PVC 紅外光譜（FTIR）分析 聚氯乙烯（PVC，分子式 ）的紅外光譜分析是定性鑒別 PVC材質(zhì)、判定其結(jié)構(gòu)純度、檢測(cè)添加劑（增塑劑、穩(wěn)定劑等）的核心手段，常用測(cè)試方法為衰減全反射（ATR）法或溴化鉀（KBr）壓片法，測(cè)試波數(shù)范圍一般為 4000～400 cm ?1。

 一、 PVC 特征紅外吸收峰（純樹脂） 純 PVC 樹脂的紅外吸收峰源于分子中 、鍵的伸縮振動(dòng)和彎曲振動(dòng)，特征峰位置及歸屬如下表所示： 波數(shù)范圍（ cm ?1 ） 吸收強(qiáng)度 振動(dòng)模式歸屬 關(guān)鍵說明 2960～2850中強(qiáng) 的不對(duì)稱 / 對(duì)稱伸縮振動(dòng) 烷基鏈的特征峰，與聚乙烯（PE）、聚丙烯（PP）的烷基峰區(qū)分度低 1430～1420 強(qiáng) 的彎曲振動(dòng)PVC 特征峰之一 1250～1240 中強(qiáng) 的彎曲振動(dòng)（與  鍵耦合） 與  峰協(xié)同判定 PVC 960～950弱 鏈結(jié)構(gòu)的骨架振動(dòng) 輔助鑒別 PVC 構(gòu)型 760～690 極強(qiáng) 鍵的伸縮振動(dòng) PVC Zui特征的吸收峰，是定性判定的核心依據(jù)核心判定點(diǎn)： 760～690 cm ?1 處的強(qiáng)吸收峰（ 鍵）是 PVC 區(qū)別于其他聚烯烴（PE、PP）的關(guān)鍵標(biāo)志。

 二、 測(cè)試方法與樣品制備 1. 衰減全反射法（ATR-FTIR） 適用場(chǎng)景：固體 PVC制品（管材、薄膜、板材）、末樣品，無(wú)需復(fù)雜制樣，直接測(cè)試。 制樣步驟 取少量 PVC 樣品，裁剪為平整小塊（或研磨為末）； 將樣品緊貼ATR 晶體表面，施加均勻壓力，確保樣品與晶體充分接觸； 掃描背景（空氣）后，測(cè)試樣品光譜，分辨率設(shè)置為 4 cm ?1，掃描次數(shù) 16～32 次。 優(yōu)勢(shì)：無(wú)損檢測(cè)、操作快速、重復(fù)性好，適合工業(yè)質(zhì)檢。 2. KBr 壓片法 適用場(chǎng)景：PVC純樹脂、末狀樣品，需獲得高信噪比的光譜。 制樣步驟 稱取 1～2 mg PVC 樣品，與 100～200 mg干燥的 KBr 末充分研磨（樣品質(zhì)量占比 0.5%～1% ）； 將混合末轉(zhuǎn)移至壓片模具，在 10～15 MPa 壓力下保持1～2 min ，制成透明薄片； 將薄片放入紅外光譜儀樣品倉(cāng)，測(cè)試光譜。 注意事項(xiàng)：KBr 需充分干燥（避免3400 cm ?1 處水峰干擾），研磨過程避免引入雜質(zhì)。 

三、 常見干擾因素與譜圖解析要點(diǎn) 實(shí)際應(yīng)用中，PVC制品通常添加增塑劑（如鄰苯二甲酸酯）、穩(wěn)定劑（金屬皂類）、填料（碳酸鈣、滑石），這些添加劑會(huì)在紅外光譜中產(chǎn)生額外吸收峰，需注意區(qū)分：增塑劑干擾 鄰苯二甲酸酯類增塑劑：在 1730 cm ?1 處出現(xiàn)強(qiáng)吸收峰（ 伸縮振動(dòng)）， 1280 cm ?1和 750 cm ?1 處出現(xiàn)苯環(huán)特征峰； 解析時(shí)：若 1730 cm ?1 峰存在，說明樣品含酯類增塑劑，需結(jié)合PVC 特征峰（ 760～690 cm ?1 ）判定基材。 填料干擾 碳酸鈣（）：在 1420 cm ?1 和875 cm ?1 處出現(xiàn)強(qiáng)吸收峰，與 PVC 的 1420 cm ?1 峰重疊，可通過 875 cm?1 峰判定填料存在； 滑石：在 1030 cm ?1 處出現(xiàn)  鍵強(qiáng)吸收峰。 PVC 降解的影響 當(dāng) PVC受熱或老化降解時(shí)，會(huì)發(fā)生脫氯化氫反應(yīng)，生成共軛雙鍵，在 1650～1600 cm ?1 處出現(xiàn) 伸縮振動(dòng)峰，可通過該峰判斷 PVC 的降解程度。 

四、 相關(guān)檢測(cè)標(biāo)準(zhǔn) ASTM D2124：Standard Test Method for Identification ofPlastics by Infrared Spectroscopy（紅外光譜法鑒別塑料的標(biāo)準(zhǔn)方法） ISO16253：Plastics — Identification by infrared spectroscopy（塑料紅外光譜法鑒別）

 五、 定性鑒別流程 觀察譜圖中是否存在 760～690 cm ?1 強(qiáng)吸收峰（ 鍵），確認(rèn) PVC 基材；檢查 1730 cm ?1 處是否有吸收峰，判斷是否含酯類增塑劑； 分析 1420 cm ?1 、875 cm ?1 等峰，判定是否含碳酸鈣等填料； 對(duì)比標(biāo)準(zhǔn) PVC 光譜庫(kù)，完成定性確認(rèn)。

近紅外光譜定性分析 近紅外光譜（NIRS）定性分析是基于物質(zhì)分子在780~2526 nm近紅外波段的特征吸收，通過光譜的指紋差異識(shí)別物質(zhì)種類、判定真?zhèn)?、鑒別產(chǎn)地或批次的分析技術(shù)。其核心原理是分子中C-H、N-H、O-H等含氫基團(tuán)的倍頻與合頻振動(dòng)吸收，具有快速、無(wú)損、無(wú)需復(fù)雜前處理的特點(diǎn)，廣泛應(yīng)用于材料、食品、醫(yī)藥、農(nóng)業(yè)等領(lǐng)域。

 一、核心原理近紅外光與物質(zhì)相互作用時(shí)，分子的含氫基團(tuán)會(huì)吸收特定波長(zhǎng)的光，產(chǎn)生特征吸收峰。不同物質(zhì)的基團(tuán)種類、數(shù)量、化學(xué)環(huán)境（如氫鍵、取代基）不同，其近紅外光譜的峰位、峰強(qiáng)、峰形存在顯著差異，這是定性分析的物質(zhì)基礎(chǔ)。與中紅外光譜相比，近紅外光譜的吸收峰較寬且重疊嚴(yán)重，無(wú)法直接通過單峰匹配定性，需結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)光譜數(shù)據(jù)進(jìn)行降維、特征提取和模式識(shí)別。 

二、關(guān)鍵技術(shù)流程 1. 樣品制備與光譜采集樣品形態(tài)：支持固體（末、顆粒、片狀）、液體、半固體，無(wú)需或僅需簡(jiǎn)單預(yù)處理（如干燥、研磨、混勻）。 光譜采集模式透射模式：適用于均勻透明或半透明樣品（如溶液、薄膜材料），光穿過樣品后被檢測(cè)器接收。漫反射模式：適用于不透明固體樣品（如末、谷物），光照射樣品表面后散射，收集漫反射光信號(hào)。漫透射模式：適用于高散射樣品（如水果、聚合物顆粒）。儀器類型：傅里葉變換近紅外光譜儀（FT-NIRS）、色散型近紅外光譜儀、陣列檢測(cè)器近紅外光譜儀，其中 FT-NIRS分辨率高、穩(wěn)定性好，應(yīng)用Zui廣。

 2. 光譜預(yù)處理 目的是消除基線漂移、散射、噪聲等非目標(biāo)因素的干擾，提取有效光譜信息，常用方法如下： 預(yù)處理方法作用 適用場(chǎng)景 基線校正 消除基線傾斜或漂移 基線不穩(wěn)定的樣品 多元散射校正（MSC） 消除顆粒大小、分布導(dǎo)致的散射影響固體末、顆粒樣品 標(biāo)準(zhǔn)正態(tài)變量變換（SNV） 校正散射和基線漂移 高散射固體樣品 一階導(dǎo)數(shù) / 二階導(dǎo)數(shù) 消除基線干擾，分辨重疊峰峰形重疊嚴(yán)重的光譜 平滑處理（Savitzky-Golay） 降低隨機(jī)噪聲 噪聲較大的光譜 

3. 模式識(shí)別方法（化學(xué)計(jì)量學(xué)核心）通過建立光譜數(shù)據(jù)與物質(zhì)類別的關(guān)聯(lián)模型，實(shí)現(xiàn)對(duì)未知樣品的定性判別，分為監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)兩類：

 （1）無(wú)監(jiān)督學(xué)習(xí)方法 無(wú)需已知樣品類別標(biāo)簽，通過數(shù)據(jù)自身聚類實(shí)現(xiàn)分類，適用于樣品類別未知的探索性分析。主成分分析（PCA）：將高維光譜數(shù)據(jù)降維為少數(shù)幾個(gè)主成分（PCs），通過主成分得分圖觀察樣品的聚類趨勢(shì)，相似樣品聚為一類，差異樣品分離。系統(tǒng)聚類分析（HCA）：基于光譜間的相似度（如歐氏距離、馬氏距離）對(duì)樣品進(jìn)行分層聚類，構(gòu)建聚類樹狀圖。 

（2）監(jiān)督學(xué)習(xí)方法 需要已知類別標(biāo)簽的訓(xùn)練集樣品構(gòu)建模型，再對(duì)未知樣品預(yù)測(cè)，是定性分析的主流方法。 方法 原理 特點(diǎn)偏Zui小二乘判別分析（PLS-DA） 將光譜數(shù)據(jù)與類別變量（啞變量）進(jìn)行偏Zui小二乘回歸，通過回歸得分判別類別適用于光譜變量多、存在共線性的數(shù)據(jù)集，穩(wěn)定性強(qiáng) 線性判別分析（LDA） 尋找Zui優(yōu)投影方向，使類內(nèi)方差Zui小、類間方差Zui大適用于降維后的數(shù)據(jù)，計(jì)算簡(jiǎn)單 支持向量機(jī)（SVM） 構(gòu)建Zui優(yōu)分類超平面，實(shí)現(xiàn)小樣本、高維數(shù)據(jù)的分類泛化能力強(qiáng)，適用于復(fù)雜非線性分類問題 人工神經(jīng)網(wǎng)絡(luò)（ANN） 模擬人腦神經(jīng)元結(jié)構(gòu)，通過多層網(wǎng)絡(luò)擬合光譜與類別關(guān)系處理非線性問題能力強(qiáng)，但易過擬合 K - Zui近鄰（KNN） 根據(jù)未知樣品與訓(xùn)練集樣品的相似度（距離），選取 K個(gè)Zui近鄰樣品的類別作為預(yù)測(cè)結(jié)果 簡(jiǎn)單直觀，對(duì)異常值敏感

 4. 模型驗(yàn)證與評(píng)價(jià) 模型需通過驗(yàn)證確?？煽啃?，常用指標(biāo)和方法： 交叉驗(yàn)證：如留一交叉驗(yàn)證（LOOCV）、K折交叉驗(yàn)證，避免過擬合。 外部驗(yàn)證：用獨(dú)立的驗(yàn)證集樣品測(cè)試模型，計(jì)算正確率、靈敏度、特異度。 正確率：正確判別的樣品數(shù) / 總樣品數(shù)× 靈敏度：陽(yáng)性樣品中正確判別的比例 特異度：陰性樣品中正確判別的比例 模型參數(shù)：如 PLS-DA 的主成分?jǐn)?shù)、SVM的核函數(shù)參數(shù)，需通過優(yōu)化選擇Zui優(yōu)值。

 5. 未知樣品定性判別將未知樣品的光譜經(jīng)相同預(yù)處理后輸入模型，根據(jù)模型輸出的類別概率或判別結(jié)果，確定樣品所屬類別。 

三、典型應(yīng)用領(lǐng)域 材料科學(xué) 聚合物種類鑒別（如聚乙烯、聚丙烯、聚氯乙烯的區(qū)分）；復(fù)合材料成分定性（如碳纖維增強(qiáng)樹脂中樹脂基體的識(shí)別）； 材料表面涂層種類判定。 食品與農(nóng)產(chǎn)品食品真?zhèn)舞b別（如奶摻假、蜂蜜產(chǎn)地鑒別、肉類品種區(qū)分）； 農(nóng)產(chǎn)品品種鑒定（如小麥、水稻品種判別）。 醫(yī)藥領(lǐng)域中藥材產(chǎn)地、品種鑒別（如人參、當(dāng)歸的道地性判別）； 藥品輔料種類確認(rèn)、制劑配方一致性檢驗(yàn)。 石油化工 汽油、柴油的牌號(hào)判定；潤(rùn)滑油基礎(chǔ)油類型鑒別。 

四、優(yōu)勢(shì)與局限性 優(yōu)勢(shì) 快速高效：?jiǎn)未喂庾V采集僅需幾秒至幾分鐘，可實(shí)現(xiàn)批量樣品快速篩查。無(wú)損檢測(cè)：不破壞樣品，適用于貴重樣品或在線檢測(cè)。 多組分同時(shí)分析：一次光譜可獲取多個(gè)基團(tuán)的信息，實(shí)現(xiàn)多類別定性。操作簡(jiǎn)便：無(wú)需化學(xué)試劑，前處理簡(jiǎn)單，對(duì)操作人員要求低。 局限性 定性能力依賴模型：模型的準(zhǔn)確性取決于訓(xùn)練集樣品的代表性和數(shù)量。靈敏度較低：對(duì)微量成分（含量＜0.1%）的定性能力有限，不如色譜、質(zhì)譜。 光譜重疊嚴(yán)重：需依賴化學(xué)計(jì)量學(xué)方法，對(duì)數(shù)據(jù)處理要求高?；w效應(yīng)影響大：樣品的物理狀態(tài)（如顆粒大小、密度）會(huì)影響光譜，需通過預(yù)處理或標(biāo)準(zhǔn)化消除。 

五、檢測(cè)標(biāo)準(zhǔn)（部分） ASTM E1655：《傅里葉變換近紅外光譜儀的校準(zhǔn)和驗(yàn)證標(biāo)準(zhǔn)實(shí)踐》 ISO 12099：《谷物和豆類近紅外光譜法通則》 GB/T 24895：《動(dòng)植物油脂 近紅外光譜測(cè)定法》