基于近紅外光譜技術的季戊四醇生產過程中產品及副產物含量在線監測

李 艷 伍 慶 全宏冬 楊秀國 王青梅 肖恒宇 李鴻雁江 俊 解 田,,6*

(1.貴州大學 化學與化工學院, 貴陽 550001;2.貴州師范大學 貴州省山地環境信息系統與生態環境保護重點實驗室, 貴陽 550001;3.赤峰瑞陽化工有限公司, 赤峰 024076;4.內蒙古自治區多元醇化工新材料企業重點實驗室, 赤峰 024076;5.中國科學技術大學 化學與材料科學學院, 合肥 230026;6.中低品位磷礦及其共伴生資源高效利用國家重點實驗室, 貴陽 550016)

引 言

季戊四醇,又名四羥甲基甲烷,化學名稱為2,2-二羥甲基-1,3-丙二醇,為白色粉末狀晶體,分子式為C5H12O4,分子量為136.15,是一種重要的化工產品,在樹脂、涂料、化工、制藥及國防等領域具有廣泛的應用[1-5]。 季戊四醇由甲醛和乙醛在堿性催化劑的作用下發生Alder 和Cannizzaro 反應而制得[6-7],在季戊四醇的合成過程中,往往會產生雙季戊四醇、甲酸鈉、三季戊四醇、巴豆醛等副產物[8],使季戊四醇發黃,嚴重影響了產品的質量和產量。 因此,對季戊四醇的生產過程進行在線實時監控是十分必要的。 目前,季戊四醇的檢測方法主要有氣相色譜法和高效液相色譜法(HPLC)[9-10],這些檢測方法都有一定的局限性,不僅費時費力,而且不能及時反饋季戊四醇在合成過程中相關物質的變化,無法對其生產過程及時進行調整。 為了提高季戊四醇的生產效率和產品質量,建立一種實時可靠的季戊四醇產品中相關化合物的分析方法具有重要的實際意義。

近紅外光譜(near infrared, NIR)在光譜技術中占主導地位,NIR 分析方法將光譜測量技術與化學計量學有機地結合起來[11],建立物質光譜與待測成分之間的定量模型,利用模型可以檢測未知樣品的相關信息[12-14]。 與傳統的HPLC 法相比,近紅外光譜法具有檢測速度快、易于操作、效率高、成本低、無污染、可多組分同時測定等特點,更重要的是該方法適用于在線分析[15-16],在食品、石油、化工、煙草、紡織、環保及生物科學等領域具有廣泛的應用[17-18]。

目前,利用近紅外光譜技術對季戊四醇產品及副產物含量進行在線監測的研究未見文獻報道。 本研究采用近紅外光譜技術,建立了季戊四醇生產過程中產品及其副產物質量控制的一種新方法。 通過建立的定量校正模型,可以在線快速測定季戊四醇產品及其副產物的含量變化,以提高季戊四醇產品的質量和產率,本研究結果可以為季戊四醇的整個生產過程監測提供實驗依據。

1 實驗部分

1.1 實驗材料與儀器

37%甲醛、乙醛(含量≥90%)、氫氧化鈉(純度≥96%)、85% 甲酸、季戊四醇對照品(純度≥98%)、甲酸鈉對照品(純度≥95%)、雙季戊四醇對照品(純度≥85%),均購自赤峰瑞陽化工有限公司。

Antaris II 型傅里葉變換近紅外光譜儀,美國賽默飛世爾公司;LC-20AD 型高效液相色譜儀,檢測器為RID-10A 型示差檢測器,日本島津公司;DF-101S 型集熱式恒溫加熱磁力攪拌器,鞏義市予華儀器有限公司;JA103H 型電子分析天平,天津天馬衡基儀器有限公司;BT100-2J 型蠕動泵,蘭格恒流泵有限公司。

1.2 季戊四醇的合成

精密稱取適量氫氧化鈉,用蒸餾水配制成32%(質量分數)的氫氧化鈉溶液。 將202 g 的37%甲醛溶液加入反應瓶中,將乙醛溶液(含量≥90%)稀釋成40%的溶液。 將55 g 的40%乙醛溶液和75 g 的32%氫氧化鈉溶液分別加入兩個試劑瓶中,利用蠕動泵將乙醛溶液和氫氧化鈉溶液向反應瓶中橫流滴加,80 min 滴加完畢,滴加過程中控制溫度在45 ℃以下。 滴加完畢后,將反應釜恒溫45 ℃反應100 min,反應結束后,用甲酸溶液調節pH 值為6.7左右。

1.3 對照品及供試品溶液的制備

季戊四醇對照品溶液 精密稱取季戊四醇對照品2.06 g 于100 mL 容量瓶中,用蒸餾水定容,配制成20.6 mg/mL 的季戊四醇對照品溶液,置于冰箱中保存。

混合對照品溶液 分別精密稱取適量季戊四醇、甲酸鈉、雙季戊四醇對照品于100 mL 容量瓶中,加蒸餾水定容,配制成混合對照品溶液,3 種對照品的質量濃度分別為3.97、10.14、1.32 mg/mL,置于冰箱中保存。

1.4 高效液相色譜法測定樣品含量

色譜柱為Inertil ODS - SP 純水型C18 柱(4.6 mm×250 mm,5 μm,日本島津公司),柱溫50 ℃,流速2 mL/min,流動相為純水,進樣量50 μL,采用面積歸一法測定季戊四醇、甲酸鈉、雙季戊四醇的含量。

1.5 近紅外光譜采集和預處理

1.5.1 近紅外光譜采集

利用近紅外光譜儀中的ANTARIS II FT-NIR分析儀采集近紅外光譜,以空氣為參比,選擇積分球漫反射模式作為采樣方法記錄在線紅外數據。 在進行光譜采集前,將儀器開機預熱1 h 以上。

光譜采集條件:分辨率8 cm-1,掃描次數64,掃描范圍4 000 ～10 000 cm-1,溫度25 ℃,相對濕度50% ～60%。 按照上述條件,對每個樣品進行3 次采集,并對3 次采集的光譜進行處理,利用OMNIC軟件求得平均光譜。

1.5.2 光譜預處理

在整個建模過程中,使用TQ Analyst 軟件進行處理。 在光譜采集過程中通常會產生一些干擾,例如樣品采集的背景、光的散射、基線產生的漂移等[19],這些干擾會直接影響模型的準確性,因此對原始光譜進行預處理是必不可少的。 此外,光譜預處理還可以提高光譜中關鍵信息的質量。 常用的光譜預處理方法有多元散射校正(MSC)[20]、標準正態校正(SNV)[21]、一階導數(F-D)[19]、二階導數(SD)[22]、無平滑濾波(N-s)[23]、平滑濾波(S-Gf)[19,23]、導數濾波(N-d-f)[23]等方法。 本研究采用不同預處理方法組合的方案對原始光譜進行預處理,以找到最佳的預處理方法。

機構布局方面，截至2017年8月31日，銀行業在自貿區內新設立分支行共217家，其中國有銀行83家，股份行60家。股份制銀行在自貿區設立分支機構的主要特征有：第一，前兩批自貿區是布局重點區域；第二，招行、浦發、民生、平安、華夏銀行在上海自貿區均設立一級分行，華夏銀行在天津自貿區設立一級分行，其他情形以設立二級分行居多，基本是建立在原來支行基礎上升格而來。

1.6 校正集和預測集的劃分

將乙醛和氫氧化鈉溶液全部加入后,分別取反應時間為10、20、30、40、50、60、70、80、90、100 min 的樣品,用甲酸處理,共5 組(50 個樣品)。 其中40 個樣品作為校準集,10 個樣品作為測試集。

1.7 模型主因子數的確定

主因子的數量也是影響模型性能的關鍵因素。如果主因子數過少,會丟失很多關鍵信息,導致模型的預測能力較差;如果主因子數過多,則會包含大量無用的信息,導致模型的性能降低。 通常主因子數的選擇與交叉驗證均方根誤差(RMSECV)有關,當RMSECV 達到最小值后又小幅上升或波動時,該點對應的主因子數就是最佳主因子數。 因此,本研究通過RMSECV 的變化趨勢來確定最佳主因子數。

1.8 模型建立

首先,采集季戊四醇合成過程中不同反應時間的樣品,通過HPLC 法測定樣品中季戊四醇、甲酸鈉、雙季戊四醇的含量;然后,通過近紅外光譜法對樣品掃描并對光譜圖進行預處理,得到具有樣品特征的近紅外光譜圖;在最佳的預處理方案和主因子數下,采用偏最小二乘法(PLS)對HPLC 法測得的化合物含量與近紅外光譜進行線性回歸,得到二者的線性關系,從而建立起3 種化合物含量的定量分析模型。 測定未知樣品時,只需將未知樣品的近紅外光譜導入模型中,即可預測出這3 種化合物的含量。

1.9 模型質量評價

以校正集的均方根誤差(RMSEC)及相關系數(Rc)、預測集的均方根誤差(RMSEP)及相關系數(Rp)作為模型的評價指標。 如果一個模型具有較高的Rc、Rp值和較低的RMSEC、RMSEP 值,則認為模型是高性能的。

2 結果與討論

2.1 HPLC 色譜圖

取混合對照品溶液以及季戊四醇合成過程中的供試品溶液進行HPLC 檢測,得到相應的色譜圖,如圖1 所示。 通過對比圖1(a)和(b)可知,供試品溶液中3 種化合物的出峰時間分別與混合對照品溶液中甲酸鈉、季戊四醇、雙季戊四醇的出峰時間相同,因此供試品溶液中化合物1 為甲酸鈉,2 為季戊四醇,3 為雙季戊四醇。

圖1 混合對照品溶液和供試品溶液的HPLC 色譜圖Fig.1 HPLC chromatograms of the mixed reference solution and the test solution

2.2 近紅外光譜圖及光譜預處理方法

對季戊四醇合成過程中不同反應階段的樣品進行光譜采集,得到目標產品季戊四醇、副產物甲酸鈉和雙季戊四醇的近紅外光譜圖,對每個樣品采集3次,求得平均光譜。 樣品的原始光譜疊加圖如圖2所示,其中縱坐標R代表反射率。

圖2 樣品的近紅外原始光譜疊加圖Fig.2 Original NIR spectral superposition of the sample

由于各種因素的影響,原始光譜不僅包含自身的近紅外光譜信息,而且還包含其他噪聲信息。 因此,為了使模型的性能達到最佳,需要對原始光譜進行預處理。 不同預處理方法的結果如表1 所示。 可以看出,季戊四醇、甲酸鈉、雙季戊四醇分別在預處理組合方式為SNV+F-D +N-s、SNV +F-D +Ns、SNV+S-D+S-G-f 時,模型具有較高的Rc、Rp值和較低的RMSEC、RMSEP 值,模型性能較優。 因此,本文選擇這3 種組合方案分別對季戊四醇、甲酸鈉、雙季戊四醇的近紅外光譜進行預處理。

表1 不同預處理方法對季戊四醇及其副產物模型的影響Table 1 Effects of different preprocessing methods on the models of pentaerythritol and its by-products

2.3 最佳模型主因子數

模型主因子數量直接影響模型的預測能力。 圖3 顯示了RMSECV 值隨待測物質中季戊四醇、甲酸鈉和雙季戊四醇主因子數量的變化。 由圖3 得到,3種物質的RMSECV 隨主因子數的增加均呈現先減小后增大的趨勢,季戊四醇、甲酸鈉、雙季戊四醇在主因子數分別為6、6、2 時RMSECV 值最小,模型預測能力較好。

圖3 RMSECV 隨季戊四醇、甲酸鈉和雙季戊四醇主因子數的變化Fig.3 RMSECV changes with the number of main factors of pentaerythritol, sodium formate and dipentaerythritol

2.4 模型質量評價結果

在最佳的預處理方案和主因子數下,采用PLS定量校正方法建模,結果如圖4 ～6 所示。 由圖4(a)、5(a)和6(a)可以看出,校準集(Calibration)和測試集(Validation)的數據點位于直線上或靠近直線,表明采用模型得到的預測值與HPLC 法測得的實際值之間具有較好的相關性;季戊四醇、甲酸鈉、雙季戊四醇這3 種物質的定量分析模型評價指標RMSEC 分別為0.563、0.964、0.591,Rc分別為0.980 6、0.990 7、0.919 2,RMSEP 分別為0.450、0.364、0.311,Rp分別為0.927 4、0.990 8、0.963 6。由圖4(b)、5(b)和6(b)可以看出,樣品的預測值與實際值的偏差均在±3%以內,表明本文所建模型的預測精密度較好。 以上結果表明本文建立的模型是可靠的,具有較好的預測精密度和預測穩定性,可以用于季戊四醇生產過程的在線監控。

圖4 季戊四醇模型的質量評價結果Fig.4 Quality evaluation results for the pentaerythritol model

圖5 甲酸鈉模型的質量評價結果Fig.5 Quality evaluation results for the sodium formate model

圖6 雙季戊四醇模型的質量評價結果Fig.6 Quality evaluation results for the dipentaerythritol model

2.5 模型驗證

模型的質量不僅取決于建模方法和光譜預處理方法的正確選擇,而且還會受到樣品穩定性和儀器精密度的影響。 因此,還需要對建立的模型進行驗證。一般來說,在進行近紅外模型驗證時需要把參考方法(HPLC 法)的測量結果與近紅外模型的預測結果進行統計分析,以評估模型的性能。 本實驗從線性、準確度、可重復性方面驗證本文建立的模型。

2.5.1 線性

近紅外分析技術的線性是指近紅外法的預測值與HPLC 法得到的測量值之間的關系。 分別對季戊四醇、甲酸鈉、雙季戊四醇模型進行線性分析,結果見圖7。 結果表明,這3 種模型的線性關系較好。

圖7 模型的線性關系Fig.7 Linear relationship of the models

2.5.2 準確度

將模型的預測值與HPLC 法的參考值進行配對t檢驗,評價其準確度,如表2 所示。t檢驗結果顯示,季戊四醇、甲酸鈉、雙季戊四醇這3 種化合物的定量分析模型的P值分別為0.514 1、0.980 8、0.284 9,均大于0.05,說明3 種近紅外定量模型的預測值與HPLC 法的參考值之間的差異不顯著,模型的準確度較好。

表2 t 檢驗結果Table 2 t-test results

2.5.3 可重復性

在本實驗中,同一操作人員在同一天對同一樣品進行5 次近紅外光譜測量,考察該方法的重復性,結果如表3 所示。 季戊四醇、甲酸鈉、雙季戊四醇含量的相對標準偏差(RSD)分別為1.9%、1.7%、2.7%,表明模型的重復性較好。

表3 模型的重復性Table 3 Repeatability of the models

3 結論

本研究利用PLS 方法建立了生產過程中季戊四醇、甲酸鈉和雙季戊四醇含量的近紅外定量分析模型,并對模型進行了驗證。 結果表明,本文建立的模型穩定可靠,具有較好的預測能力,可以用于季戊四醇生產過程中產品及副產物含量的快速檢測和實時在線監控,為季戊四醇的工業化生產提供參考。在后續的研究中,本課題組將對該定量模型進一步優化,以得到更加穩定的模型。