差分拉曼光谱结合聚类分析检验运动鞋鞋底

为建立一种快速、准确、无损的区分检验运动鞋鞋底的方法，采用差分拉曼光谱仪结合聚类分析方法对40个不同品牌，不同系列的白色运动鞋鞋底样品进行了检验研究。结果表明，根据鞋底样品的主要成分不同可将样品分为5类；同一类样品可依据添加的主要填料成分不同进行分组；同一组样品可依据特征峰的相对峰高比不同进行区分；利用聚类分析方法处理样品数据，当并类距离为2时，样品被分为5类，分类结果较为理想。该方法操作简便快速、结果准确可靠且无损检材，可为公安机关实际办案提供帮助。     

基于种属差异性利用XRF对塑钢窗的分类研究

建立了一种对未知产品信息的塑钢窗样本的快速分类方法。利用X射线荧光光谱法（XRF）,采用手持式荧光光谱仪,以Ag作阳极靶、电压为50 kV、电流为200 μA、采集时间为70 s,对40个不同产地、不同品牌、不同用途的塑钢窗进行元素分析。依据实验结果筛选出具有种属差异性的指标元素Pb、Ti、Cl,同时依据“含量标准偏差和”,综合考虑“品牌、产地、用途”之间的相对显著性关系,实现对塑钢窗样本的分类。结果表明,该方法可对样本进行完全分类,为现场勘查所采集的检材分类提供了新模式,具有一定的实战意义。     

X射线荧光光谱法检验轿车车灯灯罩的研究

建立一种快速便捷检验轿车车灯灯罩的方法。利用X射线荧光光谱仪,对30个轿车车灯灯罩样品进行检验分析,快速分析样品中所含元素的种类及含量,通过实时获得的元素信息,区分不同品牌、同一品牌不同系列的轿车车灯灯罩样品。     

基于化学计量学对黑色塑料袋的光谱检测

为了建立一种更加科学准确地区分检验黑色塑料袋物证的方法,本文利用X射线荧光光谱,在电压40k V、电流60 mA、测定时间60s的条件下,对41个不同品牌、不同规格的黑色塑料袋样品进行测定,根据特征元素Cl、Ba、Pb、Cr,将样品分为12组。为了实现对光谱数据的多维度分析,利用主成分分析法,从实验所得的数据中提取出4个因子,并结合Fisher判别分析,对测试数据进行判别分析。将样本聚为12类,与使用特征元素进行分类的结果一致,从而对黑色塑料袋样品进行分类,为犯罪现场黑色塑料袋物证的检验分析提供帮助。     

基于Fisher判别分析的一次性塑料手套光谱鉴别

为了建立一种快速准确且无损检材的检验一次性塑料手套的光谱分析方法,利用X-MET7000手持式X荧光光谱能量色散型分析仪,对39个不同品牌不同用途的一次性塑料手套进行检验分析,通过特征元素Cl与Cd将样品分为4组,对于同组样本还可通过Ca/Zn含量比进行进一步认定,效果较好。使用Fisher判别分析法,建立判别函数Y1、Y2与Y3,实现对新数据类别变量取值的预测,同时检验三个判别函数的判别能力。根据判别能力较强的第一和第二判别函数建立判别分布图,图中4组样本质心明显区分。为验证分类结果的准确性,对所得数据进行系统聚类和K-Means快速聚类,根据数据间的亲疏程度,进行分类,此方法为犯罪现场检验此类物证提供依据。     

基于K均值算法的X射线荧光光谱法检验药用铝塑包装片的研究

药用铝塑包装片是犯罪现场勘查过程中常见的物证,研究建立一种准确检验药用铝塑包装片种类的方法,可为法庭科学领域现场物证检验提供技术支撑。实验利用X射线荧光光谱仪(XRF)对30个不同品牌、不同厂家的药用铝塑包装片样品进行测定,按照元素含量对样品初步分组,用Pearson相关系数和假设检验分析样品的相关性;运用Python语言中sklearn模块对元素指标进行K均值聚类分析,通过误差平方和法(SSE)寻找最优K值,用轮廓系数评估聚类结果,最终实现不同样品的精确分类。     

基于X射线荧光光谱与双标图对鞋底材料的分类研究

鞋底材料在法庭科学中可作为微量物证出现，利用手持式X射线荧光光谱仪(XRF)检验了30个鞋底样品，获取鞋底材料中无机填料的元素含量信息。使用双标图(Biplot)对样品进行分类，结果可分为5类，表现了各样品在无机元素含量上的差别，并挖掘了各样品在变量上的特征信息；使用层次聚类验证分类结果。结果表明，该方法对鞋底XRF数据分类效果理想；XRF与双标图可以从无机填料角度检验并分类鞋底材料，且双标图方法在分析XRF实验数据中有一定应用潜力。     

判别分析结合系统聚类对易拉罐环的XRF检验

为实现对易拉罐环的鉴别分类,利用X射线荧光光谱法(XRF)对28个不同品种的易拉罐环样本成分进行检验。对样本元素的种类和含量进行初步分析后,根据样本中含量最多的5种元素进行系统聚类。经过系统聚类后样本被分为了5个类别,检验分类是否准确后将聚类分类结果作为分析依据进行判别分析,提取累积贡献率为98.2%的两个判别函数绘制判别分类图,发现样本在判别函数平面空间内类别之间明显区分开来,最终交叉验证正确率和原始分类正确率分别为82.1%和96.4%,表明该方法能对易拉罐环进行有效的分类识别。     

差分拉曼光谱结合聚类分析检验电线塑料外皮研究

为建立一种高效准确的差分拉曼光谱检验电线塑料外皮的方法,利用便携式差分拉曼光谱仪测得了35个不同品牌不同类型的电线塑料外皮的差分拉曼光谱数据;再根据样品的主要成分和所含填料的不同,对样品进行初步分类;利用主成分分析对初步分类后的拉曼数据进行降维,再利用系统聚类将样品分组,最后应用K?均值聚类分析对分组结果准确性进行检验。其中,对于同组样品,可以用拉曼特征峰的相对峰高比进行区分。结果表明,当并类距离为1时,I?1组样品（只含滑石粉的白色样品）可分为7个小组,实现了对样品的区分;该方法不破坏检材,操作简单,可为微量物证检验和公安机关办案提供帮助。     

基于系统聚类-神经网络的塑料饮料瓶差分拉曼光谱检验

建立塑料饮料瓶物证快速准确检验鉴别方法。利用差分拉曼光谱法检验42个塑料饮料瓶样品，优化积分时间并进行重现性检验。在40 s最优积分时间条件下采集光谱，任选41个样品作为建立模型的数据集，剩余样品作为盲样，对41个样品材质初步定性分为聚对苯二甲酸乙二醇酯(PET)和聚乙烯(PE)两类。建立基于系统聚类(HCA)、多层感知器神经网络和径向基神经网络的PET样品鉴别模型，确定最优鉴别模型及样品最佳分类。结果表明，系统聚类-多层感知器神经网络为最优鉴别模型，PET样品最佳分类为2类。差分拉曼光谱法结合系统聚类和神经网络可实现塑料饮料瓶有效鉴别。     

一次性塑料包装瓶盖(杯盖)的拉曼光谱分析

利用便携式拉曼光谱仪对收集到49个现售饮品或外卖配送饮品的一次性塑料杯盖样品和饮料瓶瓶盖样品进行检验分析,先根据样品外观进行分类,再根据拉曼位移按照成分进行分组,最后再通过计算相对峰高比进行进一步区分,都取得了较好的效果.建立了基于系统聚类的分类模型,利用主成分分析对60％的样本进行了降维和分类.最终被检样本被分为6类...     

红外光谱法结合K⁃均值聚类与神经网络对饮料瓶的检验研究

利用傅里叶变换红外光谱法对41个不同品牌的塑料饮料瓶进行快速无损检测。谱图数据在经过预处理后可将样品分为聚对苯二甲酸乙二醇酯和聚乙烯两类。每一类内部的各个样品红外特征峰存在差异。对于数量最多的一类样品,通过主成分分析将样品光谱数据降维并提取主成分,然后结合K-均值聚类对样品进一步分组。最后以聚类结果作为因变量,构建神经网络算法对数据进行训练,用来预测样品分类情况。借助随机数发生器,随机选取86.5 %的样品作为训练集,13.5 %的样品作为测试集。结果表明,训练集和测试集的正确率均达到了100 %,同时也验证了K-均值聚类结果的准确性,建立了塑料饮料瓶的快速分类模型;此分类模型方法可操作性好,结果准确可靠,为公安基层实际办案提供了参考。     

基于光谱分类模型的保险杠物证无损研究

采用中红外光谱结合化学计量学的方法对车用保险杠碎片进行鉴别，分别对52个车用保险杠碎片样本的全波段光谱数据、指纹区光谱数据和主成分分析降维后的光谱数据建立Fisher判别分析和K近邻算法2种分类模型，并对分类结果进行比较。结果表明，主成分分析提取特征变量后构建的分类模型，分类的准确率更高，对聚丙烯（PP）、PP/滑石粉、PP/滑石粉/碳酸钙（CaCO₃）3种类型的样本分类准确率达到92.3 %，对PP/滑石粉类型中的10种品牌样本分类准确率达到88.9 %，分类结果理想；在构建的2种分类模型中，Fisher判别分析模型的分类率远高于K近邻算法模型，分析认为K近邻算法模型受到样本不均衡的影响；中红外光谱结合化学计量学可以实现对车用保险杠碎片的准确区分，且满足快速、无损的检验要求。     

以生物基二聚脂肪酸制备聚氨酯丙烯酸酯树脂及其性能研究

为了减缓石油资源消耗，利用可再生二聚酸制备聚氨酯丙烯酸酯。将二聚脂肪酸（DA）与乙二醇（ EG）以不同的物质的量比缩合制得 3种不同羟值的聚酯二元醇（ A-1、A-2、A-3）再依次通过与甲苯二异氰酸酯（TDI）、丙烯酸羟乙酯（HEA）反应引入丙烯酸酯基团，从而制得 3种可光固，化的聚氨酯丙烯酸酯树脂（ B-1、B-2、B-3）。利用傅立叶变换红外光谱（ FT-IR）对原料及合成产物进行了结构表征；采用实时红外分析（ RT-IR）研究了不同条件下树脂的光固化性能；采用万能试验机、差示扫描量热仪（ DSC）、热重分析仪（ TGA）分析测试了固化膜的力学性能、玻璃化转变温度和热稳定性；同时测试了固化膜的接触角及铅笔硬度等。结果表明：随着二聚酸含量的升高，所制得的聚酯二元醇黏度和数均相对分子质量增大，羟值降低。最终所制备的聚氨酯丙烯酸酯树脂固化膜的热稳定性和附着力基本相同，但随着羟值含量的降低，软段部分增加，双键含量降低，交联密度下降，导致固化膜铅笔硬度、吸水率降低，柔韧性增加。     

基于光谱数据融合和人工神经网络的汽车灯罩鉴别

针对法庭科学领域对物证快速、无损、准确的检验需求，采用红外光谱原始数据和导数数据相结合的光谱数据融合技术对汽车灯罩样本进行分析。对收集的44个汽车灯罩样本采集红外谱图，采用自动基线校正、峰面积归一化、Savitzky?Golay 算法平滑对谱图进行预处理，并对处理后的数据进行一阶求导，结合人工神经网络（ANN）算法构建分类模型。在径向基函数神经网络（RBF）模型中，结合主成分分析对光谱原始数据、一阶导数数据和融合的数据进行分类，分类准确率分别为81.2 %、84.1 %和90.9 %；在多层感知器神经网络（MLP）模型中，结合主成分分析对光谱原始数据、一阶导数数据和融合的数据进行分类，分类准确率分别为84.1 %、86.4 %和97.7 %，且在对44个汽车灯罩样本的12种品牌进行分类时，分类准确率也达到97.7 %，实验结果理想。结果表明，基于红外光谱原始数据和导数数据相结合的光谱数据融合技术能够实现对汽车灯罩样本的准确分析，且满足快速、无损、准确的检验要求，可以为光谱融合技术在法庭科学领域中物证的检验提供一定参考。     

傅里叶变换红外光谱法检验手帕纸包装袋的研究

利用傅里叶变换红外光谱法,对不同品牌、不同系列的手帕纸包装袋样本进行分析检验。依据红外光谱图中吸收峰,可以将手帕纸包装袋样本加以区分。该检验方法不破坏检材,重现性好,可用于鉴定手帕纸包装袋样本。     

一种高效制备高性能PLA/PBAT复合材料的方法及其性能研究

为解决聚乳酸（PLA）韧性较差这一问题，人们提出了诸多弹性体填充方案来增韧PLA，但这些方案大多会造成PLA的强度损失，或者引入不可降解的相容剂组分，因此，开发了一种由聚己二酸/对苯二甲酸丁二酯（PBAT）填充，由三螺杆挤出机挤出结合三辊式轧机冷压的方式制备样品。通过对本工艺制备的样品进行表征，在样品的扫描电子显微镜（SEM）照片中发现三辊冷压工艺对于PBAT的拉伸作用，在拉伸作用的诱导下产生了原位成纤现象。同时在差示扫描量热仪（DSC）测试中发现拉伸作用对PLA的结晶有促进作用，在拉伸试验中，证明了原位成纤和结晶度的提高分别对PLA起到了增韧和增强的作用，最后通过热失重（TG）测试对样品的热稳定性进行表征，探究了此工艺对于热稳定性的影响。并将此工艺的增韧机理进行了归纳，为PLA的增韧提供了新的思路。