塑料材质的样品检测可以检测哪些项目

塑料是现代社会应用最为广泛的有机合成高分子材料。随着社会进步和科学技术的日益发展，各行各业对塑料性能的要求也越来越高，在塑料的研发和生产过程都需要通过测试来衡量材料性能、判断产品能否满足日益严格的要求。常见的性能测试包括：

塑料材质样品检测

常规性能：

密度/硬度    吸水率/含水率   水蒸气透过率   气体透过率   分子量及分子量分布指数

机械性能：

拉伸性能   冲击性能    弯曲性能   压缩性能  撕裂性能  磨耗性能

热学性能：

熔融指数/熔点/玻璃化转变温度       热变形温度/维卡软化点

熔融焓/结晶焓/氧化诱导期/比热容  线性热膨胀系数    导热系数

电性能：

绝缘材料表面和体积电阻率   介电常数/介电损耗因数   介电强度、击穿电压  漏电起痕

光学性能：

透光率   雾度  光泽度   色差

燃烧性能：

水平燃烧   垂直燃烧   极限氧指数   针焰测试  灼热丝燃烧

成分分析 ：

主成分定性/定量分析    全成分定性/定量分析  材料一致性比对  物质鉴定  异物分析/失效分析  玻纤含量/灰分含量

老化测试 ：

快速紫外灯/氙灯/卤素灯/碳弧灯老化测试    中性盐雾/酸性盐雾/铜离子加速盐雾测试   交变盐雾/循环盐雾测试  冷凝测试  100%湿度测试

高温/低温/温湿循环/温度冲击测试

标准曲线法测定杂质校正因子主成分和杂质的进样浓度要一样吗

不一样，标准曲线法测定杂质校正因子主成分和杂质的进样浓度可能不同。校正因子是基于目标物质（主成分）检测结果和不同进样浓度时实测值之间的相对差异，以确定各进样浓度下实际检测值之间的差异及校正系数，以实现对杂质的准确测定。

高分子材料性能测试的具体方法：

高分子材料剖析是利用现有的仪器分析手段，对高分子材料的主成分以及其填料、增塑剂等成分进行定性定量的一种分析方法。

主要包括：

高分子材料主成分鉴定、橡胶种类鉴定、高分子材料成分剖析、无机填料测试等。

常见的需要测试的产品有：

塑料：聚乙烯（PE）、聚丙烯（PP）、聚（PVC）、聚苯乙烯（PS）、聚氨酯（PU）、聚酰胺（PA）、聚甲醛（POM）、聚苯醚（PPS）、聚碳酸酯（PC）、聚甲基丙烯酸甲酯（PMMA）、聚对苯二乙二醇酯（PET）等。

橡胶：氯丁橡胶（CR）、天然橡胶（NR）、丁苯橡胶（SBR）、丁基橡胶（IIR）、丁腈橡胶（NBR）、乙丙橡胶（EPM）等。

纤维：棉、麻、毛天然纤维，黏胶纤维等合成纤维。

涂料剖析：油脂漆、天然树脂漆、酚醛漆、沥青漆、醇酸漆、氨基漆、硝基漆、过氧乙烯漆、环氧漆等。

有机溶剂剖析：油漆稀释剂，脱漆剂，电子电器行业使用的清洗剂和溶剂等。

其他材料剖析：助焊剂、表面活性剂等

案例1

高分子材料主成分定性

主成分定性主要是利用傅里叶变换红外光谱仪（FTIR）对材料进行测试，获取其红外光谱，通过分析其出峰位置的所属的官能团，并对照其标准谱图，判断样品所属的高分子类型。例如：

由红外光谱结果可知，339201cm-1 处的强吸收峰谱带为-OH 的伸缩振动吸收，C=O伸缩振动的吸收在173268cm-1 ，126763cm-1处是包含苯环碳的C-C-O不对称伸缩振动，112432cm-1和106929cm-1处的双峰为O-CH2-CH2的伸缩振动吸收。3000~2800cm-1为饱和C-H的伸缩振动区域，＞3000cm-1处的小峰为饱和C-H伸缩振动。1500~1300cm-1之间为CH3和CH2 的弯曲变形振动区域。74271cm-1处的吸收峰为苯环的邻位双取代吸收。通过比较样品图谱与标准图谱可知，样品的主成分为醇酸树脂。

案例2

橡胶种类鉴定

橡胶鉴定主要是依据《GBT 7764-2001 橡胶鉴定 红外光谱法》标准方法，通过热解法对样品进行前处理，利用傅里叶变换红外光谱仪（FTIR）对样品进行进行测试，获取目标样品的红外光谱图，通过分析其出峰位置的所属的官能团，并对照其标准谱图，判断样品所属的橡胶种类。

　　存在高度相关就能做，否则就得做出KMO表再做因子分析。

　　因子分析

　　因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家CE斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。

本节所研究的主要是基于像元级的遥感变化信息检测方法。当今国内外常用的遥感变化信息检测方法主要有分类后比较法、代数运算法、光谱特征变异法、主成分分析法等。

( 一) 光谱特征变异法

光谱特征变异法是使用最为广泛的一种遥感变化信息检测方法，其原理是将两时相遥感影像的相关波段进行融合、组合，如果地物类型发生了变化，该区域的光谱就会发生变异或突变，与周围地物失去协调性，使得能通过肉眼识别出来。该方法容易受到研究区域地物光谱特征的影响，可能会丢失细小的变化图斑，但是在一般情况下总体效果良好 ( 冯德俊，2004) 。

图 4 －8 HIS 融合法结果

把研究区震前 IKONOS 的全色波段影像和震后QuickBird 的多光谱影像运用光谱特征变异法中的 HIS进行了融合，结果见图 4 －8。从图中可以看出，没有发生变化的区域光谱特征和分辨率都得到了加强 ( 空间分辨率变为 1m) ，其中水体、河流为蓝色，山地为褐色，植被信息为绿色，白色区域明显与四周的地物和背景信息光谱不协调，这就是发生变化的区域。

( 二) 主成分分析法

主成分分析法在遥感变化信息检测中使用很多，一般能够取得很好的检测效果，它能够在一定程度上消除影像内部各波段间的相关性，提高变化信息检测的效率和精度。

图 4 － 9 为 IKONOS 融合后影像与 QuickBird 融合后影像求差并取绝对值后进行主成分变换的第一个主成分图像。由主成分变换的特性知道，变换结果的第一分量集中了影像绝大部分的变化信息，而其他分量则主要反映了波段之间的差异性。第一分量就代表着变化信息。图 4 －9 中白色区域为发生变化的区域。

基于主成分分析的遥感变化信息检测方法仍然存在着一些缺陷: ① 由于主成分变换所得到的各个分量往往失去了原有的物理意义，所以还需要参考其他数据来分析地物类型变化与否及其因果关系。② 主成分分析 ( PCA) 是基于二阶统计的方法，只有在信号的统计分布满足高斯分布的条件下，才能完全消除信号间的相关性，而对于非高斯信号则只能去除信号间的二阶相关性 ( 钟家强、王润生，2006) 。在多时相遥感影像中，各种地类的光谱特性几乎都不能满足高斯分布，因此经过主成分变换后的各成分图像间仍然存在高阶相关性，而这些相关信息会直接影响到变化信息的检测和提取。由于这个原因，在做主成分分析时，常常导致把这些高阶相关信息转变为噪声，如图 4 －9 所示，白色的 “斑点”遍布整个分量影像，又和变化信息掺杂在一起 ( 变化的区域也为高亮的白色) ，这使得在提取真正变化信息的时候遇到困难，如何有效地消除多时相图像间的高阶相关信息，避免这些 “伪变化”的噪声，对于变化信息的检测和提取具有非常重要的意义。

可以进行主成分分析的

至于你的数据只提取了一个主成分，有可能是数据有问题，当然也有可能的确是这些变量之间本身就存在很强的相关性，所以主成分分析只提取一个主成分就能够代表你目前的这些变量了，没必要太奇怪，你可以做一下这些变量之间的简单相关，看相关性如何