木材染色颜料配方预测模型

 木材颜色是决定消费者印象的重要因素,为了提高木制品的装饰作用和产品价值,要对木材及木质材料进行着色。将计算机配色的方法用于木材染色中,能加快染料配方生成的速度并将极大地提高工作效率、节约成本。本文研究了一种运用动态模糊神经网络建立的木材染色颜料配方预测模型,所谓的“动态”是指模糊神经网络的网络结构不是预先设定的,而是动态变化的,即在学习开始前,没有一条模糊规则,其模糊规则在学习过程中逐渐增长而形成的。在论述建模方法的基础上,对算法中的学习规则和参数确定进行了研究。模型为三输入三输出系统,输出就确定为活性艳红X-3B、活性黄X-R、活性蓝X-R的浓度值,输入为色差,该模型预测相对误差为0.52%,训练时间为128s,结果比较令人满意。这种方法为木材染色配色提供了一种新的途径,同时也为其理论在配色系统中的应用提供了新的思路,具有一定的理论研究价值和实际应用价值。     

自主学习模式之融入性动力研究

自主学习模式需要强大的学习动力。本文就融入性动力以研究，针对教学实践中存在融入性动力不足的问题，提出解决的策略。     

木材表面g-C_3N_4的固定及其光降解性能表征

【目的】类石墨相氮化碳(g-C_3N_4)固定于木材表面可减少木材表面有害化学涂饰材料的使用,并赋予木材表面光降解自清洁功能。【方法】通过X射线衍射分析(XRD)、傅里叶红外变换光谱分析(FT-IR)、元素分析、环境扫描电镜分析(SEM)对g-C_3N_4样品及固定效果进行表征。利用光化学反应仪以甲基橙(MO)为目标降解物经行光催化实验,并以紫外分光光度计对样品的光降解效率进行测量。【结果】所合成的含有氨基官能团微米级gC_3N_4固体具有较好的光催化性能;520℃条件下合成的g-C_3N_4具有最佳的光催化性能,复合后木材表面g-C_3N_4的光催化效率虽然低于游离的g-C_3N_4,但仍具有较高的效率。【结论】在实验条件下成功合成了具有较高光催化效率的微米级g-C_3N_4固体,并实现其在木材表面的固定,使木材初步具有了光降解自清洁功能。     

浸渍纸用UF树脂配比对饰面人造板甲醛释放量的影响

采用一次浸渍脲醛(UF)树脂制得的浸渍纸,分析UF树脂胶中甲醛(F)和尿素(U)对压贴后饰面人造板物理力学性能和甲醛释放量的影响; 将浸渍纸以相同条件压贴在锡纸上,测试浸渍纸自身甲醛释放量,分析饰面人造板甲醛释放的来源。结果表明:随着甲醛与尿素摩尔比的升高,饰面人造板物理力学性能明显提高,甲醛释放量也有所升高; 浸渍胶膜纸具有良好的封闭甲醛的能力,能封闭绝大部分板材内部释放的甲醛; 甲醛和尿素摩尔比在1.55时,饰面人造板的甲醛释放量由浸渍纸自身释放的占56%; 降低浸渍纸用UF树脂的甲醛与尿素摩尔比能有效降低甲醛释放量,当甲醛与尿素摩尔比在1.4时,饰面人造板甲醛释放量远小于E₁级国家限量标准。     

木材染色计算机自动配色系统设计

 以人工林樟子松和大青杨为研究对象,提出了一种基于模糊神经网络的计算机配色系统设计方案,该方案模型为4层网 络,具有实现简单的特点;在此基础上,用C语言编程实现了软件设计。该系统以已知颜色和目标颜色的色差作为输入,配方浓度作为输出,建立了木材染色配方预测平台,并利用试验验证了模型,证明了模型的可行性。该平台的建立,对于木材染色的工业普及与应用具有重要作用。