基于近红外光谱技术的季戊四醇生产过程中产品及副产物含量在线监测

李 艳 伍 庆 全宏冬 杨秀国 王青梅 肖恒宇 李鸿雁江 俊 解 田,,6*

(1.贵州大学 化学与化工学院, 贵阳 550001;2.贵州师范大学 贵州省山地环境信息系统与生态环境保护重点实验室, 贵阳 550001;3.赤峰瑞阳化工有限公司, 赤峰 024076;4.内蒙古自治区多元醇化工新材料企业重点实验室, 赤峰 024076;5.中国科学技术大学 化学与材料科学学院, 合肥 230026;6.中低品位磷矿及其共伴生资源高效利用国家重点实验室, 贵阳 550016)

引 言

季戊四醇,又名四羟甲基甲烷,化学名称为2,2-二羟甲基-1,3-丙二醇,为白色粉末状晶体,分子式为C5H12O4,分子量为136.15,是一种重要的化工产品,在树脂、涂料、化工、制药及国防等领域具有广泛的应用[1-5]。 季戊四醇由甲醛和乙醛在碱性催化剂的作用下发生Alder 和Cannizzaro 反应而制得[6-7],在季戊四醇的合成过程中,往往会产生双季戊四醇、甲酸钠、三季戊四醇、巴豆醛等副产物[8],使季戊四醇发黄,严重影响了产品的质量和产量。 因此,对季戊四醇的生产过程进行在线实时监控是十分必要的。 目前,季戊四醇的检测方法主要有气相色谱法和高效液相色谱法(HPLC)[9-10],这些检测方法都有一定的局限性,不仅费时费力,而且不能及时反馈季戊四醇在合成过程中相关物质的变化,无法对其生产过程及时进行调整。 为了提高季戊四醇的生产效率和产品质量,建立一种实时可靠的季戊四醇产品中相关化合物的分析方法具有重要的实际意义。

近红外光谱(near infrared, NIR)在光谱技术中占主导地位,NIR 分析方法将光谱测量技术与化学计量学有机地结合起来[11],建立物质光谱与待测成分之间的定量模型,利用模型可以检测未知样品的相关信息[12-14]。 与传统的HPLC 法相比,近红外光谱法具有检测速度快、易于操作、效率高、成本低、无污染、可多组分同时测定等特点,更重要的是该方法适用于在线分析[15-16],在食品、石油、化工、烟草、纺织、环保及生物科学等领域具有广泛的应用[17-18]。

目前,利用近红外光谱技术对季戊四醇产品及副产物含量进行在线监测的研究未见文献报道。 本研究采用近红外光谱技术,建立了季戊四醇生产过程中产品及其副产物质量控制的一种新方法。 通过建立的定量校正模型,可以在线快速测定季戊四醇产品及其副产物的含量变化,以提高季戊四醇产品的质量和产率,本研究结果可以为季戊四醇的整个生产过程监测提供实验依据。

1 实验部分

1.1 实验材料与仪器

37%甲醛、乙醛(含量≥90%)、氢氧化钠(纯度≥96%)、85% 甲酸、季戊四醇对照品(纯度≥98%)、甲酸钠对照品(纯度≥95%)、双季戊四醇对照品(纯度≥85%),均购自赤峰瑞阳化工有限公司。

Antaris II 型傅里叶变换近红外光谱仪,美国赛默飞世尔公司;LC-20AD 型高效液相色谱仪,检测器为RID-10A 型示差检测器,日本岛津公司;DF-101S 型集热式恒温加热磁力搅拌器,巩义市予华仪器有限公司;JA103H 型电子分析天平,天津天马衡基仪器有限公司;BT100-2J 型蠕动泵,兰格恒流泵有限公司。

1.2 季戊四醇的合成

精密称取适量氢氧化钠,用蒸馏水配制成32%(质量分数)的氢氧化钠溶液。 将202 g 的37%甲醛溶液加入反应瓶中,将乙醛溶液(含量≥90%)稀释成40%的溶液。 将55 g 的40%乙醛溶液和75 g 的32%氢氧化钠溶液分别加入两个试剂瓶中,利用蠕动泵将乙醛溶液和氢氧化钠溶液向反应瓶中横流滴加,80 min 滴加完毕,滴加过程中控制温度在45 ℃以下。 滴加完毕后,将反应釜恒温45 ℃反应100 min,反应结束后,用甲酸溶液调节pH 值为6.7左右。

1.3 对照品及供试品溶液的制备

季戊四醇对照品溶液 精密称取季戊四醇对照品2.06 g 于100 mL 容量瓶中,用蒸馏水定容,配制成20.6 mg/mL 的季戊四醇对照品溶液,置于冰箱中保存。

混合对照品溶液 分别精密称取适量季戊四醇、甲酸钠、双季戊四醇对照品于100 mL 容量瓶中,加蒸馏水定容,配制成混合对照品溶液,3 种对照品的质量浓度分别为3.97、10.14、1.32 mg/mL,置于冰箱中保存。

1.4 高效液相色谱法测定样品含量

色谱柱为Inertil ODS - SP 纯水型C18 柱(4.6 mm×250 mm,5 μm,日本岛津公司),柱温50 ℃,流速2 mL/min,流动相为纯水,进样量50 μL,采用面积归一法测定季戊四醇、甲酸钠、双季戊四醇的含量。

1.5 近红外光谱采集和预处理

1.5.1 近红外光谱采集

利用近红外光谱仪中的ANTARIS II FT-NIR分析仪采集近红外光谱,以空气为参比,选择积分球漫反射模式作为采样方法记录在线红外数据。 在进行光谱采集前,将仪器开机预热1 h 以上。

光谱采集条件:分辨率8 cm-1,扫描次数64,扫描范围4 000 ～10 000 cm-1,温度25 ℃,相对湿度50% ～60%。 按照上述条件,对每个样品进行3 次采集,并对3 次采集的光谱进行处理,利用OMNIC软件求得平均光谱。

1.5.2 光谱预处理

在整个建模过程中,使用TQ Analyst 软件进行处理。 在光谱采集过程中通常会产生一些干扰,例如样品采集的背景、光的散射、基线产生的漂移等[19],这些干扰会直接影响模型的准确性,因此对原始光谱进行预处理是必不可少的。 此外,光谱预处理还可以提高光谱中关键信息的质量。 常用的光谱预处理方法有多元散射校正(MSC)[20]、标准正态校正(SNV)[21]、一阶导数(F-D)[19]、二阶导数(SD)[22]、无平滑滤波(N-s)[23]、平滑滤波(S-Gf)[19,23]、导数滤波(N-d-f)[23]等方法。 本研究采用不同预处理方法组合的方案对原始光谱进行预处理,以找到最佳的预处理方法。

机构布局方面，截至2017年8月31日，银行业在自贸区内新设立分支行共217家，其中国有银行83家，股份行60家。股份制银行在自贸区设立分支机构的主要特征有：第一，前两批自贸区是布局重点区域；第二，招行、浦发、民生、平安、华夏银行在上海自贸区均设立一级分行，华夏银行在天津自贸区设立一级分行，其他情形以设立二级分行居多，基本是建立在原来支行基础上升格而来。

1.6 校正集和预测集的划分

将乙醛和氢氧化钠溶液全部加入后,分别取反应时间为10、20、30、40、50、60、70、80、90、100 min 的样品,用甲酸处理,共5 组(50 个样品)。 其中40 个样品作为校准集,10 个样品作为测试集。

1.7 模型主因子数的确定

主因子的数量也是影响模型性能的关键因素。如果主因子数过少,会丢失很多关键信息,导致模型的预测能力较差;如果主因子数过多,则会包含大量无用的信息,导致模型的性能降低。 通常主因子数的选择与交叉验证均方根误差(RMSECV)有关,当RMSECV 达到最小值后又小幅上升或波动时,该点对应的主因子数就是最佳主因子数。 因此,本研究通过RMSECV 的变化趋势来确定最佳主因子数。

1.8 模型建立

首先,采集季戊四醇合成过程中不同反应时间的样品,通过HPLC 法测定样品中季戊四醇、甲酸钠、双季戊四醇的含量;然后,通过近红外光谱法对样品扫描并对光谱图进行预处理,得到具有样品特征的近红外光谱图;在最佳的预处理方案和主因子数下,采用偏最小二乘法(PLS)对HPLC 法测得的化合物含量与近红外光谱进行线性回归,得到二者的线性关系,从而建立起3 种化合物含量的定量分析模型。 测定未知样品时,只需将未知样品的近红外光谱导入模型中,即可预测出这3 种化合物的含量。

1.9 模型质量评价

以校正集的均方根误差(RMSEC)及相关系数(Rc)、预测集的均方根误差(RMSEP)及相关系数(Rp)作为模型的评价指标。 如果一个模型具有较高的Rc、Rp值和较低的RMSEC、RMSEP 值,则认为模型是高性能的。

2 结果与讨论

2.1 HPLC 色谱图

取混合对照品溶液以及季戊四醇合成过程中的供试品溶液进行HPLC 检测,得到相应的色谱图,如图1 所示。 通过对比图1(a)和(b)可知,供试品溶液中3 种化合物的出峰时间分别与混合对照品溶液中甲酸钠、季戊四醇、双季戊四醇的出峰时间相同,因此供试品溶液中化合物1 为甲酸钠,2 为季戊四醇,3 为双季戊四醇。

图1 混合对照品溶液和供试品溶液的HPLC 色谱图Fig.1 HPLC chromatograms of the mixed reference solution and the test solution

2.2 近红外光谱图及光谱预处理方法

对季戊四醇合成过程中不同反应阶段的样品进行光谱采集,得到目标产品季戊四醇、副产物甲酸钠和双季戊四醇的近红外光谱图,对每个样品采集3次,求得平均光谱。 样品的原始光谱叠加图如图2所示,其中纵坐标R代表反射率。

图2 样品的近红外原始光谱叠加图Fig.2 Original NIR spectral superposition of the sample

由于各种因素的影响,原始光谱不仅包含自身的近红外光谱信息,而且还包含其他噪声信息。 因此,为了使模型的性能达到最佳,需要对原始光谱进行预处理。 不同预处理方法的结果如表1 所示。 可以看出,季戊四醇、甲酸钠、双季戊四醇分别在预处理组合方式为SNV+F-D +N-s、SNV +F-D +Ns、SNV+S-D+S-G-f 时,模型具有较高的Rc、Rp值和较低的RMSEC、RMSEP 值,模型性能较优。 因此,本文选择这3 种组合方案分别对季戊四醇、甲酸钠、双季戊四醇的近红外光谱进行预处理。

表1 不同预处理方法对季戊四醇及其副产物模型的影响Table 1 Effects of different preprocessing methods on the models of pentaerythritol and its by-products

2.3 最佳模型主因子数

模型主因子数量直接影响模型的预测能力。 图3 显示了RMSECV 值随待测物质中季戊四醇、甲酸钠和双季戊四醇主因子数量的变化。 由图3 得到,3种物质的RMSECV 随主因子数的增加均呈现先减小后增大的趋势,季戊四醇、甲酸钠、双季戊四醇在主因子数分别为6、6、2 时RMSECV 值最小,模型预测能力较好。

图3 RMSECV 随季戊四醇、甲酸钠和双季戊四醇主因子数的变化Fig.3 RMSECV changes with the number of main factors of pentaerythritol, sodium formate and dipentaerythritol

2.4 模型质量评价结果

在最佳的预处理方案和主因子数下,采用PLS定量校正方法建模,结果如图4 ～6 所示。 由图4(a)、5(a)和6(a)可以看出,校准集(Calibration)和测试集(Validation)的数据点位于直线上或靠近直线,表明采用模型得到的预测值与HPLC 法测得的实际值之间具有较好的相关性;季戊四醇、甲酸钠、双季戊四醇这3 种物质的定量分析模型评价指标RMSEC 分别为0.563、0.964、0.591,Rc分别为0.980 6、0.990 7、0.919 2,RMSEP 分别为0.450、0.364、0.311,Rp分别为0.927 4、0.990 8、0.963 6。由图4(b)、5(b)和6(b)可以看出,样品的预测值与实际值的偏差均在±3%以内,表明本文所建模型的预测精密度较好。 以上结果表明本文建立的模型是可靠的,具有较好的预测精密度和预测稳定性,可以用于季戊四醇生产过程的在线监控。

图4 季戊四醇模型的质量评价结果Fig.4 Quality evaluation results for the pentaerythritol model

图5 甲酸钠模型的质量评价结果Fig.5 Quality evaluation results for the sodium formate model

图6 双季戊四醇模型的质量评价结果Fig.6 Quality evaluation results for the dipentaerythritol model

2.5 模型验证

模型的质量不仅取决于建模方法和光谱预处理方法的正确选择,而且还会受到样品稳定性和仪器精密度的影响。 因此,还需要对建立的模型进行验证。一般来说,在进行近红外模型验证时需要把参考方法(HPLC 法)的测量结果与近红外模型的预测结果进行统计分析,以评估模型的性能。 本实验从线性、准确度、可重复性方面验证本文建立的模型。

2.5.1 线性

近红外分析技术的线性是指近红外法的预测值与HPLC 法得到的测量值之间的关系。 分别对季戊四醇、甲酸钠、双季戊四醇模型进行线性分析,结果见图7。 结果表明,这3 种模型的线性关系较好。

图7 模型的线性关系Fig.7 Linear relationship of the models

2.5.2 准确度

将模型的预测值与HPLC 法的参考值进行配对t检验,评价其准确度,如表2 所示。t检验结果显示,季戊四醇、甲酸钠、双季戊四醇这3 种化合物的定量分析模型的P值分别为0.514 1、0.980 8、0.284 9,均大于0.05,说明3 种近红外定量模型的预测值与HPLC 法的参考值之间的差异不显著,模型的准确度较好。

表2 t 检验结果Table 2 t-test results

2.5.3 可重复性

在本实验中,同一操作人员在同一天对同一样品进行5 次近红外光谱测量,考察该方法的重复性,结果如表3 所示。 季戊四醇、甲酸钠、双季戊四醇含量的相对标准偏差(RSD)分别为1.9%、1.7%、2.7%,表明模型的重复性较好。

表3 模型的重复性Table 3 Repeatability of the models

3 结论

本研究利用PLS 方法建立了生产过程中季戊四醇、甲酸钠和双季戊四醇含量的近红外定量分析模型,并对模型进行了验证。 结果表明,本文建立的模型稳定可靠,具有较好的预测能力,可以用于季戊四醇生产过程中产品及副产物含量的快速检测和实时在线监控,为季戊四醇的工业化生产提供参考。在后续的研究中,本课题组将对该定量模型进一步优化,以得到更加稳定的模型。