литература для всех / zolotov_yu_a_red_osnovy_analiticheskoy_khimii_v_2_knigakh_kn

Ввод

Рис. 16.23. Схема потокораспределительной системы для амперометрического определения галактозы в биологических жидкостях:

1 — резистор; 2 — диализатор; 3 — ферментный реактор, содержащий иммоби­ лизованную галактозоксидазу; 4 — ферментный реактор, содержащий иммоби­ лизованную пероксидазу; 5 — амперометрический детектор; 6 — насос

Для анализа биологических образцов предложены потокораспреде­ лительные системы, включающие несколько ферментных реакторов. На рис. 16.23 приведена схема системы для амперометрического определе­ ния галактозы в биологических жидкостях. Система содержит диализа­ тор, окислительно-восстановительный реактор для устранения мешающе­ го влияния аскорбиновой кислоты и два ферментных реактора, содержа­ щих соответственно первый — иммобилизованную галактозоксидазу, второй — иммобилизованную пероксидазу.

В проточных методах для амперометрического детектирования глю­ козы, этанола, аминокислот и других соединений используют модифици­ рованные ферментами электроды, в том числе угольно-пастовые. Пред­ ложена система для последовательно-инжекционного стереоспецифичного определения биохимически активного соединения 5-каптоприла в фармацевтических препаратах. После заполнения потокораспределитель­ ной системы носителем в нее последовательно инжектируются фосфат­ ный буферный раствор и анализируемый образец. Зоны проходят «удер­ живающую» спираль. После этого направление потока меняется на про­ тивоположное, зоны реагентов смешиваются в реакционной спирали и направляются в амперометрический детектор, где регистрируется сигнал. Индикаторным электродом служит угольный пастовый электрод, моди­ фицированный ферментом — /.-аминокислотной оксидазой. Производи­ тельность 80 проб в час.

430

16.5. Автоматизированный контроль технологических « процессов

Преимущества автоматизации особенно очевидны. Она не только повышает производительность труда, но и влияет на качество готовой продукции. Высокая экспрессность автоматизированного анализа позво­ ляет оперативно реагировать на изменение состава сырья или промежу­ точных продуктов, точнее выдерживать технологический режим. Поло­ жительно сказывается и повышение точности анализа при автоматизации.

Задачи контроля технологи привыкли решать, наблюдая за такими параметрами процесса, как температура реакционной смеси или давление в реакторе, вязкость или плотность растворов и т. д. Использовали, ко­ нечно, и прямой химический анализ. Но лишь с появлением высокоавто­ матизированных инструментальных методов стало возможным следить за изменением химического состава в ходе технологического процесса. Пример — применение многоканальных оптических и рентгеновских квантометров в черной и цветной металлургии.

Высокой степенью автоматизации анализа характеризуются собствен­ но химические производства — нефтехимия, тяжелый органический синтез. Действительно, анализ газов или жидких сред легче поддается автоматиза­ ции, чем определение состава твердых образцов. Автоматическое устройст­ во часто размещают прямо «на потоке», контролируя состав в ключевых точках процесса превращения сырья в продукцию. Поскольку из техноло­ гических регламентов известно, что, на фоне чего и в каких примерно ко­ личествах нужно определять, приборы нередко упрощают, «усекая» потен­ циальные аналитические возможности, тем самым облегчая автоматизацию оставшихся функций и удешевляя анализ. Так, в промышленности хромато­ графы служат анализаторами, автоматически получающими и интерпрети­ рующими данные. Среди всех анализаторов их доля составляет около 20%; нередко их оснащают собственным компьютером и ориентируют на специ­ фику конкретного производства. Обычно анализаторы включают и в общую управляющую систему производства; при этом автоматизируется уже не только анализ, но и принятие решений. Головной компьютер, получив дан­ ные анализа и заметив выход того или иного параметра состава за регла­ ментированные границы, способен предпринять корректирующие действия. Такого рода системы, базирующиеся в значительной мере именно на ис­ пользовании газовых хроматографов, широко применяются на предприяти­ ях нефтепереработки, синтеза полимеров и т. п.

Анализ газов вообще хорошо автоматизирован. Так, состав воздуха в шахтах контролируют с помощью газоанализаторов (наиболее важно оп­ ределять содержание метана, которое служит индикатором взрывоопас­

431

ности). Существуют газоанализаторы для определения 0 2, Н2, СО и

других компонентов.

Интересно заметить, что специфика задач промышленного анализа часто от­ ражается и в нестандартных, с точки зрения «лабораторного» химика, принципах устройства анализаторов. Вряд ли в лабораторных условиях кто-либо определяет концентрацию кислорода в газовых смесях по магнитной восприимчивости или содержание воды в нефтяной суспензии по диэлектрической проницаемости. В промышленности же эти методы успешно используют.

Можно провести классификацию технологического анализа по мето­ дам отбора проб. При анализе off-line из технологического потока перио­ дически отбирают дискретные пробы, которые затем анализируют в ла­ боратории. В варианте at-line пробы отбирают с помощью дозатора, уста­ новленного на линии, а оттуда они поступают в анализатор. В системе анализа on-line часть технологического раствора прямо поступает в ана­ лизатор, например через байпас. При анализе in-line датчик непосредст­ венно включен в технологическую схему.

Для контроля производственных процессов все чаще применяют ме­ тоды автоматического проточного анализа. Преимущества такого подхо­ да: высокая производительность, возможность легко переходить от одно­ го типа анализа к другому, автоматизация операций пробоподготовки и измерения аналитического сигнала. Проточно-инжекционный анализ ока­ зался очень эффективным и экономичным приемом автоматизации раз­ нообразных химических процессов и может быть использован во всех указанных выше видах контроля; известны применения для контроля биотехнологических процессов и процессов химического синтеза, при переработке отработанного ядерного топлива, для оценки качества очист­ ки оборотных и сточных вод, при изготовлении продуктов питания и фармацевтических препаратов.

Рассмотрим функционирование использованных в промышленности про- точно-инжекционных систем. Весьма удобны и рациональны системы, основан­ ные на принципе обратного ПИА и титрования в потоке. В схеме обратного ПИА контролируемый поток непрерывно движется через систему трубопроводов, сме­ шивается с раствором реагента; количество продукта реакции непрерывно реги­ стрируется. Периодически в систему вводится раствор сравнения. При определе­ нии компонентов анализируемого раствора после периодического введения микрообьемов реагента появляется возможность осуществить контроль за содержа­ нием нескольких компонентов при очередном введении соответствующих реаген­ тов и уменьшить их расход.

В отличие от рассмотренных выше проточно-инжекционных методов титро­ вание в потоке основано иа измерении не высоты, а ширины пика. Рассмотрим работу потокораспределительной системы для проточно-инжекционного анализа на примере кислотно-осиовного титрования (рис. 16.24). Раствор щелочи извест-

432

та концентрация кислоты уменьшается и окраска индикатора снова становится синей. Время между двумя изменениями окраски ( ) (рис. 16.24) дает возмож­ ность определить концентрацию кислоты, так как верно следующее выражение: l8 cwo = ^жш + &> гДе сно — концентрация кислоты. Значения констант А и В

определяют, вводя в систему серию стандартов. Заметим, что из-за необходимо­ сти разбавления анализируемой пробы чувствительность титрования в потоке меньше, чем в классическом варианте при механическом добавлении титранта.

В варианте последовательного инжекционного анализа с возобнов­ ляемыми колонками разработан способ кислотно-основного титрования в неводных средах. Титрование в неводных средах широко используется в промышленности для контроля технологических процессов. Осуществле­ ние в обычном варианте трудоемко и требует использования проб значи­ тельного объема. Последовательный инжекционный анализ с инжекцией частиц с успехом может быть использован для автоматизации титрова­ ния. Потокораспределительная система для определения серной кислоты в 1-бутаноле приведена на рис. 16.25: ячейку спектрофотометрического проточного детектора заполняют 0 , 2 мл суспензии частиц агарозы, моди­ фицированной кислотно-основным индикатором, в щелочном растворе, затем в систему инжектируется 0,6 мл пробы в 1-бутаноле. Конечную точку титрования устанавливают спектрофотометрически, наблюдая за

Проба

Рис. 16.25. Схема потокораспределительной системы для титрования без разбав­ ления в варианте инжекции частиц:

1 — шприцевой насос; 2 — «удерживающая» спираль; 3 — многоходовой кран; 4 — проточный фотометрический детектор со специальной ячейкой; 5 — суспен­ зия частиц агарозы, модифицированной кислотно-основным индикатором в ще­ лочном растворе

изменением оптической плотности частиц, происходящей в результате взаимодействия иммобилизованного кислотно-основного индикатора с серной кислотой.

16.6. Компьютеризация анализа — общие вопросы

Первоначально компьютеры рассматривали просто как «большие арифмометры». В соответствии с этим представлением их и использовали прежде всего для автоматизации научно-технических расчетов. Очевид­ ная выгоды заключается в повышении надежности вычислений и сниже­ нии затрат времени. В аналитической химии это означало перенесение на компьютер многочисленных «ручных» алгоритмов, связанных в первую очередь с различными графическими приемами и статистической обра­ боткой результатов, а также традиционно важной для неорганического анализа областью расчета равновесий. Соответствующие программы со­ ставлялись нередко в машинных кодах. Характерной их чертой было от­ сутствие универсальности — преобладала ориентация на конкретный тип техники и конкретную задачу исследователя. И то, и другое объяснялось спецификой программирования на уровне машинных команд.

Сейчас ситуация существенно изменилась. Создание алгоритмиче­ ских языков высокого уровня стимулировало появление универсальных программ, пригодных для компьютеров разных типов. Математические задачи аналитической химии стали осмысливаться в общем контексте прикладной математики. Алгоритмы и даже программы, разработанные для нужд других отраслей науки и техники, активно переносятся на хими-

434

ко-аналитическую проблематику. Так, хорошо известный симплексалгоритм поиска экстремума сложной функции ныне широко применяют для оптимизации аналитических методик.

Кардинальным образом изменились представления о возможностях компьютера, причем не только в связи с успехами микроэлектроники. Стало ясно, что компьютеры пригодны для переработки информации в широком смысле этих слов, а не только для арифметических операций с действительными числами. В настоящее время многие полагают, что в рамках аналитической химии оформилась самостоятельная дисциплина —г

аналитическая химия, основанная на использовании компьютеров, ее обозначают сокращенно СОВАС (Computer Based Analytical Chemistry). Считают, что предметом СОВАС являются все аналитические задачи* которые нельзя решить без помощи компьютера. Говорят также об анали­ тической химии, ориентированной на использование компьютеров (CRAC, Computer Aided Analytical Chemistry), имея в виду круг проблем, требующих применения компьютеров не столь настоятельно.

Наконец, существует представление о хемометрике — «химической дисциплине, использующей математические и статистические методы для разработки или выбора оптимальных схем эксперимента и аналитического измерения, а также для получения максимального количества информации из химических данных». Под это определение подпадают и многие классические вопросы аналитической химии, например метрология и расчеты равновесий.

16.7. Управление и сбор данных

Любая аналитическая методика есть, по существу, программа дейст­ вий. Частично эти действия должен выполнить человек, частично — ана­ литический прибор. По мере развития инструментального анализа все больше и больше человеческих функций передается прибору.

Так, для записи спектра поглощения на нерегистрирующем спектро­ фотометре оператор должен был вручную изменять длину волны, вращая барабан, механически связанный с системой движения призмы или ди­ фракционной решетки монохроматора. Ту же операцию развертки спек­ тра быстрее и надежнее выполняет простейший сервомеханизм — шаго­ вый двигатель. Необходимую для работы сервомеханизма программу — последовательность команд включения и выключения — помещают в память компьютера. Иногда, если аналитический прибор не очень сло­ жен, вместо компьютера используют микропроцессор с «зашитой» про­ граммой, тот же микропроцессор используют для проведения простей­ ших операций с данными аналитического измерения (масштабирования, логарифмирования и т. п.).

Обычно, однако, для управления аналитическим прибором и обра­ ботки полученных данных применяют универсальные компьютеры. Ком­ пьютер может при необходимости подключаться к прибору (не очень слож­ ные устройства — спектрофотометр, простейшие хроматографы и т. п.) или входит в комплект обязательно (ИК-Фурье-спектрометр, хромато- масс-спектрометр, атомно-эмиссионный спектрометр с индуктивно свя­ занной плазмой и др.).

Стыковка с компьютером осуществима, даже если она не предусмотрена конструкцией прибора. Непрерывный выходной сигнал измерительного блока (аналоговый сигнал) следует для этого преобразовать в дискретный цифровой код, отображающий значения сигнала через заданные промежутки времени. Реализующее эту процедуру устройство называется аналого-цифровым преоб­ разователем, АЦП (обратное действие выполняет цнфроаналоговый преобразо­ ватель, ЦАП). Полученный с помощью АЦП код уже можно передать компью­ теру. Разумеется, необходимо согласовать число значащих цифр, генерируемых АЦП, с количеством разрядов в машинном слове, синхронизировать передачу и прием данных; предусмотреть контроль ошибок и т. п. Существует несколько стандартизованных соглашений о правилах обмена данными, протоколов (из них наиболее распространен интерфейс для связи через последовательный порт RS-232).

Компьютер можно связать с несколькими приборами, что создает возможность сбора и хранения всех аналитических результатов данной лаборатории, а при необходимости — их совместной интерпретации. При наличии соответствующих устройств (пробоотборники, коллекторы фракций, системы транспортировки) возможно и автоматическое управ­ ление аналитическим циклом, включающим различные инструменталь­ ные методы.

16.8. Первичная обработка данных

Представленную в цифровом виде аналитическую информацию, как правило, подвергают предварительной обработке и преобразованиям. Цель заключается в том, чтобы снизить влияние помех и перевести дан­ ные в наиболее удобную для последующей интерпретации форму. Под помехами в широком смысле понимают как аппаратурные погрешности, обусловленные ограниченной точностью прибора (например, разрешени­ ем спектрометра), возможными сбоями механических частей, электрон­ ных схем и линий связи, так и погрешности, связанные с природой иссле­ дуемого объекта, прежде всего с присутствием мешающих определению веществ. Конечно, в каждом методе анализа существуют специфические источники погрешностей и специально разработанные способы преобра­

436

зования информации. Тем не менее имеются и общие подходы, которые мы кратко рассмотрим.

Прежде всего следует упомянуть многочисленные алгоритмы стати­ стического анализа, предназначенные для усреднения результата анализа, оценки дисперсии, устранения выбросов и т. д. Они хорошо известны и часто входят в стандартное математическое обеспечение.

Более ощутимы преимущества использования компьютера в том случае, когда первичной аналитической информацией является зависимость сигнала от некоторой переменной. Это, например, зависимость поглощения или ис­ пускания от энергии поглощаемого или возбуждающего излучения в различ­ ных видах спектрометрии, зависимость интенсивности сигнала от времени в хроматографии и проточно-инжекционном анализе и т. п.

Общая задача состоит в сглаживании криволинейного контура, уст­ ранении случайного «шума». Простейший подход к ее решению заключа­ ется в накоплении и усреднении сигнала по всем точкам зависимости. Ценность компьютера в этом случае связана с возможностью хранения большого объема информации. При некоторых предположениях относи­ тельно характера распределения «шума» накопление и усреднение увели­

чивают отношение сигнал/шум в V/7 раз, где N — число повторных ска­ нирований. Наиболее широко этот подход используют в ЯМРспектроскопии. Заметим, что хранение спектров или временных зависи­ мостей в памяти ЭВМ позволяет также легко проводить сравнение и вы­ читание зависимостей; это широко применяют, например, для устранения сигнала компонента, заведомо «загрязняющего» анализируемый образец.

Часто, однако, накопление кривых изменения сигнала требует слиш­ ком большого времени. Эффективными оказываются специальные мето­ ды цифрового сглаживания, оперирующие с кривой, зарегистрированной несколько раз или однократно. Наиболее известным среди них является метод наименьших квадратов (МНК).

Метод позволяет провести через экспериментальные точки кривую за­ данного вида так, чтобы расчетные точки были максимально близки к экспе­ риментальным. Мерой близости служит нормированная сумма квадратов по­ точечных отклонений, а сама процедура МНК сводится к подбору числовых значений коэффициентов заданной функции, минимизирующих эту сумму. Если коэффициенты (параметры) входят в аппроксимирующую функцию линейно (прямая линия, сумма полиномов и т. п.), говорят о линейном МНК, иначе — о нелинейном (гауссов или лоренцев контур, гамма-функция и др.). Последний в вычислительном отношении сложнее (см. также гл. 2).

Часто ошибочно полагают, что линейный МНК означает линейность по переменным и подразумевает аппроксимацию прямой (одна перемен­ ная) или гиперплоскостью (несколько переменных). Еще раз подчеркнем, что имеется в виду линейность по параметрам и, например, полиноми-

437

нальная аппроксимация у х= ba + Ь[х +Ь2х2 +Ьъхъ +...+Ьтхт относится к

линейному варианту метода.

МНК-сглаживание нередко используют в аналитических задачах, но его применение сталкивается с важными ограничениями. Одно из них ■— необходимость знать аналитический вид функции, описывающей измене­ ние сигнала. Далеко не всегда он известен. Кроме того, нелинейный МНК может требовать довольно значительных затрат времени и осложняться корреляцией параметров, приводящей к неоднозначности решения и вы­ числительным проблемам. Эти трудности особенно существенны при обработке протяженной кривой сложной составной формы. В этом случае можно прибегнуть к цифровой фильтрации «шума».

Наиболее распространен сглаживающий полиномиальный фильтр Савицко­ го—Голея. ИДея метода такова. Выбирают несколько соседних эксперименталь­ ных точек («окно»), и в пределах «окна» аппроксимируют данные полиномом заданной степени при помощи МНК. После этого центральную точку в «окне» заменяют соответствующей точкой аппроксимирующего полинома, а остальные оставляют без изменения. Затем «окио» сдвигают иа одну точку и процедуру по­ вторяют. Такая «скользящая» локальная аппроксимация продолжается, пока не будет пройдена вся кривая. Метод хорошо разработан и многократно проверен. В случае равноотстоящих точек даже не требуется обычных в полиномиальном МНК вычислений; решение доведено до простых формул с табулированными коэффициентами (табл. 16.5, рис. 16.26).

Рис. 16.26. Сглаживание спектральных линий при помощи фильтра Савицко­ го—Голея

438

Т а б л и ц а 16.5. Коэффициенты фильтра Савицкого—Голея C;L

от данной; «ширина» фильтра L =2k +\ , иорма S = 'У']cf ; фильтр симмет­

ричен, cf,. = cf = <$,)

Еще одна типичная задача, примыкающая к сглаживанию, — интер­ поляция, проведение кривой через точки, зарегистрированные при недос­ таточном разрешении. Экспериментальные значения можно считать из­ меренными точно, и проблема состоит в разумном восстановлении вида зависимости между заданными точками. В последнее время ее обычно решают при помощи кусочно-непрерывной сплайн-интерполяции.

Экспериментальную зависимость разбивают иа интервалы и описывают внутри каждого из иих кубической параболой. Набор коэффициентов последней для каждого интервала подбирают так, чтобы была достигнута наибольшая сум­ марная «гладкость» (наименьшая суммарная кривизна) всей 1фивой, а в точках соединения интервалов отсутствовали скачки.

Среди приемов первичной обработки данных следует также отметить Фуръе-преобразование (ФП). В ряде методов анализа (импульсная ЯМР-

439