基于傅里叶变换红外光谱与机器学习的防火涂料酸腐蚀周期预测研究

摘要

[目的]准确预测在役防火涂料的耐火性能是消防安全评估工作中的重点和难点之一。[方法]借助傅里叶变换红外光谱仪，对不同酸腐蚀周期的膨胀型钢结构防火涂料试样进行测试，发现涂料中的主要成分会与盐酸溶液发生双向迁移并产生反应，酸腐蚀24 h时该反应达到峰值。利用主成分分析法对红外光谱数据进行降维处理的结果表明不同酸腐蚀周期试样存在可分性。联合使用S-G卷积平滑和标准正态变化(SNV)法对数据进行预处理，并对常用的析)、LW-PLSC (局部加权偏最小二乘分类)、K-ELM(核极限学习机)、SVM(支持向量机)等4种分类方法进行评估。[结果]测试集平均分类准确度高达94.25%，最优模型分类准确率可达100%。[结论]将红外光谱技术与机器学习结合起来能快速、准确、定量地评估钢结构防火涂料的实验室酸腐蚀周期，为实现防火涂料实际耐火性能的预测提供可行的新方法。

关键词

防火涂料 / 傅里叶变换红外光谱 / 机器学习 / 酸腐蚀 / 周期预测