8 結構變量之間的指標相關性Tab.8 Index correlations between structural variables

表9 結構變量之間指標相關性Tab.9 Index correlation between structural variables

2.7 相關系數分析結構變量、產品性能之間的關系

查閱《化工新型材料》中關于插層熔噴材料的研究[14]可知,結構變量、產品性能之間存在著一些關聯性。

1)相關系數Spearman分析結構變量之間的關系。對數據進行正態分布檢驗,結果表明,數據基本符合正態分布,故選用Pearson相關系數分析。對結果變量之間是否存在統計上的顯著關系進行檢驗。

根據判斷條件P(P<0.05,P<0.01)由相關系數Spearman表及結構變量指標相關性熱力(顏色越深,相關性越大)可知,結構變量指標之間存在相關性且均為正相關,其中孔隙率與厚度的相關度最高,其次是壓縮回彈性率與孔隙率的相關性較高。

2)相關系數Pearson分析產品性能之間的關系。

根據判斷條件P(P<0.05,P<0.01)由相關系數Pearson表及產品性能指標相關性熱力(顏色越深,相關性越大)可知,產品性能指標之間相關性熱力存在相關性且有正相關及負相關,其中過濾效率與過濾阻力的正相關關聯度最高,透氣性與過濾阻力的負相關關聯度最高。

3 總結與展望

研究了插層后結構變量與產品性能的變化規律,分析插層率對這些變化是否有影響、結構變量與產品性能的關系、結構變量之間與產品性能之間的關系發現,插層后,對厚度、孔隙率、壓縮回彈性、過濾阻力、過濾效率、透氣性有不同程度的影響,對結構變量起到穩定作用,產品性能得到提高。采用因子分析法與相關系數分析法分析結構變量與產品性能的關系發現,各個評定指標之間存在相關性,可轉化為公共因子進行降維分析,其中過濾阻力與透氣性的相關度最高。在因子分析結構變量及產品性能關系中發現各個指標間有隱形關系,其中過濾阻力與透氣性的相關系數的絕對值最大,說明在實際生產中應同時考慮結構變量與產品性能變量,而不是單一考慮一個指標。此結果可為插層后結構變量與產品性能的優化提供參考,為相關產業的發展提供理論支持。