分别采用毫秒级和纳秒级脉冲宽度的激光对2024铝合金表面环氧油漆涂层进行激光清洗实验,使用高速摄像机对激光清洗过程进行监测,分析了清洗后试样表面的宏观与微观形貌。结果表明这两种激光在合适的工艺参数下均能有效去除涂层,获得清洁的基材表面,但二者的除漆特性有较大区别。纳秒脉冲激光除漆的能量效率远高于毫秒脉冲激光。经毫秒级CO2激光清洗后试样表面残留一层黑色炭灰,该物质为油漆涂层的燃烧产物,清洗过程中基材表面不容易发生熔化。纳秒脉冲激光清洗过程中产生了较强的等离子体,有大块的漆层碎片从基材表面剥离,当激光功率高于250 W时基材表面发生明显重熔。结合热弹性振动模型与热传导模型,对两种激光除漆过程的物理机制进行了探讨,发现毫秒脉冲激光除漆的主要机制为气化与燃烧效应,而纳秒脉冲激光除漆的主要机制为热弹性振动效应。

利用激光诱导击穿光谱(LIBS)技术,对油漆涂层中的重金属Pb进行定量检测研究。优化实验参数后,利用多通道光谱仪采集油漆涂层308~417 nm范围内的等离子光谱,为了得到精确的定量结果,对油漆涂层的Pb分别进行单变量分析、多元线性回归分析以及竞争自适应再加权采样-偏最小二乘(CARS-PLS)分析。结果表明,CARS-PLS分析模型的定量结果最准确,校正集的决定系数为0.991,预测样品4#、7#的预测相对误差分别为1.4%、1.5%;CARS变量筛选方法能够从光谱中有效筛选出与Pb相关的重要信息,能够结合PLS准确检测油漆涂层中的Pb。

红木家具市场以次充好、以假乱真的现象非常普遍, 导致消费者对其真伪难以鉴别。目前对于近红外识别木材种类的研究已经很多, 但对成品家具而言, 表面涂饰是阻碍近红外光谱检测的最大障碍。因此本文通过对不同种类油漆涂层覆盖下木材近红外光谱特征分析, 提出了一种主成分分析(Principal Component Analysis, PCA)结合BP神经网络(Back Propagation)的红木家具种类鉴别方法。以市面上易混淆的交趾黄檀和微凹黄檀为试验对象, 首先使用近红外光谱仪采集光谱数据, 比较了原木与家具的光谱差异, 然后采用标准正态变量变换(Standard Normal Variate Transformation, SNV)的预处理方法, 再利用主成分分析法以累积贡献率大于95%的主成分作为样品特征, 构建3层BP神经网络模型。结果表明: 基于主成分分析的BP神经网络的方法能较好的鉴别交趾黄檀和微凹黄檀两种红木家具, 预测结果准确率分别为92.59%和94.38%, 给红木家具种类的鉴别提供了一种新的可靠的方法。