Химические детекторы редко используются по отдельности, чаще они входят в состав аналитических микропроцессорных систем, состоящих из измерительной части на основе датчиков разного типа и программного обеспечения, управляющего
работой всей системы и обработкой результатов измерений. Для настройки систем и регулировки режимов их работы такие устройства строятся на принципе ОС. В состав таких систем часто входят компоненты, выполняющие ряд механических операций: насосы, фильтры, сепараторы и т.д.
Примерами сложных аналитических приборов являются хроматографы, мас-спектрометры, ИК спектрометры и др. В состав таких приборов входят датчики, откалиброванные для проведения определенных измерений или анализов, электронные схемы, управляющие работой системы, и блок обработки сигналов, который также должен компенсировать дрейф различных характеристик и минимизировать другие погрешности.
Жидкостная и газовая хроматография является эффективным методом аналитической химии. Принцип хроматографии заключается во введении жидкости или газа внутрь трубочки, заполненной материалом высокой пористости, в результате чего молекулам исследуемого вещества приходится передвигаться по очень извилистым траекториям [24]. Размер пор материала должен соответствовать диаметру молекул анализируемого состава, который определяется на основе предварительных измерений. Адсорбционные свойства пористого материала также выбираются исходя из характеристик исследуемого образца. На конце трубочки устанавливается электрический детектор (например, кондуктометрический) для обнаружения молекул, прошедших через нее. Отсчет времени начинается по таймеру с момента введения в трубку исследуемого образца. Молекулы, диаметр которых намного меньше диаметра пор, проходят через трубку гораздо быстрее, чем более крупные молекулы. Этот процесс напоминает просеивание гравия через решето. Он позволяет эффективно разделить молекулы анализируемого образца по размерам, в результате чего на выходе трубки появляются группы молекул. Моменты появления групп отделены друг от друга некоторыми интервалами времени. Электрический преобразователь регистрирует пики, соответствующие конкретным группам молекул, и по их площади определяет их концентрацию в анализируемом образце. Время появления каждого пика, являющееся функцией размера молекул и адсорбционных свойств материала, используется для идентификации молекул. На рис. 17.16А приведен пример последовательности пиков, называемой хроматограммой.
время
(А)
(Б)
Рис. 17.16. А — пример хроматограммы, Б — пример выходного сигнала масс-спектрометра
В памяти современных хроматографических систем хранится множество хро-матограмм, используемых для идентификации исследуемых образцов. Иногда применяются многомерные хроматограммы. В настоящее время хроматография
является очень популярным методом проведения химических анализов. Хроматографы выпускаются рядом крупных фирм. По методам хроматографии написано много замечательных учебников. Программное обеспечение современных хроматографов при проведении соответствующих калибровок и наличии специальных библиотек шаблонов позволяет производить автоматическую идентификацию состава широкого спектра образцов.
Масс-спектрометрия — метод аналитической химии, заключающийся в ионизации исследуемого образца, последующем ускорении полученных ионов при помощи высокого напряжения и фокусировки их в луч [25]. Этот луч состоит из нескольких составляющих, соответствующих ионам разных масс и разных зарядов, которые разделяются под действием магнитных или электростатических сил. На рис. 17.16Б показана спектрограмма масс-спектрометра. Расположение линий на спектрограмме соответствует отношению массы к заряду химических компонентов исследуемого образца. Высота линий пропорциональна концентрации молекул в образце с данным отношением масса/заряд. Масс-спектрометрия также является очень популярным лабораторным методом.
Масс-спектрометрия иногда применяется совместно с другими методами химического анализа для повышения избирательной способности при идентификации неионизирующихся компонентов. Также как и хроматограммы, масс-спектро-граммы могут быть обработаны методами хемометрии, описанными в разделе 17.6.1.
ИК спектроскопия на основе преобразования Фурье заключается в облучении исследуемого образца электромагнитными волнами ИК диапазона, меняющимися в заданном интервале значений, и измерении амплитуд поглощенного ИК излучения, соответствующих разным длинам волн [26]. Регистрируемая спектрограмма поглощения от длины волны обычно очень зашумлена, поэтому для восстановления полезного сигнала применяется цифровой фильтр, реализованный на основе преобразований Фурье (рис. 17.17А). Этот метод широко применяется в лабораторных аналитических системах. Он претерпевает постоянные модификации с целью повышения его точности. Эти усовершенствования выполняются не только за счет изменения вычислительных методов, но и благодаря применению универсальных библиотек и калибровок широкого спектра образцов. Недостатком этого метода является сложность проводимых математических преобразований, из-за чего он до сих пор не миниатюризирован. Для обработки результатов ИК спектроскопии могут быть также применены методы хемометрии.
(В)
(А)
Рис. 17.17.А — результаты проведения ИК спектроскопии на основе преобразований Фурье, Б — пример вольтамперометрии
Волыпамперометрия — это электрохимический метод измерения, заключающийся в подаче переменного напряжения на два или три электрода, находящиеся в контакте с жидкостным или газовым анализируемым образцом [27]. Напряжение на электродах запускает окислительно-восстановительные реакции в электроактивных образцах, в результате чего в электрической цепи системы начинает течь ток. На рис. 17.17Б показан пример вольтамперограммы — зависимости тока от приложенного напряжения, по форме которой можно судить о качественном и количественном составе исследуемого образца [28]. В зависимости от формы приложенного напряжения можно получить простую или сложную вольтамперограмму [29]. Конечно, разные электрохимические реакции влияют друг на друга, но, как правило, различные химические соединения имеют свои собственные потенциалы диссоциации, поэтому расположение пиков на потенциальной кривой довольно точно характеризует химический состав образца, а их величина соответствует количеству данного вещества [30]. Вольтамперометрия начала развиваться в начале двадцатого века [31, 32]. Этот метод подходит для идентификации органических, неорганических, металлорганических соединений и металлов. Поскольку результаты вольтам-перометрии очень сложно обрабатывать вручную, для этого применяются методы хемометрии.
Наиболее популярными формами потенциальной кривой являются: линейная, пилообразная, ступенчатая, прямоугольная и импульсная развертки. Для целей диагностирования образцов хорошо подходят линейная и пилообразная развертки, но они обладают не всегда удовлетворительным пределом детектирования, обычно ограниченным 10-3... 104 М уровнями. Предел детектирования других видов разверток составляет порядка 10-7...10-8 M уровней.
Хемометрия
В выходных сигналах большинства измерительных систем для проведения химических анализов содержится очень много информации, поэтому здесь не удается обходиться единичными измерениями или сравнениями с эталонными значениями. Для обработки таких данных и учета характерных особенностей разнообразных химических датчиков были разработаны методы хемометрии. По существу, хемометрия является комплексом методов обработки данных, основанных на математическом и статистическом моделировании химических систем [34]. В общем виде, эти методы могут быть разделены на два раздела: исследование данных и анализ данных.
Обе группы методов основаны на моделировании выходных данных. Модели могут быть параметрическими и непараметрическими [35]. Все статистические модели строятся на предположении, что все переменные распределены по закону Гаусса (по нормальному закону). Поэтому любые эмпирические данные могут быть описаны предполагаемой математической зависимостью. Погрешность измерений при этом определяется по отклонению экспериментальных данных от этой зависимости. Статистические методы, дающие довольно точные предположения о распределении экспериментальных данных, относятся к параметрическим методам.
В непараметрических моделях речь идет об аппроксимациях и не делается никаких предположений о распределении полученных данных. Такие модели обычно проще параметрических и их легче применять. Они, как правило, основываются на простых предположениях, справедливых только для конкретных применений. Статистические робастные модели являются альтернативой строгим параметрическим и непараметрическим методам. Такие модели стараются описать исследуемую систему, используя критерий наилучшего соответствия всему объему экспериментальных данных, для этого определяются выбросы и значимые точки, оказывающие сильное влияние на регрессионные зависимости. Роба-стная статистика направлена на поиск корреляционных зависимостей серийных испытаний и на определение отклонений от этих зависимостей.
Методы исследования данных обычно начинаются с систематизации полученных данных. Систематизация — это хороший способ идентификации групп без предварительного описания их характеристик. Иерархический кластерный анализ (НСА) является одним из методов систематизации. Он заключается в вычислении межэлементных расстояний и их сортировке. После чего элементы связываются друг с другом, начиная с наименьшего расстояния между ними, формируя тем самым новые кластеры. Кластеры объединяются со своими ближайшими соседями на основе евклидова расстояния. Таким образом, цепочка связей будет расти до тех пор, пока не будут использованы все элементы.
Анализ данных также основывается на методах систематизации, но в данном случае эти методы используются для построения модели, помогающей классифицировать образцы на базе уже накопленных знаний. Существует довольно много методик систематизации наблюдений, но все они имеют характерную особенность: для того, чтобы приписать новый образец к той или иной группе или категории используется классификация, построенная на результатах прошлых исследований. Например, в алгоритме поиска ближайшего соседа (KNN) неизвестный образец приписывается к определенному классу, ближайшему к нему в многомерном евклидовом пространстве [34]. Другим методом систематизации является программное независимое моделирование, основанное на классификации аналогий (SIMCA) [36].