Свежие записи
13 сентября 2021

Автор: ВикторРаздел: Тонкие пленки

03 сентября 2021

Автор: ВикторРаздел: Рамановская спектроскопия (спектроскопия комбинационного рассеяния)

27 августа 2021

Автор: ВикторРаздел: Рамановская спектроскопия (спектроскопия комбинационного рассеяния)

19 августа 2021

Автор: ВикторРаздел: Спектроскопия

11 августа 2021

Автор: ВикторРаздел: Рамановская спектроскопия (спектроскопия комбинационного рассеяния)

02 августа 2021

Автор: ВикторРаздел: Рамановская спектроскопия (спектроскопия комбинационного рассеяния)

Подписка на новые статьи


Нажимая кнопку «Подписаться», вы принимаете условия «Соглашения на обработку персональных данных».

Количественный анализ водорастворимых полимеров с помощью рамановского спектрометра i-Raman EX

АВГ112021

Введение

Колебательная спектроскопия – это хорошо зарекомендовавший себя мощный инструмент для определения характеристик полимеров [1, 2]. Инфракрасная и рамановская спектроскопия – это дополнительные методы, которые позволяют получить молекулярный отпечаток материала и позволяют проводить как качественный, так и количественный анализ [3]. В целом, инфракрасная спектроскопия обеспечивает отличный выбор функциональных групп, связанных с полимерной композицией, что делает её широко используемой для идентификации полимеров и определения их структурных характеристик. Рамановская спектроскопия также предоставляет широкий доступ к выбору функциональных групп, которые позволяют определять химический состав и структуру вещества. Обычно рамановская спектроскопия исследует неполярные химические группы, такие как множественные колебания основной цепи C-C и сильные характерные ароматические полосы. Эти характерные полосы комбинационного рассеяния дают подробную информацию о конформации цепи, а также позволяют легко различать полимерные системы на основе ароматических соединений [3].

Для определения степени функционализации полистирола для создания водорастворимого полимера требуется простой надежный количественный анализ. Новое поколение рамановских приборов представляет собой небольшую, экономичную, удобную для пользователя высокопроизводительную систему. Сильные характеристические полосы комбинационного рассеяния ароматической группы наряду с незначительным сигналом от воды позволяют просто измерить конечный водный полимер, чтобы определить степень реакции.

Первоначальная оценка рамановской спектроскопии для количественного определения реакции функционализации полимера:

Спектры комбинационного рассеяния исходного начального полимера и полностью функционализированного полимера показывают сильные характерные ароматические полосы для исходных и полностью функционализированных полимеров (см. рис. 1). Наиболее сильные спектральные особенности для исходных и полностью функционализированных полимеров наблюдаются в виде изолированных полос при 1002 см-1 и 1132 см-1 соответственно. Эти уникальные спектральные особенности демонстрируют, что спектроскопия комбинационного рассеяния хорошо подходит для данного типа анализа и будет поддерживать либо простой классический метод одномерного отношения полос, либо количественный метод на основе PLS (частичных наименьших квадратов).

Спектры комбинационного рассеяния света двух чистых полимерных компонентов

Рис. 1. Спектры комбинационного рассеяния света двух чистых полимерных компонентов: исходного полистирольного материала (зеленая кривая) и полностью функционализированного полимера (синяя кривая), измеренные с разрешением 4 см-1 при возбуждении на 1064 нм.

Результаты анализа:

Необходимы хорошо разработанные методы хемометрического анализа, которые подходят для заводских лабораторий контроля качества (КК) для определения степени функционализации конечного полимера. Для этого требуется экспертная система, в которой интерфейс для лаборанта по контролю качества представляет собой простой рабочий процесс с интуитивным нажатием кнопки.

Реакция функционализации полистирола включает как органическую, так и водную фазы, где исследуемый водорастворимый полимер присутствует в водной фазе. Анализ должен включать предварительную качественную (классификационную) модель, чтобы подтвердить, что для окончательного анализа была отобрана правильная фаза. Последующий количественный анализ водного функционализированного полимера будет использовать регрессию методом частичных наименьших квадратов для анализа одной переменной (PLS1) с целью определения процентного содержания функционализированного полимера с четко определенной точностью и разрешением. Такой подход гарантирует, что анализ предоставляет простую и удобную систему, подходящую для производственной аналитической лаборатории.

Эксперимент

Измерительное оборудование:

Спектры комбинационного рассеяния света были измерены с использованием возбуждения на длине волны 1064 нм при выходной мощности лазера ≈ 495 мВт в геометрии обратного рассеяния на 180° и в спектральном рабочем диапазоне от 250 до 2500 см-1 с разрешением 9.5 см-1 (при 1296 нм). Измерительное оборудование включало в себя рамановский спектрометр i-Raman EX компании B&W Tek с термоэлектрически охлаждаемым InGaAs детектором на 512 элементов и волоконно-оптический зонд, который был подключен к держателю виал NR-LVH. Образцы водного полимера (≈10-20 весовых % твердых веществ) были залиты в виалы из боросиликатного стекла с завинчивающейся крышкой (высота 4.5 см, внешний диаметр 1.5 см, внутренний диаметр 1.1 см) для рамановских измерений. Сбор данных производился с использованием программного обеспечения BWSpec (с функцией вычитания темнового спектра). Растворы измерялись при времени интегрирования 500 мс и 264 накоплениях, в результате чего общее время измерения составляло 5 минут.

Программное обеспечение:

Пакет программного обеспечения BWIQ  для многокомпонентного хемометрического анализа использовался для разработки методов качественной классификации и количественного анализа. Программное обеспечение включало стандартные инструменты распознавания взаимосвязей, классификации и количественного хемометрического анализа [4].

Анализ данных:

Модель классификации используется, чтобы гарантировать, что образец состоит из водного слоя, содержащего полимер, а не алифатического органического слоя. Анализ, использованный для разработки модели классификации PCA-MD, включал: разделение выборки (алгоритм Кеннарда-Стоуна), спектральную предварительную обработку (среднее центрирование, нормализация максимального значения), выбор переменных (спектральный диапазон) и классификацию (анализ главных компонентов – расстояние Махаланобиса). Параметры, выбранные для окончательной хемометрической модели классификации PCA-MD для измеренных спектров комбинационного рассеяния, показаны ниже (см. Таблицу 1).

Таблица 1. Параметры модели классификации PCA-MD для измеренных спектров комбинационного рассеяния.

Параметр Математическая компонента
Предварительная обработка данных Центрирование
Нормализация Нормализация максимального значения
Метод регрессии PCA-MD
Кол-во главных компонентов 3
Рабочий диапазон волновых чисел 650 – 1700 см-1

После подтверждения соответствия измеренных рамановских спектров спектрам водорастворимого полимера для определения степени функционализации полимера используется модель частичных наименьших квадратов. Было отобрано шестьдесят различных водорастворимых полимеров с различной степенью функционализации полистирола. Системы варьировали по степени функционализации от 65 до 98%, как определено с помощью 1H ЯМР спектроскопии. Параметры, выбранные для окончательной хемометрической модели PLS1 процентного количественного определения для измеренных спектров комбинационного рассеяния функционализированного водорастворимого полимера, показаны ниже (см. Таблицу 2).

Таблица 2. Параметры хемометрической модели PLS1 процентного количественного определения функционализированного полимера на основе спектров комбинационного рассеяния.

Параметр Математическая компонента
Предварительная обработка данных Автомасштабирование
Спектральная производная Савицкого-Голая второго порядка со степенью = 3 при размере окна = 5
Метод регрессии PLS1
Кол-во главных компонентов 6
Рабочий диапазон волновых чисел 995 – 1200 см-1

Разработанные методы хемометрического моделирования (в формате CMML) были сохранены для их удобного переноса на производственную площадку в будущем.

Результаты

Первоначальная оценка данных комбинационного рассеяния функционализированного полимера:

Спектры комбинационного рассеяния, измеренные спектрометром i-Raman EX для полимера с низкой, средней и высокой функциональностью, демонстрируют превосходные отличительные свойства в области 900 – 1300 см-1 (см. рис. 2). Дополнительная особенность, наблюдаемая при 981 см-1, появляется от неорганических частиц. Спектральная предварительная обработка второй производной обеспечивает четко определенную базовую линию и разрешение желаемых ароматических пиков для исходного и функционализированного полимеров.

Простой анализ отношения высоты пиков используется для оценки качества данных комбинационного рассеяния для определения функционализации полимера. Были отобраны двенадцать образцов, которые различались по степени функционализации полимера, как определено с помощью 1H ЯМР спектроскопии. Затем определяются интенсивности высот одноточечных пиков спектров второй производной при 1126 см-1 и 1005 см-1. Анализ высоты пика двух компонентов (i = начальный, f = конечный) использовал отношение этих двух уникальных полос для полосы компонента f, деленное на сумму двух полос компонентов (i + f). Ожидаемый диапазон этого отношения будет от 0 до 1, где 1 соответствует 100% функционализированному полимеру. Этот простой одномерный анализ соотношения полос привел к очень хорошей линейности (см. рис. 2), подтвердив пригодность спектральных данных комбинационного рассеяния для разработки надежной количественной модели PLS1.

Наложение спектров сверху показывает спектры комбинационного рассеяния света и спектры их второй производной трех различных полимеров, представляющих системы с низкой, средней и высокой функциональностью График корреляции для простого отношения высоты пиков с использованием двух диагностических полос

Рис. 2. Наложение спектров сверху показывает спектры комбинационного рассеяния света и спектры их второй производной трех различных полимеров, представляющих системы с низкой, средней и высокой функциональностью. Спектральная характеристика на 981 см-1 (красная звезда) появляется от различного количества неорганических частиц. Высоко диагностические полосы при 1002 и 1132 см-1 от исходных и функционализированных полимеров обозначены зелеными звездами). График корреляции для простого отношения высоты пиков с использованием двух диагностических полос по сравнению с определенным 1H ЯМР размером функционализированного полимера показан снизу.

Стандартная выборка:

Хорошо спроектированный калибровочный набор включает ожидаемые возможные вариации будущих образцов. Сюда входят диапазоны концентраций компонентов, а также изменчивость, обусловленная процессами и окружающей средой. Для PCA-MD классификации образцов органической и водной фаз сюда входили несколько производственных образцов (как из органической, так и из водной фаз). Для окончательного количественного анализа методом PLS1 набор включал более семидесяти образцов из первоначального экспериментального набора исследовательской лаборатории, пробных серий образцов и производственных партий, которые были полностью охарактеризованы с помощью 1H ЯМР спектроскопии.

Дискриминационный PCA-MD анализ органической и водной фаз:

Анализ главных компонентов (PCA) – это хемометрический метод, в котором исходные спектральные данные преобразуются в новую систему координат, которая объединяет информацию, содержащуюся в исходных взаимно коррелированных переменных, в несколько некоррелированных переменных, называемых главными компонентами. PCA можно использовать для уменьшения размерности путем обнуления одного или нескольких самых маленьких основных компонентов. Это приводит к проекции данных меньшего размера, которая сохраняет максимальную дисперсию данных.

Этот многомерный анализ выявляет внутреннюю структуру данных таким образом, чтобы можно было просто объяснить различия в данных. Таким образом, это полезный инструмент для визуализации наборов данных. При любой ротации главных компонентов первый компонент учитывает максимальную долю отклонения, а последующие компоненты учитывают оставшееся отклонение.

PCA явно позволяет группировать или кластеризовать спектры комбинационного рассеяния в различные классы. График кумулятивного объясненного отношения количественно определяет, насколько вариативность объясняется в первых N компонентах. В этом исследовании три (N) переменных объясняют 98% дисперсии. Методы кластерного анализа агрегируют спектры комбинационного рассеяния поэтапно на основе сходства их спектральных характеристик (переменных). Простое измерение расстояния отдельного спектра относительно различных кластеров обеспечивает распознавание взаимосвязей. Стандартная метрика расстояния включает расстояние Махаланобиса. Здесь расстояние Махаланобиса – это статистический инструмент, связанный с PCA, и его можно рассматривать как расстояние от точки до центра кластера главных компонентов. Чем меньше расстояние Махаланобиса, тем выше вероятность того, что точка принадлежит кластеру.

Была успешно разработана простая классификационная модель PCA-MD с использованием 37 калибровочных и 34 проверочных рамановских спектров. Модель была на 100% точной в классификации рамановских спектров тренировочной выборки как для органической, так и для водной фаз.

Количественное определение процентного содержания функционализированного полимера на основе PLS1:

PLS регрессия – один из самых популярных многомерных методов, используемых в настоящее время в колебательных спектроскопических методах количественного анализа. Он используется для разработки линейной модели между двумя матрицами, спектральными данными комбинационного рассеяния и эталонными значениями. PLS модель находит эмпирическую взаимосвязь между двумя матрицами (X и Y) и позволяет прогнозировать непрерывное свойство, такое как % функционализации полимера, из тренировочной выборки. В случае спектров комбинационного рассеяния эталонов изменение спектральных характеристик на 1002 см-1 и 1127 см-1 сильно коррелирует с % функционализации полимера. Разработанная количественная модель для определения процентного содержания функционализированного полимера использует алгоритм на основе PLS1 (частичные наименьшие квадраты для одной переменной). Рамановский спектр отображает спектральную область 995 – 1200 см-1, которая включает диагностические полосы как от исходного, так и от прореагировавшего полимера. Предварительная обработка данных включала в себя вторую производную. Общие характеристики окончательной количественной модели представлены на графике зависимости предполагаемого (PLS) от известного (1H ЯМР) % функционализированного полимера (см. рис. 3). Использовали 29 калибровочных (синие символы) и 31 проверочный (красные символы) стандарт. Превосходная линейность наблюдалась с R2 0.95 для калибровочных стандартов и 0.87 для проверочных стандартов. RMSE (среднеквадратичная ошибка) основывается на остаточных данных калибровки и обеспечивает простую меру предполагаемых значений. Данная ошибка была рассчитана как для калибровочных (RMSEC), так и для проверочных (RMSEP) стандартов, со среднеквадратичным значением RMSEC  = 1ю22 и RMSEP =  1.43. RMSE менее двух (< 2) говорит о том, что модель демонстрирует хорошие диагностические характеристики.

График зависимости предполагаемого от измеренного функционализированного полимера

Рис. 3. График зависимости предполагаемого (PLS) от измеренного (1H ЯМР) % функционализированного полимера. Синие символы отображают калибровочные стандарты, красные символы – проверочные стандарты.

Точность и разрешение количественной модели PLS1:

Окончательная разработанная модель обеспечивает хорошую линейность между предполагаемыми (PLS) и проанализированными (1H ЯМР) значениями как для калибровочных, так и для проверочных стандартов. В таблице 3 приведены показатели точности и разрешения количественной PLS модели комбинационного рассеяния света. Данные включают в себя RMSEP для стандартов валидации (см. рис. 4), разрешение стандартного однодневного измерения и измерения партии и, наконец, среднее RMSE, рассчитанное для 16 последующих произведенных партий (см. рис. 4). Наблюдаемое разрешение в 0.49% и RMSE от 1.31 до 1.43 демонстрируют хорошие статистические характеристики для этого количественного метода комбинационного рассеяния.

Таблица 3. Статистические критерии качества (разрешение, точность) для количественной модели PLS1 для определения % функционализации полимера.

Статистическая метрика Значение Комментарий
RMSEP 1.43% Разрешение: рис. 3 – PLS модель*
Разрешение 0.49% Разрешение за один день, для одной партии
Среднее RMSE 1.31% Точность: рис. 4 для 16 последующих партий*

*Вклады в вариабельность, как анализа комбинационного рассеяния света, так и анализа 1H ЯМР.

Внешняя проверка партий второй производственной кампании

Рис. 4. Внешняя проверка партий второй производственной кампании: расчетный процент функционализированного полимера в зависимости от значения, определенного методом ЯМР.

Заключение

Высококачественные спектры комбинационного рассеяния водорастворимого полимера на водной основе (≈10-20 весовых % твердых веществ) быстро и легко измеряются с помощью спектрометра i-Raman EX. Рамановский спектр дает четкие уникальные полосы как для исходного, так и для полностью прореагировавшего полимера. Это позволяет разработать простой и надежный метод количественного анализа процентного содержания функционализации полимера с использованием хемометрической модели PLS1 с программным обеспечением от производителя (BWIQ). Окончательный метод анализа спектров комбинационного рассеяния света демонстрирует превосходную линейность, точность и разрешение. Данная модель в настоящее время используется в лаборатории контроля качества одного из производств.

анализатор микропластиков Подробные характеристики рамановской системы с длиной волны возбуждения 1064 нм i-Raman EX

Ссылки

  1. N.J. Everall, J.M. Chalmers, P.R. Griffiths, “Vibrational Spectroscopy of Polymers: Principles and Practice”, John Wiley & Sons, Chichester, 2007
  2. J.L. Koenig, “Spectroscopy of Polymers” American Chemical Society, Washington, DC, 1991
  3. P.J. Larkin, “Infrared and Raman Spectroscopy, Principles and Spectral Interpretation, Second Edition”, Elsevier, Cambridge, MA, 2018
  4. M. Otto, “Chemometrics: Statistics and Computer Application in Analytical Chemistry”, Wiley-VCH Verlag GmbH et Co. KGaA, Weinheim, 2017
Предыдущая статья
АВГ022021

Автор: ВикторРаздел: Рамановская спектроскопия (спектроскопия комбинационного рассеяния)

Следующая статья
АВГ192021

Автор: ВикторРаздел: Спектроскопия