可再生阻燃疏水复合纸板的制备及其力学性能

为了研制一种兼具阻燃性及疏水性并有优良力学性能的可再生复合纸板,本研究以聚磷酸铵（APP）-卡拉胶（KC）构建了膨胀型阻燃体系（IFR）,以正硅酸乙酯（TEOS）-甲基三甲氧基硅烷（MTMS）@氢氧化镁铝（MAH）作为协同阻燃剂、以硅烷偶联剂KH550（AEMO）@SiO₂作为疏水性填料、以可再生纸浆为基材,制备了APP-KC-[（TEOS-MTMS）@MAH]-（AEMO@SiO₂）复合纸板,并测得其力学性能;采用垂直燃烧实验和极限氧指数（LOI）表征纸板的阻燃效果;采用FE-SEM表征微观形貌;通过FTIR分析燃烧前后功能团变化;利用TG分析其热稳定性;采用接触角（CA）测试、滚动角（SA）测试等来测定其疏水性能。测试结果发现,复合纸板吸水率为1.78 g·m^-2、戳穿强度为6.4 J;边压强度为8.3 kN·m^-1、平压强度为360 kPa。采用优选配方（APP、KC、MTH、ATH的质量比为3∶2∶1∶1）时LOI达到32%;燃烧实验后得炭化长度为19 mm,续焰时间为0.5 s,灼焰时间为...     

阻燃包装纸研发技术优化研究

目的 为探索机器学习算法利用检验大数据快速鉴别复合包装膜袋材质的可行性。方法 以不同复合层数、不同功能层材质、不同食品接触层材质的10种复合包装膜袋共计1333个样本作为数据集,将韧性向拉伸强度、刚性向拉伸强度、韧性向断裂标称应变、刚性向断裂标称应变、水蒸气透过率、氧气透过率、厚度等7个维度的性能测试数据作为特征值,利用人工智能机器学习算法进行复合包装膜袋材质鉴别。结果 综合比较决策树、逻辑回归、支持向量机、K近邻、神经网络、高斯朴素贝叶斯等6种学习算法后,发现决策树算法的准确率和kappa系数最高,运行速度也很快。经参数优化后,决策树算法的鉴别结果准确率为95.4%,kappa系数为93.2%。结论 决策树算法在复合包装膜袋材质鉴别中具有一定优势。