木材抗拉强度是评价木材力学性质的重要指标。 针对近红外光谱建模中样本数据量小、 波长信息冗余所导致预测模型精度低的问题, 提出一种基于模型集群分析MC-UVE-IVSO波长优选的木材抗拉强度建模方法。 以桦木为例, 选取150个桦木样本作为实验对象, 首先使用900～1 700 nm波段的近红外光谱仪采集试件光谱数据, 并采用力学试验机获得相应的抗拉强度真值; 然后对采集的光谱数据运用多元散射校正（MSC）、 一阶求导和卷积平滑（SG）相结合的方法进行预处理, 完成光谱平滑滤波; 分别采用变量组合集群分析算法（VCPA）、 蒙特卡罗无信息变量消除法（MC-UVE）、 迭代变量子集优化算法(IVSO)及MC-UVE-IVSO组合优化算法进行波长筛选, 并对比优选波长结果; 最后在优选近红外波长基础上, 建立桦木抗拉强度的偏最小二乘预测模型（PLS）。 实验结果表明: 基于MC-UVE-IVSO算法优选波长的PLS模型, 光谱变量数由512减小到98, 优选波长占总波长的19%, 其预测决定系数R2为0.94, 预测均方根误差RMSEP为7.50, 性能偏差比RPD为3.16, 相比于全波段、 MC-UVE、 VCPA、 MC-UVE-VCPA与IVSO相应的R2（0.92、 0.93、 0.82、 0.87、 0.93）、 RMSEP（17.91、 11.7、 14.91、 12.12、 8.47）和RPD（2.81、 2.91、 2.25、 2.28、 2.78）均有不同程度提升; 通过统计特征波长所建立的预测模型箱形图, 进一步证明了MC-UVE-IVSO算法在处理多变量波长的稳定性。 实验结果表明, MC-UVE方法可以消除与建模不相关的多数变量, 而IVSO算法能有效搜索出最优变量子集, 基于MC-UVE-IVSO的光谱优选算法提升了木材抗拉强度预测模型的准确性和稳定性, 为木材近红外光谱的无损、 快速与精准检测提供了一定的理论基础。

基本密度是评估木材制浆造纸性能的重要指标。 采用近红外光谱技术检测造纸木片基本密度, 实时掌握原料材性变化, 能够为制定和优化制浆生产工艺提供基础理论数据。 但在实际生产中, 原料来源的复杂性造成木片水分含量波动较大, 光谱中的水分干扰信息严重影响模型预测效果, 成为制约近红外技术实际应用的主要因素。 以杨木片为研究对象, 通过对木片失水过程的近红外光谱动态监测, 结合主成分分析明确光谱中水分吸收信息的特征响应, 揭示了木片水分中结合水和自由水的变化规律。 分别采用不同水分条件下的木片光谱建立偏最小二乘回归(PLS)模型预测木片基本密度, 通过对比分析模型预测性能, 探究木片水分变化对近红外预测木片密度的影响, 并采用外部参数正交化算法(EPO)消除光谱中水分的干扰, 提高模型对水分变化的抗干扰能力。 研究结果表明, 基于饱水木片光谱的模型具有最好的预测精度, 模型的建立主要依靠近红外光谱对木片纤维结构特征信息的获取。 而光谱中大量的水分吸收信息对建模是冗余无用的, 并且会导致模型对样品水分高度敏感, 当测试集水分含量变化时, 模型预测出现严重偏差。 通过EPO算法对木片失水过程动态光谱的解析, 提取水分校正因子, 能够有效消除水分变化引起的光谱差异。 基于水分校正的基本密度预测模型对不同水分条件下的测试集均表现出稳定的预测性能, 均方根误差、 决定系数和预测相对标准偏差分别为12.23 kg·m-3、 0.883 4和2.93。 该研究将EPO算法引入对木材材性的近红外光谱分析, 构建了抗水分干扰的稳健型基本密度预测模型, 较好地解决了水分含量波动对原料材性快速检测的影响, 为近红外光谱技术在制浆造纸领域的推广应用提供了依据。

基于近红外光谱技术对木材产地进行识别必须依赖于光谱数据预处理方法和校准模型, 然而大多数采用近红外光谱技术识别木材产地的研究工作都是采用经典的线性模型。 构建木材地理溯源系统有利于促进木材市场的良性发展, 打击乱砍滥伐, 保护濒危树种。 为提高木材产地识别效率, 提出一种基于近红外光谱技术结合机器学习的木材产地识别方法。 首先建立木材产地的光谱数据集, 采集来自两种不同产地的樟子松、 泡桐、 榉木、 柚木、 椴木和臭椿的光谱数据, 每个树种构成一个数据集, 并将特征维度降至2维, 以探索各数据集的数据分布情况; 其次对原始光谱数据进行特征工程, 即分别采用主成分分析法和线性判别分析法对高维光谱数据进行降维处理, 以提高模型的泛化能力, 并对比两种降维技术对模型准确率的影响; 最后构建木材产地鉴别模型, 分别从非线性算法、 回归算法、 分类算法、 概率算法、 集成算法和深度学习算法六个角度选取了支持向量机、 逻辑回归、 K最近邻、 朴素贝叶斯、 随机森林和人工神经网络6种算法建立模型, 采用学习曲线、 网格搜索法、 K折交叉验证等算法优化模型参数以提高模型识别准确率及稳健性, 并从模型的准确率与运行时间两个层面来评估模型效果。 结果表明, 基于近红外光谱技术结合机器学习是识别木材地理来源的有效手段, 樟子松、 泡桐、 榉木、 柚木、 椴木和臭椿的准确率分别达到98.3%、 100%、 100%、 100%、 100%、 98.3%, 相应的模型运行时间分别为0.183、 0.182、 0.181、 0.182、 11.424和12.969 s。 综合分析6种模型在各数据集上的表现, 发现非线性的支持向量机和人工神经网络模型比其余模型更具有优势。 其中, 基于人工神经网络构建的木材产地鉴别模型表现优异, 在各数据集中识别率最高, 但运行时间远多于其余算法。

繁峙公主寺位于山西省五台山地区, 是明清时期集宗教场所与民众娱乐于一体的建筑遗存。 寺内壁画与彩塑绘制精巧, 尤其是大雄殿四壁壁画场面宏大, 构图严谨, 色彩鲜明, 是保存较为完整的明代水陆壁画精品。 目前公主寺壁画存在部分画面漫漶不清、 出现裂隙的情况, 通过实地考察与科技分析, 不仅可以揭示水陆壁画使用的原料和工艺, 也为日后开展修复材料的筛选与文物本体的保护工作提供一手资料。 研究运用显微镜观察(OM)、 拉曼光谱(RAM)、 红外光谱(FTIR)、 激光粒度分析(LPSA)、 X射线衍射(XRD)、 X射线荧光光谱法(XRF)、 扫描电镜能谱分析(SEM-EDS)及热裂解气相色谱质谱分析(Py-GC/MS)等多种科技手段, 对公主寺壁画制作材料及工艺进行分析研究。 实验结果显示: 壁画使用传统工艺绘制, 以土坯砖墙作为支撑体, 地仗层分为粗泥层与细泥层, 再涂刷一层打底的白粉层, 最后绘颜料层。 支撑体、 地仗用土与当地土样的成分相似, 整体颗粒粒径分布均以粉粒为主, 细泥层砂粒含量较粗泥层偏高, 粗、 细泥层分别掺有麦秸、 麻纤维等加筋材料。 尤其是通过红外光谱分析发现白粉层材料为高岭土； 应用拉曼光谱结合SEM-EDS分析确定了壁画所用的颜料, 蓝色为蓝铜矿(2CuCO3·Cu(OH)2), 白色为铅白(2PbCO3·Pb(OH)2), 绿色为人造氯铜矿、 羟氯铜矿(Cu2(OH)3Cl), 红色、 黄色与粉色颜料的显色物质为朱砂(HgS)、 铁红(Fe2O3)、 铁黄(FeO(OH))、 铅丹(Pb3O4)与铅白, 存在混合颜料进行调色的现象； 另外, 应用热裂解气相色谱质谱分析进一步辨别黑色颜料, 根据多环芳烃的相对含量对比结果与检出的松科类植物燃烧产物, 判断其为松烟墨, 同时确定了壁画绘制添加的胶结材料为动物胶。 该结果为公主寺壁画艺术研究提供更多原始信息, 丰富了对明代山西水陆壁画制作材料与工艺的科学认知。

为研究高温改性对低质速生木材力学性能的影响规律和作用机制, 优化基于强度等级的木材改性温度, 以期为高温改性木材在建筑结构中的合理应用提供依据, 开展了160～210 ℃宽温域范围内高温改性对国产低质速生杨木抗弯强度(fm)、 顺纹抗拉强度(ft, 0)、 横纹弦向(ft, T, 90)和径向抗拉强度(ft, R, 90)、 顺纹抗压强度(fc, 0)、 顺纹弦面剪切速度(fv, T)和径面剪切强度(fv, R), 以及弹性模量(E0)等共计560个试件的材性试验, 利用傅里叶变换红外光谱分析高温改性木材的化学组分变化。 结果表明, 木材中半纤维素耐热性最低, 最先受热降解, 温度≥190 ℃时, 热解加快。 纤维素耐热性较强, 高温作用下轻微热解, 且主要发生在无定形区域内, 导致无定形区微纤丝排列有序性增加。 高温对木材fm, ft, 0, ft, 90和fv劣化作用明显, 常温时木材fm, ft, 0, ft, T, 90, ft, R, 90, fv, T和fv, R分别为67.0, 86.2, 5.8, 8.9, 7.7和6.7 MPa, 改性温度较低时, 木材化学组分轻微热解, 力学性能下降相对较慢, 180 ℃时分别降至53.5, 78.9, 4.0, 4.8, 6.0和5.4 MPa, 改性温度高于190 ℃时木材化学组分热解加剧, 导致力学性能快速降低, 210 ℃时分别降至常温时的44.5%, 56.1%, 43.1%, 29.2%, 34.5%和26.7%。 160~210 ℃范围内, 高温改性木材的fc, 0和E0先升高后降低, 20 ℃时fc, 0和E0分别为41.4和8 568 MPa, 160~180 ℃范围内随着温度的升高, 纤维素结晶度提高导致力学性能增加, 180 ℃时达到峰值, 较初始值分别高30.7%和12.8%, 温度继续升高时, 纤维素热解程度增加, fc, 0和E0持续降低, 210 ℃时, 分别降至45.0和8104 MPa。 未处理试件由于E0未达到欧洲规范BS EN 338最低强度等级D18的要求, 不能用作结构用材; 160~170 ℃温度改性试件的E0较未处理试件有所提高, 但仍低于规范中最低强度等级D18的要求; 改性温度升至180 ℃时, E0继续增加, 杨木达到强度等级D18; 190~200 ℃改性材的E0略有降低, 但仍满足规范中结构用材要求, 而fv, R降低幅度过大, 木材强度等级不满足最低强度等级D18的使用要求。 研究结果将为高温改性技术以及国产速生木材在建筑结构中的合理应用提供依据。

光谱分析在木材种类识别领域具有一定的潜力, 而其中的中红外光谱也广泛应用于定性及定量分析。 该研究中红外光谱法识别木材种类的报道中, 基于深度卷积神经网络可以在参数较少的条件下获得较高的识别率。 提出了一种聚类分析(CA)、 对称点阵图像分析(SDP)与深度学习(DenseNet)相融合的算法, 利用DenseNet的优势提高中红外光谱法识别木材的准确率。 首先, 采集了愈疮木、 巴里黄檀、 刺猬紫檀、 大果紫檀、 螺穗木5种木材样本的250组中红外光谱数据, 应用欧式距离进行了异常值剔除, 剩余240组作为待分析数据并对其进行分类的可行性分析。 对光谱数据进行SDP转化分析, 确定SDP转化的最优参数; 之后, 运用CA筛选原始光谱数据的特征, 根据CA不同阙值确定了三组维数的特征并进行讨论, 通过对比三组特征数据经过SDP转化后图像间的类内相似性和类间差异性, 初步确定了最优维数特征; 再将初步确定的最优维数特征数据输入到SDP-DenseNet模型中, 获得模型识别的准确率; 最后通过对比分析验证了模型的有效性, 一方面将原始数据及其余两组对照维数的特征数据分别输入到SDP-DenseNet模型中, 对比识别的准确率; 另一方面以最优维数特征数据输入到随机森林中进行识别, 对比传统机器识别与SDP-DenseNet算法识别的准确率。 结果表明: 经CA特征筛选的SDP-DenseNet模型普遍高于原始数据直接输入到SDP-DenseNet模型的准确率, CA特征筛选最优维数为255维, 其测试集最高识别率达到了88.67%, 而对照组107维为77.78%, 322维为68.89%, 原始数据的SDP-DenseNet模型识别率仅为57.78%; 经CA特征筛选的最优维数数据对应的随机森林模型识别率较低, 仅为66.67%。 因此, 提出的CA-SDP-DenseNet模型能有效提高中红外光谱法识别木材种类的精度。

楸树（Catalpa bungei）木材纹理通直、 材性优良、 用途广泛, 是中国特有的珍贵材树种。 研究木材重要的力学性质--抗弯性质的快速测定方法可以为楸树木材的遗传改良及加工利用提供科学依据。 以楸树无性系新品种“洛楸1号”、 “洛楸4号”和“天楸2号”为试验材料, 依据国家标准抗弯性质测试方法, 测定楸树木材抗弯强度（MOR）和抗弯弹性模量（MOE）。 利用近红外光谱（NIRs）分析结合偏最小二乘法（PLS）对新选育的三个楸树无性系的抗弯性质进行预测, 探究基于不同采谱切面、 不同预处理方法以及不同采谱点的最佳建模方法。 研究结果表明, 基于两切面平均光谱建立的抗弯强度预测模型的相关系数和相对分析误差最高为0.843和1.88, 建立的抗弯弹性模量预测模型的相关系数和相对分析误差最高为0.846和1.88。 选用两切面光谱, 预处理方法按抗弯强度模型性能排序为多元散射校正与卷积平滑结合算法（MSC+S-G）＞二阶导数与卷积平滑结合算法（2ndDer+S-G）＞一阶导数与卷积平滑结合算法（1stDer+S-G）, 预处理方法按抗弯弹性模量模型性能排序为MSC+S-G＞1stDer+S-G＞2ndDer+S-G。 使用一点采谱法建立的抗弯强度和抗弯弹性模量预测模型相关系数比五点采谱法的分别降低5.93%和2.96%。 综上所述, 近红外光谱可以用于预测珍贵材楸木的抗弯强度和抗弯弹性模量。 采用不同切面、 预处理方法和采谱点数建立的模型, 建模结果有一定差异。 得出了楸树木材抗弯强度和抗弯弹性模量的最佳建模方法。 基于径切面和弦切面平均光谱建立的抗弯强度和抗弯弹性模量近红外模型效果最佳。 MSC+S-G是最适用于楸树木材抗弯性质的预处理方法。 五点采谱法模型精度较高, 但对大量样品抗弯性质快速估算时, 可以降低采谱点数量, 仅采集中间部位即载荷加载部位一个光谱点以减少采谱工作量, 提高楸树木材抗弯性质快速评估效率。

工程陶瓷已广泛应用于工业领域，而其较高的脆性一直是推广受限的主要因素之一。基于此，本研究旨在协同提高工程结构陶瓷的强度和韧性。以微米级Si3N4粉体和高纯度镍丝为原料，借鉴仿生制备思路，利用热压烧结的方式制备仿木质年轮状Si3N4/Ni复合材料，研究了Si3N4/Ni复合材料中Si3N4与Ni丝的界面结合状态，测试了复合材料的物理力学性能。结果表明，复合材料中Si3N4基体与Ni之间界面结合良好，仿木质年轮的材料结构有助于陶瓷材料的强韧化，复合材料的弯曲强度达(989±87) MPa，断裂韧性达(8.12±0.8) MPa·m1/2，较单相Si3N4陶瓷的物理力学性能有较好的提升。