WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


На правах рукописи

Калач Андрей Владимирович

ОПРЕДЕЛЕНИЕ ТОКСИКАНТОВ, ФИЗИОЛОГИЧЕСКИ АКТИВНЫХ ВЕЩЕСТВ ПЬЕЗОСЕНСОРАМИ В ГАЗОВЫХ И ЖИДКИХ СРЕДАХ

02.00.02 – аналитическая химия А в т о р е ф е р а т диссертации на соискание ученой степени доктора химических наук

Воронеж – 2008

Работа выполнена в ГОУ ВПО «Воронежский государственный университет»

Официальные оппоненты: Член-корреспондент РАН, доктор химических наук, профессор Шпигун Олег Алексеевич доктор химических наук, профессор Сумина Елена Германовна доктор химических наук, доцент Калмыкова Елена Николаевна

Ведущая организация: Институт геохимии и аналитической химии им. В.И.Вернадского Российской академии наук (ГЕОХИ РАН)

Защита состоится 26 декабря 2008 г. в 14 часов в ауд. 439 на заседании диссертационного совета Д 212.038.19 при Воронежском государственном университете по адресу: 394006, РФ, г. Воронеж, Университетская пл., д.1.

С диссертацией можно ознакомиться в научной библиотеке Воронежского государственного университета.

Автореферат разослан « » ноября 2008 г.

Ученый секретарь диссертационного совета, доктор химических наук М.Ю. Крысин

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

* Одной из актуальных задач современной аналитической химии является разработка экспрессных методов анализа, позволяющих определять содержание компонента в режиме реального времени без трудоемких операций пробоотбора и пробоподготовки. Решение такой масштабной проблемы возможно при использовании тест–методов1, сенсоров и сенсорных систем2, созданных с применением микро- и нанотехнологий. Области использования сенсоров уже в настоящее время охватывают широкий круг возможных приложений, включающих мониторинг окружающей среды, контроль технологических процессов, медицинскую диагностику.

Исследования, связанные с разработкой и применением пьезосенсоров, вызывают значительный интерес ученых практически во всех странах мира вот уже в течение более четверти века. Эти публикации выявили привлекательные стороны этих аналитических устройств и перспективы их дальнейшего развития и практического применения. По мнению академика Ю.А. Золотова «метод анализа – это достаточно универсальный и, как правило, теоретически обоснованный способ определения химического состава, обычно безотносительно к определяемому компоненту и анализируемому объекту»3. К бесспорным преимуществам, именно, пьезосенсоров можно отнести их универсальность, возможность автоматизации измерений и интерпретации сигнала, а также способность работать в режиме on line4. Зависимость частоты резонанса кристалла кварца АТ-среза (резонаторы устойчивы к климатическим воздействиям и способны работать в широком интервале температур; угол среза 3435°30’) от массы покрытия, выражаемая уравнением Зауэрбрая, позволяет непосредственно устанавливать массу соединения, сорбируемого из газовой фазы, а селективность определения можно варьировать путем подбора соответствующих модификаторов – сорбентов электродов пьезорезонатора.



Однако в большинстве известных работ содержится лишь ограниченная информация, содержащая параметры взаимодействия тонких пленок сорбентовмодификаторов пьезосенсоров с аналитами. Во многом это обусловлено многообразием факторов, влияющих на отклик сенсора, что, в значительной мере, затрудняет достижение необходимой воспроизводимости параметров сенсоров, а также их стабильности и селективности. Кроме того, практически отсутствуют коммерчески доступные высокочувствительные устройства, работа которых предполагает использование пьезосенсоров, для контроля веществ, материалов и изделий. Остается ограниченным и использование пьезосенсоров в анализе жидких сред вследствие сложности конструкции генератора колебаний и измерительной ячейки.

Создание пьезосенсоров различных конструкций позволит расширить их применение в пищевой, фармацевтической, парфюмерной промышленности, биотехнологии и сельском хозяйстве5. Значительный практический интерес представляет соз* автор выражает благодарность и признательность заслуженному деятелю науки РФ, зав. кафедрой аналитической химии ВГУ, д.х.н., проф. В.Ф. Селеменеву за консультирование и всестороннюю помощь при выполнении диссертационной работы Золотов Ю.А., Иванов В.М., В.Г.Амелин Химические тест-методы анализа.–М.:Едиториал УРСС, 2002.

Кельнер Р. Аналитическая химия. Проблемы и подходы: в 2-х томах / Пер. с англ. Под ред. Р. Кельнера, Ж.-М. Мерме, М. Отто, М. Видмера. – М.: Мир, 2004.

Золотов Ю.А. Аналитическая химия: фрагменты картины.– М.: ГЕОХИ, 1999.

Малов В.В. Пьезорезонансные датчики. М.: Энергоатомиздат, 1989.

Ермолаева Т.Н., Калмыкова Е.Н. Пьезокварцевые сенсоры: аналитические возможности и перспективы. - Липецк, 2007.

дание автоматизированных мультисенсорных систем1,2, аналогичных обонятельной системе человека, для мониторинга окружающей среды; оценки качества выпускаемой продукции и выявления фальсификации3. В связи с этим, тема диссертационного исследования представляется актуальной и перспективной.

Работа выполнена в соответствии с координационными планами НИР РАН по проблеме «Хроматография»; НИР Научного Совета по адсорбции и хроматографии РАН «Изучение механизма межмолекулярных взаимодействий и закономерностей удерживания» (тема №215.6.2 на 2000–2004 г.г.) и «Разработка теоретических представлений о равновесии, кинетике и динамике процессов в сорбционных системах» (тема №2.15.6.1.Х.64 на 2006–2009 г.г.).

Целью диссертационной работы являлось развитие научно-технических принципов и создание прототипов высокочувствительных приборов и методов, использующих пьезосенсоры и мультисенсорные системы на их основе для определения физиологически активных веществ и токсикантов в газовых и жидких средах.

В качестве объектов исследования выбраны алканы С6 – С11 (гексан, гептан, октан, нонан, декан, додекан), нитроалканы С1 – С3 (нитрометан, нитроэтан, 1– и 2– нитропропаны), нитроарены (нитробензол, о– и м– нитротолуолы), аминокислоты (глицин, аланин, гистидин), дипептиды (глицил-глицин, карнозин), и ионы металлов (К+, Ca2+, Fe2+, Zn2+).

Такой выбор объектов исследования обусловлен тем, что алканы С6 – С11 раздражают дыхательные пути, вызывают гипотонию, повышенную утомляемость, бессонницу, функциональные неврозы. Нитроалканы С1–С3 при длительном вдыхании нарушают функционирование внутренних органов, обладают метгемоглобинобразующим действием. При высоких концентрациях нитроалканов возможен отек легких. Нитроарены присутствует в газовых выбросах парфюмерной, мыловаренной и анилинокрасочной промышленности. Вдыхание паров нитробензола сопровождается головокружением, шумом в ушах, тошнотой и рвотой, затруднением дыхания, потерей сознания. Острые отравления часто сопровождаются расстройствами сердечной деятельности, анемией. Негативное воздействие углеводородов и их нитропроизводных на организм человека обусловливает актуальность разработки способов их определения в воздухе рабочей зоны и населенных мест.

Учитывая огромную роль физиологически активных веществ в организме, необходима разработка методов анализа и контроля свободных аминокислот, дипептидов, углеводов в процессе их биосинтеза, клинической диагностике и медицинской практике.

Создание способов и приемов оперативной диагностики изменения микро-, макроэлементного состава сложных биосистем позволит снизить их негативное воздействие на объекты окружающей среды.

Для достижения поставленной цели были решены следующие задачи:

изучены и теоретически обоснованы способы формирования чувствительного слоя пьезосенсора, обеспечивающие устойчивость, повторяемость технических характеристик сенсоров при определении углеводородов и их нитропроизводных;

Власов Ю.Г., Легин А.В., Рудницкая А.М. Мультисенсорные системы типа электронный язык – новые возможности создания и применения химических сенсоров // Успехи химии. 2006, Т. 75, № 2.

Шапошник А.В. Селективное определение газов полупроводниковыми сенсорами : диссертация...

доктора химических наук. – Воронеж, 2005.

Кучменко Т.А. Применение метода пьезокварцевого микровзвешивания в аналитической химии. - Воронеж: изд – во Воронеж. гос. технол. акад., 2001.

установлены закономерности сорбции индивидуальных компонентов на пленках сорбентов различной природы в динамических и статических условиях;

развиты теоретические основы функционирования и методологические аспекты практического применения пьезосенсоров для определения органических токсикантов – загрязнителей окружающей среды и физиологически активных веществ;

определена зависимость величины аналитического сигнала пьезосенсора от собственных характеристик сенсора, условий проведения анализа (природа, масса сорбента-модификатора) в статических и проточных условиях;

предложены новые подходы к конструированию пьезосенсоров для контроля жидких сред, условий обработки аналитического сигнала, позволяющих анализировать процессы сорбции на границе «аналит – сорбент»;

сконструирован прототип мультисенсорной системы контроля объектов окружающей среды и промышленных товаров, в том числе и для обобщенной оценки качества объекта контроля;

предложена искусственная нейронная сеть прямого распространения с алгоритмом обучения обратного распространения ошибки для количественного определения углеводородов и их нитропроизводных в газовых смесях с помощью пьезосенсоров;

разработан комплекс новых способов раздельного и суммарного определения органических токсикантов в воздухе и физиологически активных веществ в водных растворах с применением пьезосенсоров и мультисенсорных систем на их основе;

реализована экспертная система оценки загрязненности (токсичности) объектов окружающей среды на основе искусственных нейронных сетей и аппарата нечеткой логики; проведена сравнительная оценка математических методов классификации, использованных для построения экспертной системы.

Научная новизна.

1. Сформулированы теоретические положения и разработаны методологические приемы получения пленок сорбентов-модификаторов, обеспечивающие устойчивость, повторяемость технических характеристик пьезосенсоров и установлено их влияние на эффективность определений алканов С6 – С11 (гексан, гептан, октан, нонан, декан, додекан), нитроалканов С1 – С3 (нитрометан, нитроэтан, 1– и 2– нитропропаны), нитроаренов (нитробензол, о– и м– нитротолуолы).

2. Разработаны, изготовлены и испытаны оригинальные конструкции измерительных ячеек для определения аналитов в газовой среде в статических и динамических условиях. Предложенные измерительные ячейки апробированы при анализе индивидуальных аналитов и их модельных растворов.

3. Оценены технические характеристики пьезосенсоров (условия проведения измерений, хранения пьезосенсора, особенности выбора сорбента) при определении индивидуальных аналитов; рассчитаны метрологические параметры определений.

Изучены особенности применения пьезосенсоров при анализе многокомпонентных растворов. Для разделения аналитических сигналов пьезосенсоров и интерпретации полученных результатов использованы хемометрические методы (метод главного компонента, кластерный анализ, искусственные нейронные сети).

4. Применена многоуровневая нейронная семиотическая модель обоняния для создания мультисенсорной системы типа «электронный нос». Данная модель включает три уровня рецепторный (пьезосенсоры), обменный и интерпретационный (искусственная нейронная сеть). Для создания малогабаритной высокоинтегрированной системы сбора данных с гибкой структурой, поддерживающей функцию внутрисхемного перепрограммирования, использована логическая интегральная схема. Разработан собственный алгоритм, на базе которого создана интеллектуальная автоматизированная экспертная система газового анализа в среде Borland Delphi 7.0 (СУБД - Paradox).

5. Созданы и испытаны собственные конструкции пьезосенсоров для контроля жидких сред. Исследованы закономерности детектирования ионов металлов (К+, Ca2+, Fe2+, Zn2+), углеводов и аминокислот в водных растворах.

6. Предложены способы определения гексана, нитрометана, нитроэтана, 1- и 2нитропропанов, нитробензола в воздухе и газовых смесях, способы детектирования аминокислот (глицина, аланина, гистидина), дипептидов (глицил-глицина, карнозина) в водных и водно-спиртовых растворах, ионов металлов (К+, Ca2+, Fe2+, Zn2+) с применением пьезосенсоров, отличающихся устойчивостью при хранении и использовании, в том числе в полевых условиях.

Научная новизна предлагаемых аналитических решений подтверждена патентами Российской Федерации, некоторые способы прошли апробацию в лабораториях производственных предприятий (ООО «Воронежмасло», ООО «РИФ», АО «Котовский лакокрасочный завод», экспертно-криминалистический центр при ГУВД по Воронежской области).

Практическая значимость работы состоит в том, что:

апробированы разработанные методы получения чувствительных покрытий пьезосенсоров, отличающихся улучшенными операционными и аналитическими характеристиками;

разработан комплекс способов определения органических токсикантов в воздухе различного генезиса с помощью пьезосенсоров, отличающихся устойчивостью при хранении и использовании, в том числе в полевых условиях;

созданы конструкции измерительных ячеек для определения аналитов в газовой среде в статических и динамических условиях; предложенные измерительные ячейки апробированы при анализе индивидуальных аналитов и их модельных растворов;

сконструирован измерительный комплекс для экспериментирования с пьезосенсорами в жидких средах;

реализована экспертная система оценки загрязненности объектов окружающей среды на основе искусственных нейронных сетей и аппарата нечеткой логики.

Материалы диссертационного исследования использованы при чтении дисциплин «Химия радиоматериалов», «Криминалистика» в ГОУ ВПО «Воронежский институт МВД Российской Федерации» и «Химия» ГОУ ВПО «Воронежский государственный архитектурно-строительный университет» у студентов, обучающихся по специальности «Пожарная безопасность».

Положения, выносимые на защиту:

1. Методологические приемы формирования чувствительного покрытия пьезосенсора с использованием хроматографических фаз (сквалан, апиезон L, триэтаноламин, карбовакс 20 М, 1,2,3–трис--цианэтоксипропан, тритон Х–100 и 305, поливинилпирролидон), молекул-комплексообразователей (краун-эфиры, амфифильные циклодекстрин и каликс[4]резорцинарен) и оценка его эффективности при определении алканов С6 – С11 (гексан, гептан, октан, нонан, декан, додекан), нитроалканов С1 – С3 (нитрометан, нитроэтан, 1– и 2– нитропропаны), нитроаренов (нитробензол, о– и м– нитротолуолы).

2. Конструкции измерительных ячеек для определения аналитов в статических и динамических условиях в газовой среде и их апробация при анализе индивидуальных компонентов и модельных растворов.

3. Способы обработки сигналов пьезосенсоров с применением методов хемометрики (метод главного компонента, кластерный анализ, искусственные нейронные сети). Устройство мультисенсорной системы «электронный нос» на основе многоуровневой нейронной семиотической модели обоняния. Экспертная система классификации компонентов анализируемого объекта.

4. Конструкции пьезосенсоров для контроля жидких сред и измерительный комплекс для детектирования веществ в жидких средах. Закономерности детектирования ионов металлов (К+, Ca2+, Fe2+, Zn2+), углеводов и аминокислот в водных растворах пьезосенсорами.

5. Новые экспрессные и чувствительные способы определения гексана, нитрометана, нитроэтана, 1– и 2–нитропропанов, нитробензола в воздухе и газовых смесях;

детектирования аминокислот (глицина, аланина, гистидина), дипептидов (глицил-глицина, карнозина) в их водных и водно-спиртовых растворах; ионов металлов (К+, Ca2+, Fe2+, Zn2+) и углеводов (глюкоза, сахароза) с помощью пьезосенсоров и мультисенсорных систем на их основе для использования в лабораторных и полевых условиях.

Апробация работы. Основные результаты исследований докладывались на Международных конференциях «Молодежь и химия» (Красноярск, 1999 – 2001), XLII – XLVI Zjazd Naukowy Polskiego Towarzystwa Chemicznego (Rzeszow, 1999;

Lodz, 2000; Katowice, 2001; Krakow, 2002, Lublin, 2003, Poland), Международной конференции «Чистота довкiлля у нашем мiстi» (Львiв, Украiна, 1999), Международной конференции «Сенсор – 2000» (Санкт – Петербург, 2000), Всероссийской конференции «Российские химические дни» (Красноярск, 2001), Всероссийской конференции «Актуальные проблемы экологии, экспериментальной и клинической медицины» (Орел, 2001), Международной конференции «Forum Chemiczne» (Warszawa, Poland, 2001), Региональной конференции «Проблемы химии и химической технологии» (Тамбов, 2001), Международной конференции «Ars Separatoria» (Bydgoszcz, Poland, 2001), Поволжской конференции по аналитической химии (Казань, 2001), Российской конференции «Проблемы аналитической химии (III Черкесовские чтения)» (Саратов, 2002), Международна наукова конференцiя молодiх ученiх та аспiрантiв (Киiв, Украiна, 2002), Региональной конференции «Вопросы региональной экологии» (Тамбов, 2002), Международной конференции «Современные технологии переработки животноводческого сырья в обеспечении здорового питания» (Воронеж, 2003), Международном форуме «Аналитика и аналитики» (Воронеж, 2003), XVII Менделеевском съезде по общей и прикладной химии (Казань, 2003, Москва, 2007), отчетных научных конференциях Воронежской государственной технологической академии (Воронеж, 2001 – 2003), Всероссийской конференции с международным участием «Аналитика России» (Москва,2004, Краснодар, 2007); III Международной научно-технической конференции «Информационные технологии в науке, образовании и производстве» (Орел, 2008).

Публикации. По материалам диссертации опубликованы 125 работ, 28 статей в изданиях, рекомендованных ВАК России, получено 12 патентов на изобретения.

Личный вклад соискателя в работу заключается в постановке задач, создании экспериментальных установок, выполнении расчетов и экспериментов, интерпретации и обобщении полученных результатов определений. Подходы и идеи, предложенные автором, легли в основу патентов.

Достоверность научных положений, выводов и рекомендаций базируется на использовании статистических методов обработки результатов измерений, а также использованием для контроля полученных данных таких современных методов анализа, как капиллярный электрофорез, газовая и жидкостная хроматография.

Объем и структура диссертации. Диссертационная работа изложена на 3страницах машинописного текста, включает рисунков и таблиц. Состоит из введения, 5 глав, выводов, списка цитируемой литературы и приложения (материалы апробации и Роспатента). Библиография включает 405 источников.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснованы актуальность исследования, сформулированы цели и задачи работы, изложены научная новизна и практическое значение результатов, представлены основные положения, выносимые на защиту.

В первой главе приведен обзор литературы, посвященный рассмотрению существующих типов сенсоров, основных принципов функционирования пьезосенсорных систем газового и жидкостного контроля. Рассмотрены особенности анализа и контроля многокомпонентных объектов с применением сенсоров. Особое внимание уделено анализу литературных данных, посвященным причинам возникновения, особенностям работы и перспективам применения мультисенсорных систем типа «электронный нос» и «электронный язык».

Во второй главе дано описание физико-химических свойств объектов анализа, методик получения чувствительных покрытий пьезосенсоров. Приведены некоторые характеристики объектов исследования.

Представлена аппаратура для определения аналитов в проточном и стационарном режимах с применением пьезосенсоров, даны характеристики ячеек детектирования для контроля газовых и жидких сред; электрических схем возбуждения колебаний пьезосенсоров. Аналиты для испытания пьезосенсоров в газовой среде выбирали в соответствии со степенью их распространения в объектах окружающей среды (выбросы промышленных предприятий, естественное содержание в атмосфере), токсичности, влиянием на качество пищевых и непищевых продуктов: алканы С6– С10, нитроалканы С1 – С3, нитробензол, о– и м– нитротолуолы.

Для оценки возможности использования пьезосенсоров в жидких средах в качестве объектов контроля аминокислоты: глицин, аланин, гистидин, дипептиды: глицил-глицин, карнозин в их водных и водно-спиртовых растворах, ионы металлов: К+, Ca2+, Fe2+, Zn2+ и углеводы: глюкоза, сахароза.

В качестве модификаторов электродов пьезорезонаторов выбрали неподвижные газохроматографические фазы (сквалан, апиезон L, триэтаноламин, карбовакс 20 М, 1,2,3–трис--цианэтоксипропан, тритон Х–100 и 305, поливинилпирролидон), краун– эфиры (15–краун–5, 18–краун–6, дициклогексил–18–краун–6, дибензо–18– краун–6) и пленки Ленгмюра–Блоджетт на основе арахиновой кислоты, алкилированного циклодекстрина (ЦД), каликс[4]-резорцинарена (КРА) (рис. 2.1).

O O O O O O дибензо–18–краун–6 Каликс[n]арен, циклодекстрин n = 4 – Рис. 2.1. Структурные формулы молекул-комплексообразователей Статические условия. Исследования выполнялись в разработанной сенсорной ячейке детектирования (патент РФ №2247367, рис. 2.2). Ячейка представляет собой Цилиндр 1 из нержавеющей стали (объем 500 см3) с двумя патрубками для ввода осушенного лабораторного воздуха 2 и выходным патрубком 3, предназначенным для регенерации сенсора и вывода воздуха, пробы, с крышкой 4, снабженной прокладкой 5, которая крепится к цилиндру болтом 6 и гайкой 7.

Пьезосенсор 8 располагается в верхней части измерительной ячейки посредством крепежного узла 9.

Электрические контакты 10 выведены на крышку ячейки, снабженную рубашкой для термостатирования 11 в интервале температур (0+50)0,5С.

При этом проба вводится непосредственно в реакционную емкость ячейки.

Рис. 2.2. Ячейка детектирования в статическом режиме Динамические условия. Для динамических условий разработана сенсорная ячейка детектирования, лабораторная установка приведена на рис. 2.3. Через систему насосом 1 пропускается газ-носитель (очищенный и осушенный лабораторный воздух) в течение 13 мин, скорость потока регулируется краном 2 и контролируется ротаметром 3. Для переключения режимов работы системы предназначен трехходовой кран 4. Насыщенные пары аналитов или их смесей вводятся в узел ввода пробы 5 шприцем 6. Соединительный элемент 7 уменьшает градиент концентрации паров аналита в системе. Пары анализируемого вещества поступали через тройник с двусторонним вводом потока 8 в ячейку детектирования 9, в которой расположен пьезосенсор. Колебания пьезосенсора обеспечивает высокочастотный автогенератор 10, соединенный с частотомером 11 и компьютером 12 регистрируют достижение сорбционного равновесия в системе газ пленка модификатора по стабилизации частоты сенсора. После чего рассчитывают аналитический сигнал пьезосенсора.

В главе описаны вспомогательные устройства и методики для осушки и очистки газа–носителя, термостатирования детектора, модифицирования электродов пьезокварцевого резонатора. Для изучения механизма и кинетики сорбции объектов анализа на пленках сорбентов-модификаторов и оценки правильности выбранных способов контроля применяли методы спектроскопии (СФ-56), газовой (Цвет800) и жидкостной (Кристалл-2000М) хроматографии. Морфологию поверхности пьезосенсора и пленок сорбентов-модификаторов изучали методами оптической (микроскоп Микмед-2, оснащенный цифровой камеройРис.2.3. Схема лабораторной установки окуляром DCM-300) и атомно-силовой для экспериментирования микроскопии (ФемтоСкан-001).

в динамических условиях Предложен автогенератор для пьезокварцевого микровзвешивания в жидкой среде, элемент схемы генератора приведен на рис. 2.4.

Для функционирования в статических условиях в жидких средах разработана конструкция пьезосенсора (рис.2.5), представляющая собой корпус 1, изготовленный из стекла с подвижным колпачком 2 (позволяющим легко и экспрессно проводить замену и модификацию сенсора) и снабженным теплоизоляционным слоем, держателя для пьезорезонансного сенсора 3, расположенного под колпачком, пьезорезонансного сенсора 4, провода питания и передачи сигнала 5 сенсора в анализатор (например, частотомер) и крышки 6 для герметизаРис. 2.4. Элемент схемы автогенератора ции корпуса сенсора.

Рис.2.5. Устройство пьезорезонансного сенсора Наличие подвижного колпачка 2 позволяет приводить в действие сенсор при установившемся фазовом равновесии, что существенно расширяет возможности использования устройства во время контроля. Для снижения помехи при передаче сигнала сенсора в ПК, автогенератор колебаний, работающий на частоте первой гармоники последовательного резонанса, располагали в непосредственной близости к пьезосенсору. Устройство работает по следующей схеме. В анализируемую жидкую среду помещают подготовленный пьезорезонансный сенсор (предварительно сенсор выдерживают в дистиллированной воде несколько минут до получения стабильного аналитического сигнала и измеряют показания), затем пьезосенсор приводится в действие. Разность между стационарными значениями установившейся частоты (дистиллят-аналит) служит характеристикой количественных определений.





При этом, аналитический сигнал сенсора выходил на постоянное значение за 1–3 мин. По окончании контроля пьезосенсор необходимо регенерировать двумя путями: согласно первому, сенсор удаляют из исследуемой жидкости и помещают в сосуд с дистиллированной водой, а в соответствие со вторым способом (проточная регенерация), в емкость, содержащую аналит и сенсор, микронасосом подают дистиллированную воду до установления стационарного значения частоты колебаний.

Таким образом, сенсор регенерируют до выхода его сигнала на начальный уровень.

После этого сенсор готов для проведения следующего измерения (контроля).

Разработана и испытана конструкция пьезосенсора, снабженного измерительной ячейкой вместимостью 3 см3, а также возможность проведения измерения с использованием ЭВМ.

Созданный пьезосенсор (рис. 2.6) представляла собой корпус 1, выполненный из стекла с подвижным колпачком 2 (позволяющим легко и экспрессно проводить замену и модификацию сенсора при необходимости), изготовленным из стекла и снабженным теплоизоляционным слоем, держателя для пьезорезонансного сенсора 3, расположенного под колпачком, пьезорезонансного сенсора 4, провода питания и передачи сигнала 5 сенсора в анализатор (например, частотомер) и крышки 6 для герметизации корпуса сенсора.

Рис. 2.6 Устройство пьезосенсора Для проведения экспериментов с применением пьезосенсора в жидких средах сконструирована установка, схема которой приведена на рис. 2.7.

Рис. 2.7. Схема установки для определения веществ в жидких средах с применением пьезосенсора:

1-компьютер; 2-электронный блок;

3-термостат; 4-нагреватель;

5-пьезосенсор;

6-сосуд с изучаемой жидкостью;

7-штуцеры системы охлаждения Формирование монослоев дифильных веществ и их перенос на поверхность пьезорезонаторов осуществляли на модернизированной установке УНМ-2 (МНПО «НИОПИК», Россия). Для получения монослоя на поверхность жидкой субфазы (бидистиллированной воды) микропипеткой вносили дифильное вещество с концентрацией 510-4 моль/л в хлороформе и выдерживали 15-20 мин до испарения растворителя, дифильное соединение равномерно распределялось по поверхности воды. Перенос монослоев с поверхности водной субфазы на пьезокварцевый резонатор осуществляли методом Ленгмюра-Блоджетт со скоростью движения твердой подложки 11 мм/мин в автоматическом режиме, поддерживая необходимое поверхностное давление.

В третьей главе представлены исследования морфологии поверхности модифицированных пьезосенсоров методами оптической и атомно-силовой микроскопии. Сканирующая микроскопия позволила визуализировать поверхность органических материалов, используемых в качестве сорбентов-модификаторов пьезосенсоров.

Исследования морфологии немодифицированной поверхности электродов пьезосенсоров. Методом сканирующей силовой микроскопии (ССМ) была исследована поверхность электрода пьезорезонатора (рис.3.1).

Рис.3.1. ССМ-изображение поверх- Рис. 3.2. ССМ-изображение поверхности ности электрода (оксид серебра) пленки поливинилхлорида В качестве одного из модификаторов был выбран поливинилхлорид. ССМизображение поверхности пленки поливинилхлорида (ПВХ) представлено на рис.

3.2. Как видно из изображения, поверхность пленки имеет островковую структуру.

При этом перепад высот пленки модификатора колеблется от 100 до 300 нм. При нанесении сквалана на поверхность серебряного электрода наблюдается иная картина (рис. 3.3).

Рис. 3. 3. ССМ-изображение Р ис. 3. 4. ССМ-изображение поверхности сквалана поверхности хитозана Пленка из сквалана практически полностью покрывает электрод. Перепад высот от 100 до 200 нм. Тем не менее, на исследуемой поверхности наблюдаются поры и глобулы различной формы и размеров, что свидетельствует о неоднородном распределении пленки по поверхности электрода. Также методом ССМ была исследована поверхность пленки хитозана (рис. 3.4). Из полученного изображения видно, что пленка хитозана содержит поры с перепадом высот от 60 до 120 нм.

С помощью оптического микроскопа, оснащенного цифровой видеокамерой были получены фотоснимки поверхности пленки хитозана во время ее формирования (рис. 3.5 а – г), где наблюдается изменение рельефа поверхности с течением времени. Снимки производились с интервалом в 20 мин.

а б в г Рис. 3.5. Изображение поверхности хитозана, полученное на оптическом микроскопе а – через 20 мин после нанесенения раствора хитозана на поверхность пьезорезонатора; б – через 40 мин после нанесенения; в – через 60 мин после нанесения;

г – через 80 мин после нанесения После модификации поверхности пьезорезонатор включали в схему установки пьезосенсорного контроля. Экспериментально было установлено, что для формирования пленки хитозана, пригодной для проведения исследований достаточно 80-100 мин.

Исследование микрорельефа пленок Ленгмюра-Блоджетт (ЛБ). Методом атомно-силовой микроскопии исследована локальная структура поверхности пленок ЛБ с различным числом монослоев. Исследования показали, что поверхность имеет сложное строение, характеризующееся несколькими уровнями структурной организации. Основным элементом поверхностной структуры являются домены округлой формы диаметром 50-100 нм. Плотно прилегающие друг к другу домены образуют агрегаты удлиненной формы, которые вместе формируют бугристую структуру на поверхности пленки.

Исследование микрорельефа поверхности с помощью оптической микроскопии. Оценивали микрорельеф либо сравнением поверхности пленки ЛБ с поверхностью подложки, либо непосредственным измерением высоты микронеровностей. поверхности пленок. Результаты оптических исследований пленок ЛБ показывают, что площадь данных включений имеет разброс в диапазоне (10100)106 мкм2. Изображение поверхности пленки ЛБ показывает наличие островковой структуры, причем на одних фотографиях эти структуры имеют темную окраску, на других светлую. Изменение технологических параметров приводит к изменению и их размеров. Темные регионы на поверхности пленок, повидимому, являются следами островковых структур.

Исследование микрорельефа поверхности пленок Ленгмюра-Блоджетт с помощью атомно-силовой микроскопии. Методом АСМ исследована локальная структура поверхности пленок ЛБ с различным числом монослоев. Исследования показали, что поверхность имеет сложное строение, характеризующееся несколькими уровнями структурной организации. АСМ-топографические изображения и профили поверхности пленок на основе циклодекстринов различной степени замещения (ЦД-1 и ЦД-3), полученных при различных технологических параметрах приведены на рис. 3.6, 3.7.

а б Рис. 3.6. Топография поверхности пленки Ленгмюра-Блоджетт на основе ЦД-1, полученной при P=25 мПа а б Рис. 3.7. Топография поверхности пленки ЛБ на основе ЦД-1, полученной при P=30 мПа Основным элементом поверхностной структуры являются домены округлой формы диаметром 50-100 нм. Плотно прилегающие друг к другу домены образуют агрегаты удлиненной формы, которые вместе формируют бугристую структуру на поверхности пленки. Из рис. 3.6, 3.7 видно, что поверхность пленок ЦД-1 и ЦД-более ровная и характеризуется величиной размаха высот в пределах 20-40 нм.

В то же время, наблюдаются существенные отличия во взаимном расположении доменов и агрегатов в зависимости от давления, при котором получали пленки ЛБ на основе ЦД и степени замещения ЦД. На поверхности пленки, полученной при малых значениях давления (P30мПа), присутствуют в основном отдельные, не соприкасающиеся между собой домены. Такая поверхность выглядит «рыхлой». Агрегаты доменов и их сростки встречаются редко. А, при давлениях (30мПаP40мПа) образуются плотные пленки ЛБ. При высоких значениях PмПа наблюдается существенное отличие в морфологии пленок. Картина фазового контраста, записанная одновременно с изображением микрорельефа, показывает, что взаимодействие между зондом и поверхностными атомами в кластере отличается от тех, что на свободной поверхности. Так с увеличением давления граничные регионы сжимаются и образуются хорошо агрегированные структуры. Поверхностная структура пленки при 48 мПа обладает более однородной структурой по сравнению с другими. Следовательно, получение пленок ЛБ проводили в интервале давлений P= (30 – 40) мПа.

В четвертой главе представлены результаты разработки мультисенсорной системы типа «электронный нос». Проведен выбор условий функционирования пьезосенсоров для оценки загрязнений окружающей среды, выявлены критерии выбора сенсоров в состав мультисенсорной системы.

Исследовано влияния собственных характеристик пьезосенсора и условий эксперимента на определение аналитов; оптимизированы параметры контроля (масса пленки сорбента, расход газа-носителя) для систем «аналит – пленкамодификатор пьезорезонатора». Приведено сопоставление результатов определений в статических и динамических условиях на примере сорбции в системе «углеводород – Тритон Х-100» при оптимальных условиях (масса модификатора, температура); рассчитаны метрологические характеристики определений объектов контроля (табл. 4.1).

Таблица 4.1. – Сравнительная характеристика сорбции углеводородов и их нитропроизводных (с = 0,1 мг/м3) на пленке Тритона Х-100; масса пленки сорбента mпл = 15,8 мкг; 20,0 0,1 С; чувствительность S, Гцм3/мг; fa аналитический сигнал сенсора при определении углеводорода, Гц; n =6, P = 0,Статические условия Динамические условия Аналиты S10–3 Sr, % fa , Гц S 10–3 Sr, % fa , Гц гексан 3,2 2,4 1,8 14,3208 180гептан 2,5 2,2 2506 1,2 14,1 120октан 3,6 2,6 3609 1,1 8,8 110нитрометан 3,9 2,2 3859 2,2 16,0 220нитроэтан 3,0 2,2 3008 2,3 10,4 2301-нитропропан 8,6 3,1 3,4 17,86027 3402-нитропропан 2,5 1,2 2503 2,0 16,6 200нитробензол 7,6 2,4 3,2 20,76018 320о-, м-нитротолуолы 2,6 1,6 2554 1,6 11,3 160Для всех изученных аналитов построены изотермы сорбции, которые в области низких концентраций имеют вид изотерм Ленгмюра. Коэффициент распределения аналита между газовой фазой и пленкой сорбента k вычисляли по следующему уравнению:

fa с R T k 14., fc M p газ газ где fc аналитический сигнал сенсора при нанесении сорбента, Гц; Mгаз– молекулярная масса аналита, г/моль; с– плотность модификатора, г/см3; ргаз– парциальное давление аналита, Па; 107– коэффициент перевода единиц измерения в систему СИ.

Коэффициенты распределения аналитов между газовой фазой и пленкой Тритона Х – 100 (табл. 4.2) максимальны для нитроуглеводородов, что связано с наличием у аналита неподеленной пары электронов в молекуле кислорода, а также наличием - взаимодействий между аналитом и пленкой тритона Х – 100.

Увеличение массы пленки модификатора более 15 (динамические условия) и 20 мкг (статические условия) снижает аналитический сигнал пьзосенсора вследствие уменьшения объема сорбента и затухания колебаний пьезосенсора в предэлектродных слоях сорбента (табл. 4.3).

Таблица 4.2. – Коэффициенты распределения углеводородов (k) между газовой фазой и пленкой Тритона Х – 1Аналиты k10–3 Аналиты k10–гексан 1,6 нитрометан 16,гептан 2,2 нитроэтан 22,октан 3,0 1–нитропропан 28,нонан 3,2 2–нитропропан 28,декан 3,5 нитробензол 35,додекан 3,8 о – нитротолуол 42, м – нитротолуол 42,При экспериментировании с пленкой сорбента-модификатора массой менее 10 мкг возрастают ошибки детектирования, снижается воспроизводимость результатов вследствие высокой чувствительности пьезосенсора в области низких концентраций аналитов (табл. 4.3).

Таблица 4.3. – Зависимость аналитического сигнала и воспроизводимости сорбции нитрометана от массы пленок тритона Х-100; n = 6, P = 0,Статические условия Динамические условия mпл, Sr, % Sr, % мкг Fс, Гц Fс, Гц 5 110 5 4,4 200 42 19,10 190 8 3,9 250 48 18,15 245 9 2,5 260 44 16,20 310 8 1,8 270 47 16,25 410 10 2,2 265 49 17,30 415 17 3,8 255 46 17,Применение макроциклов для модификации пьезосенсоров. Для создания более чувствительного слоя пьезорезонатора была использована технология Ленгмюра-Блоджетт (ЛБ), заключающаяся в многократном переносе организованных мономолекулярных слоев с поверхности жидкой субфазы на твердую подложку.

Данная технология позволяет создавать сенсорные слои, характеризующиеся высокой однородностью, взаимной направленной ориентацией молекул и их функциональных групп, а также высоким отношением активной поверхности молекулярных слоев к объему пленки, что дает возможность контролировать толщину пленки с точностью до одного молекулярного слоя и выявлять оптимальное число монослоев, обеспечивающих максимальный аналитический сигнал. Для получения ПЛБ использовали следующие соединения дифильной природы: арахиновую кислоту (АК) – классический объект технологии ЛБ, а также специально синтезированные алкилированные дифильные каликс[4]резорцинарен (КРА) и циклодекстрин (-ЦД), являющиеся молекулами-рецепторами, способными обеспечить дополнительную селективность, благодаря взаимодействию с аналитами по механизму «гость-хозяин». Для изучения поведения монослоев выбранных дифильных соединений на границе раздела фаз воздух/вода и выборе оптимальных условий их нанесения применялись -А изотермы. Для получения пленок выбраны вещества, образующие стабильные монослои на поверхности раздела вода/воздух с давлением коллапса более 40 мПа. Установлено, что наименьшая площадь, приходящаяся на молекулу, характерна для арахиновой кислоты (АК), а наибольшая для аминометилированного каликсрезорцинарена (КРА), рецепторная молекула которого имеет наименее жесткую структуру. Давление переноса монослоя с поверхности жидкой субфазы на твердую подложку выбирали исходя из необходимой структурной упорядоченности пленки. В нашем случае давление нанесения соответствовало тому интервалу, в котором наблюдалась наибольшая стабильность как монослоев, так и коэффициентов их переноса на твердую подложку (для АК – мПа; для ЦД – 30 мПа и для КРА- 25 мПа). В результате последовательного переноса монослоев на поверхность пьезокварцевого резонатора были получены серии модифицированных резонаторов с различным числом слоев (от 5 до 30) на их поверхности. Установлено, что для всех исследуемых дифильных соединений зависимость изменения частоты пьезокварцевого резонатора от числа нанесенных на его поверхность монослоев носит линейный характер (рис. 4.1), что свидетельствует о высоком качестве получаемых пленок. Этот вывод подтверждается также постоянством коэффициентов переноса монослоев всех трех веществ, величина которых была близка к единице.

Рис. 4.1. Линейная корреляция частоты колебаний пьезокварцевого резонатора (f) от числа слоев арахиновой кислоты (N);

f= 229N 250, R = 0,Пьезосенсоры, модифицированные пленками ЛБ, с различным числом монослоев, испытаны в качестве сенсоров на нитроалканы: нитрометан, нитроэтан, 1- и 2-нитропропаны. Сенсор выдерживали до установления стабильной частоты колебаний, затем в ячейку вводили возрастающие концентрации нитроалканов. Измерения проводили при температуре 298 К, поддерживаемой термостатом. По линейным участкам изотерм сорбции на пленках ЛБ были рассчитаны коэффициенты распределения (Кр) нитроалканов между газовой фазой и пленкой (табл. 4.4).

Величина свободной энергии Гиббса составляет G 18,5 кДж/моль.

Коэффициенты Кр для пленки ЛБ на основе КРА (табл. 4.4) практически линейно увеличиваются с ростом числа слоев. Для -ЦД в пределах 20 слоев при сорбции нитрометана и 2-нитропропана наблюдается аналогичная картина, но при дальнейшем увеличении числа слоев величины коэффициентов Кр постепенно убывают, вследствие инактивации внутренних монослоев и выключения их из процесса сорбции. Установлено, что для разных нитроалканов максимальная величина коэффициента Кр наблюдается при различном числе монослоев, например для нитроэтана и 1-нитропропана наибольшую эффективность имеют 5 слоев -ЦД.

Таблица 4.4. Коэффициенты распределения нитроалканов между газовой фазой и пленкой Ленгмюра -Блоджетт Тип модифи- Число Коэффициент распределения катора слоев нитрометан нитроэтан 1-нитро- 2-нитропропан пропан 1.36104 2.27104 2.86104 2.0611.47104 1.60104 1.89104 2.341ЦД 1.63104 1.58104 2.25104 2.8411.18104 1.72104 2.00104 1.7811.01104 1.25104 1.34104 1.68110 20 КРА 20 5.0 50 70 30 10 70 115 Установлено, что абсолютное значение коэффициента распределения возрастает с увеличением линейных размеров молекул нитроалканов. Так, для нитропропанов они выше, чем для нитрометана или нитроэтана.

Указанный эффект связан, вероятно, с большим выигрышем энергии при связывании более гидрофобных молекул «гостей» и большим соответствием размеров молекул гостей и полости -ЦД. Для разветвленного изомера наблюдается небольшое уменьшение значения коэффициента распределения.

Из полученных данных видно, что коэффициенты распределения для КРА практически на три порядка ниже, чем для -ЦД, что свидетельствует о высокой избирательности последнего к данному типу аналитов.

На основе проведенных исследований можно заключить, что оптимальное количество слоев, необходимых для модификации поверхности пьезосенсора находится в интервале N = 15 – 25. На рис. 4.2 представлен пример градуировочной зависимости аналитического сигнала пьезосенсора (модифицированного 10-слойной пленкой ЛБ арахиновой кислоты) от концентрации нитрометана.

Полная регенерация сенсора достигалась при выдержке резонатора в потоке воздуха в течении 1-3 мин, при этом временя «жизни» сенсора составляло 80-1циклов сорбция десорбция.

Уровень шумов сенсоров колеблется в пределах 20 Гц.

Рис. 4.2. Зависимость аналитического сигнала (f) пьезосенсора с 10-слойной ПЛБ на основе арахиновой кислоты от концентрации нитрометана в газовой фазе:

f= 36950С + 115, R =0,В табл. 4.5 приведены метрологические характеристики определения нитроалканов пьезосенсорами с нанесенным оптимальным количеством монослоев.

Таблица 4.5. Аналитические характеристики пьезосенсоров, модифицированных ленками ЛБ на основе -циклодекстрина (-ЦД, 20 слоев) и арахиновой кислоты (АК, 10 слоев) Нитроалкан Чувствительность Sср, ПО , г/м3 1Гцм3/моль 10-ЦД АК ЦД АК нитрометан 5.1 42.6 4.2 1.нитроэтан 2.5 27.3 8.5 2.1 – нитропропан 2.3 - 9.0 - 2 – нитропропан 8.1 - 2.0 - Предел обнаружения аналитов с применением пьезорезонансного сенсора рассчитывали по следующей формуле:

fшум ПрО 3, (4.2) S fфон где fшум - шумовой сигнал пьезорезонансного сенсора, Гц; S - чувствительность, Гц/г.

Чем больше различие в чувствительности модификаторов к аналитам, тем это полезнее для разрабатываемой мультисенсорной системы контроля многокомпонентных проб.

Пьезорезонансные сенсоры, модифицированные пленками ЛенгмюраБлоджетт на основе КРА, опробованы в качестве сенсоров на пары легколетучих органических растворителей: бензола, толуола, этилбензола, кумола, этанола, гексана, этилацетата, ацетона. Наблюдалось увеличение количества сорбированного вещества в ряду кумол – толуол – этилбензол – этилацетат – гексан – бензол – этанол, то есть по мере уменьшения молекулярной массы аналита и геометрических размеров молекул. Это свидетельствует о действии пленок ЛБ на основе КРА в качестве молекулярного сита, пропускающего более мелкие молекулы глубже в объем пленки.

С целью оптимизации функционирования пьезорезонатора в качестве сенсора изучили влияние количества монослоев в модифицирующем покрытии на эффективность сорбции паров легколетучих органических соединений. Установлено, что с увеличением числа наносимых слоев (от 10 до 30) наблюдается эффект насыщения сигнал сенсора для большинства аналитов достигает постоянного значения при 16-20 слоях КРА.

При оптимальном количестве слоев (N = 15 – 25) получены зависимости аналитического сигнала сенсора от активности паров ЛОС. Для большинства аналитов в интервале активности 0.11-1.00 зависимости носят линейный, а для паров кумола и этилацетата выгнутый характер с область насыщения (рис. 4.3).

Влияние рН субфазы на характеристики сорбции было различным для исследуемых аналитов. Этанол, бензол и другие ароматические соединения эффективнее сорбируются покрытиями, полученными при рН 4, этилацетат – при рН 7,5-10, а в случае гексана влияние рН на аналитический сигнал не наблюдалось. В случае использования в качестве модифицирующих покрытий пленок КРА, перенесенных с субфазы, содержащей ионы меди (II), сигнал сенсора значительно снижается, что объясняется наличием в пленке инактивированных ионами меди (II) молекул КРА.

На примере определения бензола проведено сравнение свойств чувствительного слоя на основе упорядоченной пленки ЛБ со свойствами слоя, полученного при перенесении монослоев после давления коллапса.

Установлено, что сигнал сенсора на основе упорядоченной пленки в 1,5-2 раза превышал таковой для пленки, нанесенной после давления коллапса, кроме того, время отклика сенсора составлял 15 с по сравнению с 120 с для неупорядоченной пленки той же толщины.

Такие сенсорные покрытия хаРис. 4.3. Зависимости количества рактеризуются продолжительным адсорбированных на поверхности «временем жизни», выдерживая более пьезокварца вещества от активности их 150 циклов сорбция десорбция.

паров в воздухе 1 – этилацетат, 2 – кумол, 3 – гексан, 4 – этанол, 5– бензол Изучена возможность определений углеводородов с применением пьезосенсоров, модифицированных краун-эфирами, образующими комплексы включения вследствие нековалентных взаимодействий (силы Ван-дер-Ваальса, иондипольные и водородные связи). Модификация пьезорезонатора эфиром 18– краун–6 повышает «время жизни» сенсора, и такое покрытие пьезосенсора выдерживает до 50 циклов сорбция – десорбция. С увеличением размера молекулы углеводорода коэффициенты распределения снижаются, поскольку уменьшается соответствие размера аналита полости краун–эфира. Так, макроцикл 18–краун–6 образует наиболее прочные комплексы с нитрометаном, размеры которого максимально соответствуют внутримолекулярной полости, что подтверждается высокими коэффициентами распределения (k =900).

Введение в молекулу краун–эфира двух остатков циклогексана значительно повышает стабильность сенсорного покрытия. Это можно объяснить дополнительным индуктивным и стерическим эффектами. Так, пленочное покрытие пьезосенсора на основе дициклогексил–18–краун–6 выдерживает более 80 циклов сорбция – десорбция, характеризуется большим сродством к нитрометану. Коэффициенты распределения углеводородов, модифицированным дициклогексил–18– краун–6, приведены в табл. 4.6.

Таблица 4.6. – Коэффициенты распределения нитроалканов между газовой фазой и пленкой дициклогексил–18–краун–Масса пленки, Нитрометан Нитроэтан 1-Нитропропан 2-Нитропропан мкг 2003 1502 1002 12041517 32514 2209 28560013 53511 4008 39078521 62016 52514 57590028 77024 70022 800Значительное повышение коэффициентов распределения нитроалканов между газовой фазой и пленкой краун–эфира возможно введением в макроцикл арильных радикалов. Это связано, вероятно, с образованием дополнительных взаимодействий аналитов с арильными радикалами. Приведены оценки мешающего влияние неорганических примесей на результаты определений аналитов; получены уравнения регрессии, описывающие сорбцию углеводородов на пленкемодификаторе пьезосенсора. Влияние примесей на сорбцию углеводородов модификаторами пьезосенсоров оценивали путем построения гистограммы в координатах чувствительность сенсоров с различными модификаторами качественный состав пробы.

Теоретическое обоснование полученных экспериментальных данных позволило разработать комплекс новых способов определения аналитов с применением одного и системы пьезосенсоров:

способ определения нитрометана (патент РФ №2236672);

способ определения нитрометана в смеси ароматических нитроуглеводородов (патент РФ №2143111);

способ определения нитроэтана (патент РФ №2206084);

способ определения нитробензола (патент РФ №2170416);

способ определения о– и м– нитротолуолов (патент РФ № 2237893);

способ определения гексана (патент РФ №2216016 ) * способ определения нонана в воздухе (патент РФ №2240554) * способ экспресс-идентификации бензинов (патент РФ № 2248571).

Разработанные способы позволяют контролировать содержание углеводородов и их нитропроизводные в воздухе on line, отсутствует стадия предварительного концентрирования. «Старение» модификатора определяет продолжительность «жизни» сенсора и обусловливает необходимость его повторной модификации.

Возможность применения пьезосенсора в аналитической практике в течение 30 и более суток является принципиальным преимуществом по сравнению с аналогами.

Метрологические характеристики определения аналитов предлагаемыми пьезосенсорами (табл. 4.7) позволяет рекомендовать их для контроля состояния окружающей среды в чрезвычайных ситуациях и при локальных выбросах, а также для служб пожарной безопасности. При использовании матрицы из четырех пьезосенсоров уровень шумов составляет всего 10 Гц, модификация пьезорезонатора пленкой Ленгмюра–Блоджетт из арахиновой кислоты позволяет снизить уровень шумов с 200 (при модификации нитроцеллюлозой) до 50 Гц.

Табл. 4.7. – Сопоставление технических характеристик пьезосенсоров Аналиты Метрологические параметры ПО, г/м3 Sm103, Д*, г/мГцм3/моль гексан 30,0 62,5 30 – 1нитрометан 1,5 42,6 2 – нитроэтан 1,5 40,0 2 – нитробензол ~1,0 6,0 1 – о– и м– нитротолуолы ~50,0 8,5 50 – 1* Д – диапазон определяемых содержаний Построение измерительной системы «электронный нос». Несмотря на увеличение дифференциации откликов при корректном выборе модификаторов пьезорезонаторов, добиться снижения мешающего влияния примесей на результаты определений не удается, поэтому для повышения селективности определения и возможности одновременного детектирования нескольких соединений в многокомпонентной газовой смеси применены мультисенсорные системы в сочетании с компьютерной обработкой сигналов методом искусственных нейронных сетей (ИНС) и выдачей цифровой оперативной информации о содержании компонентов в газовой пробе. Пьезосенсоры помещали в ячейку детектирования, сигналы из которой поступали на компьютер. Схема стендовой установки, включающей три пьезосенсора, с использованием методологии искусственных нейронных сетей приведена на рис. 4.4.

Состав газовой смеси Ввод воздуха Блок подготовки газа-носителя Массив пьезосенсоров Газовая смесь Нейронная сеть Ввод углеводородов Рис. 4.4. Схема стендовой установки мультисенсорной системы с использованием искусственных нейронных сетей Результаты контроля в многокомпонентной смеси с применением полисенсорной системы, включающей обработку аналитических откликов отдельных сенсоров методом ИНС, приведены в табл. 4.7.

В результате настройки и оптимизации параметров ИНС средняя относительная ошибка обучения составила 5 %. Максимальные ошибки получены при малых содержаниях углеводородов в смеси и не превышают 8 %.

Для контроля и графической визуализации экспериментальных данных применялся метод главного компонента, основанный на технике модельного распознавания. Полученная база данных, состоящая из сигналов пьезосенсора при определении индивидуальных алканов С6 – С10, интерпретирует 99,91 % информации первыми двумя главными компонентами.

Таблица 4.7. – Определение углеводородов (гексан– 1, нитрометан– 2, нитробензол – 3) с применением мультисенсорной системы; n = 6, P = 0,Введено, мг/м3 Найдено, мг/м3 Sr 1 2 3 1 2 3 1 2 5,0 10,0 10,5 1 1 5,50,1 9,50,1 10,00,5,0 25,0 15,0 2 1 5,30,1 23,50,3 16,00,5,0 30,5 15,0 3 4 4,90,2 32,01,5 15,50,10,0 80,0 15,0 5 1 11,50,6 80,50,9 16,51,15,0 90,0 35,0 2 1 13,80,3 91,00,9 37,02,25,0 95,5 50,0 1 3 27,00,3 94,53,0 52,02,Для получения наглядного представления о стратификационной структуре углеводородов построена дендрограмма группирования алканов (рис. 4.5).

Классификация алканов основана на последовательном объединении кластеров.

Каждое объединение уменьшает число кластеров на один, в результате все объекты собираются в один кластер.

Установлено, что объекты 2,3 (гептан, октан) и 4,5 (нонан, декан) наиболее близки и поэтому объединяются в малые кластеры.

Попадание сигнала сенсора около каждой точки, характеризующей алкан, позволяет отнести Рис. 4.5. Дендрограмма алканов:

(идентифицировать) вещество к 1 – гексан; 2 – гептан; 3 – октан;

соответствующему алкану.

4 – нонан; 5 – декан Кластер построен по сигналам пьезосенсора к алканам С6 – С10 нормального строения, он справедлив и для алканов изомеров.

Несмотря на то, что современные аналитические методы позволяют достаточно точно определить множество веществ, находящихся в многокомпонентных объектах, общий «образ» вещества установить таким способом довольно трудно.

Однако, современные достижения, таких дисциплин как физика, химия и прогресс в микроэлектронике, ставит нас на порог значительных изменений в «запаховой» области1. Для создания устройства, позволяющего проводить анализ веществ и материалов по запаху, в качестве базовой была использована многоуровневая нейронная семиотическая модель, описывающая механизм работы обонятельной луковицы человека. Согласно этой модели, функциональная структура обонятельной системы человека состоит из трех уровней взаимодействия.

На первом уровне происходит сбор первичной информации об аналите, которую осуществляют обонятельные рецепторные нейроны. Каждый нейрон реагирует на раздражитель (запах) условной обонятельной среды, и затем формирует выЧечкин А.В. Принципы и методы математического моделирования интеллектуальных систем // Интеллектуальные системы, Т.3, вып. 1-2, 1998.

ходной сигнал в зависимости от чувствительности к данному веществу. Сигналы от рецепторных нейронов поступают в обонятельные клубочки, набор которых представляет собой второй уровень обработки информации. Обонятельный клубочек объединяет выходы однотипных рецепторных нейронов в группы, которые называются обонятельными зонами. В результате взаимного влияния этих зон друг на друга между ними через межклубочковые клетки образуются латерально тормозящие связи. Суммарные сигналы зон поступают на входы двух типов основных нейронов: митральные и кисточковые, составляющих третий уровень модели. По аналогии с известной моделью1 была предложена трехуровневая модель (рис. 4.6).

Рис. 4.6. Схема трехуровневой модели Процесс обработки информации протекает во времени в определенной последовательности ряд этапов преобразования данных при прохождении их от входа к выходу модели. Работа описанной нейронной модели заключается в выполнении серии циклов, в результате которых происходит процесс самонастройки обонятельной луковицы на поступающие от рецепторных нейронов сигналы; результатом является информация о качестве аналита и его концентрации. Аналогом обонятельной луковицы в предлагаемой модели служит искусственная нейронная сеть.

Особенности аппаратной реализации измерительной мультисенсорной системы. Руководствуясь выбранной моделью, создан электронный аналог системы обоняния человека – «электронный нос» (ЭН), схема которого приведена на рис. 4.7.

Пьезосенсоры осуществляют сбор первичной информации о природе и составе запаха, то есть соответствуют обонятельным рецепторным нейронам первого уровня модели. Сигналы пьезосенсоров, зависящие от чувствительности, интенсивности запаха, затем группируются системой сбора и передачи информации на втором уровне модели.

Для многоканальной регистрации сигналов десяти пьезосенсоров в системе «электронный нос» и последующей передаче полученных данных в персональный компьютер использовали программируемую логическую интегральную схему (ПЛИС).

Рис. 4.7. Схема «электронного носа» Воронков Г.С. Нейрофизиологические механизмы и обработка сенсорной информации на первом синаптическом уровне в обонятельном анализаторе // Автореф. дисс. на соискание… докт.биолог.наук, М.: МГУ, 1990.

Для автоматического измерения частоты нескольких каналов пригоден метод измерения количества входных импульсов в течение опорного высокоточного временного интервала. Измерения всех каналов проводили независимо и параллельно во времени, позволяя, таким образом, за каждый опорный временной интервал замера tзам рассчитать значение входной частоты сигнала. В качестве элементов счета, оценки полученных значений и элементов интерфейса с ПК целесообразно применение цифровых логических элементов, что позволяет сконструировать устройство, сочетающее в себе высокую надежность, точность обработки данных и невысокую стоимость. Чувствительный элемент, в качестве которого использован кварцевый резонатор собственной резонансной частотой f0, включен в цепь генератора периодического синусоидального сигнала. Параметры генератора подобраны таким образом, чтобы обеспечить стабильность генерации во всем диапазоне частот колебаний кварцевого резонатора f0 fmax, где fmax – максимальный сдвиг частоты колебаний под воздействием изменения состава окружающего газа. Схема коррекции параметров сигнала обеспечивает преобразование ряда характеристик сигнала генератора в параметры, приемлемые для контроля цифровыми методами: осуществляется корректировка времени нарастания и спада сигнала с относительного времени, равного , до абсолютного значения, равного 10 – 30 нс, производится ограничение амплитуды сигнала до уровня функционирования логических CMOS – схем, осуществляется согласование выходного сопротивления генератора и входного сопротивления цифрового элемента схемы.

Цифровой счетчик импульсов преобразует количество входных переходов сигнала из лог. «0» в лог. «1» в параллельный цифровой код. Количество счетчиков равно количеству генераторов сигнала, т.е. равно количеству каналов исследуемой частоты. Счет входных импульсов производится до момента прихода N сигнала окончания счета с генератора опорных временных интервалов. Затем происходит одновременное обнуление всех счетчиков, а их конечные значения соN храняются в оперативной памяти устройства. Временной интервал (период) замера входной частоты каналов сбора данных tзам определяется по формуле (4.3):

tзам , (4.3) F N где F – количество измерений частоты всех каналов в секунду,, N – колиc чество опрашиваемых каналов.

Необходимая разрядность двоичного счетчика определяется из расчета максимально возможного количества входных импульсов, приходящих с генератора на время tзам :

Q log2fmax tзам, (4.4) где fmax f0 fmax, а при дробном значение Q выбирается ближайшее большее целое значение.

Блок оценки корректности полученных значений анализирует данные о состоянии генераторов и датчиков температуры. Фактическое значение частоты генератора определяется по формуле (4.5):

K fфакт , (4.5) tзам где K – количество импульсов, подсчитанных счетчиком за время tзам.

При f0 fmax fфакт f0 fmax принимается решение об отсутствии или некорректном функционировании чувствительного элемента данного канала, в противном случае значение fфакт передается через интерфейсную схему в ПК для дальнейшего контроля. Датчики температуры газового потока напрямую вырабатывают цифровой код, пропорциональный температуре газового потока на входе в устройство ( t0 ) и выходе из него ( t1 ). В блоке оценки корректности происходит усреднение значений данных датчиков по следующей формуле:

t0 ttср , где tср – усредненная температура газового потока в устройстве. Как и в случае с данными частоты, значение tср посредством интерфейсной схемы передается в ПК.

На рис. 4.8 представлена структурная схема обсуждаемого устройства. Чувствительный элемент (кварцевый резонатор) включен в цепь генератора импульсов и представляет собой законченный формирователь импульсов с частотой, зависящей от газовой среды, окружающей чувствительный элемент. Все чувствительные элементы располагаются в один или несколько рядов на печатной плате на минимальном расстоянии друг от друга и закрываются сверху герметичным пластиковым кожухом с патрубком для входа газа с одной стороны и с патрубком для выхода – с противоположной стороны кожуха. Датчики температуры расположены на печатной плате под кожухом под входным и выходным воздушным потоком соответственно.

Чувствительный Генератор элемент импульсов … Схема ограничения параметров сигнала Источник питания … датчиков Конфигурационная память ПЛИС Источник питания логических схем Датчик температуры Источник питания ядра ПЛИС Схема согласования уровней Опорный интерфейса с ПК стабилизированный генератор Интерфейсный соединитель Рис. 4.8. Структурная схема устройства Буферная схема ограничения параметров сигнала выполнена на логических элементах с гистерезисом переключения, что позволяет предотвратить возникновение участков нестабильности («дрожания») сигнала на цифровых входах последующей схемы.

Генератор опорных временных интервалов, счетчики импульсов, память для хранения результатов счета, блок корректности полученных значений и интерфейс с ПК реализованы на базе ПЛИС, выполненной по технологии SRAM. Такая реализация позволила добиться таких немаловажных технических параметров, как минимизация размеров устройства, высокая его повторяемость, надежность работы и точность подсчета частоты, возможность быстрой и простой модификации цифровой части схемы в случае возникновения необходимости изменения одного или нескольких параметров ее функционирования. Конфигурационная память хранит в себе данные о логической схеме ПЛИС и при включении питания устройства автоматически производит ее конфигурацию в соответствии с разработанной логической схемой. Источником опорной частоты для формирования временных интервалов отсчета служил стабилизированный кварцевый генератор промышленного исполнения Астра (ФГУП «ОНИИП»). Источники питания датчиков, логических схем, ядра ПЛИС обеспечивают формирование опорных напряжений для функционирования соответствующих элементов устройства. Примерную емкость ПЛИС возможно определить по формуле (4.6):

S (sинт sкорр Nsпам sсчетч sотсч) kзап, (4.6) где sинт – количество ячеек для синтеза интерфейса с ПК; sкорр – количество ячеек для синтеза блока оценки корректности значений; sпам – количество ячеек для синтеза оперативной памяти отсчета; sсчетч – количество ячеек для синтеза счетчика входной частоты; sотсч – количество ячеек для синтеза генератора опорных временных интервалов; kзап – коэффициент запаса свободных ячеек для последующей модификации содержимого ПЛИС.

Применив в качестве связи с ПК широко распространенный интерфейс RS232 с типовым количеством синтезируемых ячеек sинт =150, приняв sкорр= 210, kзап=1,3, определим остальные параметры, зависящие от требований, предъявляемых к устройству. Примем количество ячеек, необходимое для синтеза счетчика, равное количеству двоичных разрядов в нем. В качестве примера рассмотрим устройство, обрабатывающее количество каналов N 20 и производящее F 10 замеров в секунду. Зададимся частотой опорного генератора устройства fоп = МГц, максимально возможной частотой датчика частоты fmax = 20 МГц.

Расчет количества ячеек для синтеза генератора опорных временных интервалов проведем по формуле (4.7):

sотсч log2 tзам fоп, (4.7) fоп 40 1 с учетом (4.1) получим: sотсч log2 log2 17,610, взяв ближайшее F N 2 больше целое значение, получим sотсч 18.

Расчет количество ячеек для синтеза счетчика входной частоты проведем по формуле (4.7), полученной из формулы (4.4) подстановкой в нее значения (4.3):

fmax 20 1 sсчетч log2 log2 16,610, (4.8) F N 2 взяв ближайшее большее целое значение, получим sсчетч 17.

Количество ячеек для синтеза оперативной памяти отсчета будет совпадать с разрядностью счетчика, хранимого в ней, то есть sпам = sсчетч.

Таким образом, согласно (4.6), рассчитаем емкость ПЛИС в логических ячейках: S (150 210 2017 1718) 1,3 1375,4.

Рассчитанная емкость ПЛИС позволяет использовать недорогие популярные кристаллы, в частности, младшие из семейств ACEX, Cyclone, производимых фирмой Altera (США). Для нашей системы была выбрана ПЛИС (Altera) EPF10K20TC144-3, на которой и реализован 10-канальный частотомер, при этом ПЛИС предусматривает возможность расширения числа каналов измерения до путем коммутации входов. Управление работой системы осуществляется от ПК по последовательному протоколу RS232 (com-порт).

Такое решение позволило создать малогабаритную высокоинтегрированную систему сбора данных с гибкой структурой, поддерживающую также функцию внутрисхемного программирования.

Затем общий выходной сигнал электронного носа обрабатывается на третьем уровне модели, который располагается уже в ПК.

Увеличение количества сенсоров в установке ЭН, являющихся информационными каналами устройства, обусловлено двумя причинами:

1. Повышение достоверности и надежности контроля.

2. Снижения точности получаемой информации в случае нарушения функционирования части сенсорной системы.

Суммарный сигнал электронного носа включает набор следующих трех параметров: максимальный частотный сигнал пьезосенсора за время контроля fmax(сигнал пьезосенсора к анализируемой пробе), время достижения max величины сигнала сенсора fmax, площадь Sy фигуры, ограниченной функцией f=() и осями Оf и О.

Набор этих трех выходных параметров каждого сенсора представляет собой входной вектор для третьего уровня обработки информации. После формирования суммарного сигнала ЭН, создается база данных, в которую заносится информация о природе запаха и концентрации его отдельных компонентов, на основе которой затем формируется входной сигнал для слоя основных нейронов.

Третий уровень модели обонятельной системы в «электронном носе» представлен многослойной нейронной сетью (МНС) с обучением по методу обратного распространения ошибки (back propagation). На входной слой МНС подаются результаты обработки сенсорных данных ( Xi ) нейронами слоя снижения размерности входного вектора. Слой снижения размерности сигнала, поступающего на вход нейронной сети, выполняет функцию синтеза единичного вектора на основе значений трех передаваемых параметров. Это позволяет использовать облегченную модель нейронной сети, и, как следствие, уменьшить время обработки и получения конечной информации. Затем происходит процесс преобразования и передачи информации между внутренними слоями сети, сравниваются значения требуемого выходного и смоделированного сигнала системы, рассчитывается ошибка по формуле:

n e yi Di. (4.9) iПроцесс исследования обонятельной среды завершается снятием сигнала ( yi ) с выходного слоя системы и его контроля.

В созданной информационной системе устройства процессу самонастройки обонятельной луковицы соответствует обучение нейронной сети, которое проводит корректировку возбуждения основных нейронов с целью повышения их чувствительности к аналиту. Для этого осуществляют работу сети на некотором обучающем множестве входных векторов, для которых определены результирующе значения. При этом происходит уточнение весов связей нейронов, за счет чего достигается уменьшении полной ошибки сети, возникающей из-за рассогласования между фактическими и требуемыми значениями активности выходных элементов сети.

Процесс параметрической оптимизации сети в режиме обучения происходит в соответствии с алгоритмом обратного распространения ошибки. Созданный измерительный комплекс по своей организации и функциональным возможностям близок к природному аналогу. Так система пьезосенсоров уже не пассивно отражает информацию о воздействии анализируемой среды, а проводит процесс самонастройки на данный аналит, компенсирует неточность поступающей информации, и в результате строит образ входного вещества.

Разработка аналитических блоков сбора, обработки и анализа сигналов системы. Важной особенностью разработанной мультисенсорной системы является способность не только запоминать образ входного сигнала (природа аналита), но возможность использования устройства без повторного обучения.

Созданный «электронный нос» состоит из 10 пьезосенсоров. Для надежной интерпретации экспериментальных данных и классификации исследуемых запахов необходима система обработки сигналов «электронного носа». Для этой цели использовали искусственные нейронные сети. Этот выбор обусловлен нелинейностью зависимости сигнала пьезосенсора от концентрации анализируемых веществ.

Для реализации алгоритма обработки полученных в результате контроля сигналов пьезосенсоров и их дальнейшую интерпретацию результатов анализ разработан оригинальный программный комплекс, включающий следующие модули.

I. Модуль, обеспечивающий режим обучения нейронной сети. При использовании прибора для регистрации запаха, который не входит в классификационный перечень определяемых веществ, необходимо провести обучение сети. Для этого необходима выборка, содержащая информацию о входах и выходах системы при анализе конкретного вещества. Ее можно сформировать автоматически, используя результат работы «электронного носа».

При работе сети с обучающей выборкой производится активация алгоритма обучения, который проводит параметрическую оптимизацию нейронной сети, то есть происходит самонастройка сети на восприятие данного вещества. Совокупность входных векторов загружается из файла, создаваемого пользователем по результатам работы «электронного носа». В процессе обучения возможно изменение управляющих параметров алгоритма обучения: выбор способа нормализации, скорости обучения (величина шага при обучении весов), коэффициента инерции и ряда других. После окончания этапа обучения данное вещество добавляется в классификационную базу данных программы, и устройство готово к основному режиму работы.

II. Модуль оценки работы сети. Данный модуль предназначен для оценки эффективности (качества) работы нейронной сети. Кроме информации о значении среднеквадратичной ошибки и времени обучения сети, отчет содержит также сведения статистического характера, а именно, количество правильных, неправильных, а также неосуществленных классификаций для обучающего и тестового множеств.

При использовании тестовой выборки нейронная сеть функционирует в основном режиме, при этом улучшение настроек сети не происходит. По результатам оценки эффективности работы электронного носа программа выдает сообщение, информирующего об успешном или неудачном обучении нейронной сети. При успешном обучении сети, программа предлагает пользователю возможность добавить результаты обучения в общую базу данных.

III. Модуль основного режима работы. Для контроля запаховой среды на основе измерений сенсорной системы необходимо установить соответствующие настройки сети, сохраненные в типизированных файлах после этапа обучения. Результат выполнения программы формируется в виде отчета, содержащего сведения об исследуемом веществе и выводится на печать.

IV. Модуль графического представления данных. Формирует графическую информацию о результатах работы сенсорной системы. При запуске информационной системы, проводящей анализ опытных данных, полученных при работе технического устройства, открывается диалоговое окно, представляющее пользователю выбрать режим работы системы.

Для удобства пользователя информация об аналитах, содержащихся в базе данных «Аналит», расположена в главном окне программы. При загрузке программы на экране отображаются следующие данные: название вещества по систематической и тривиальной номенклатурам, код вещества1,2, используемый при обучении.

Непосредственно в данном окне пользователь имеет возможность провести поиск необходимого вещества по одному из этих параметров и ознакомиться с его основными характеристиками. Работа с основными функциональными модулями системы производится при помощи использования пунктов меню. Каждый пункт меню позволяет пользователю выполнять определенную группу задач.

Разработка и особенности программной реализации экспертной системы на основе «электронного носа». Для разработки экспертной системы на основе «электронного носа» была выбрана продукционная модель, как наиболее распространенная (более 80 %) при создании экспертных систем. Для создания интеллектуальной составляющей автоматизированной системы газового контроля использовали среду Borland Delphi 7.0 (СУБД - Paradox).

Основные функциональные модули экспертной системы.

1. Пункт меню «База данных». Позволяет хранить и обрабатывать информацию об аналитах, использующихся для обучения нейронной сети. Каждому процессу преобразования базы данных «Аналит» соответствует свой подпункт меню: Изменить данные о веществе, Добавить новое вещество, Удалить вещество из базы. В данной форме пользователь может изменить любые данные об аналите.

2. Пункт меню «Обработка опытных данных». В результате проведения опыта сигналы сенсорной матрицы размещаются в текстовом файле Drv.txt. Для того, чтобы эти данные могли использоваться в качестве обучающей выборки или анализироваться, необходимо привести их к специальному виду. Процедура обработки опытных данных позволяет пользователю провести такое преобразование.

3. Пункт меню «Работа с эталоном». Для того чтобы «научить» устройство распознавать тот или иной аналит, необходимо создать для него обучающую выборку.

Это происходит в процессе проведения опыта с эталоном данного вещества. К эталону каждого аналита предъявляется ряд требований, содержащихся в базе данных «Эталон». Модуль работы с эталоном вещества позволяет обучать сеть распознавать только данное вещество. Такая процедура локального обучения позволяет выбрать наиболее оптимальную обучающую выборку, которая затем добавляется в базу данных Грибов Л.А., Баранов В.И., Эляшберг М.Е. Безэталонный молекулярный спектральный анализ. Теоретические основы. - Едиториал УРСС, 2002.

Вершинин В.И., Дерендяев Б.Г., Лебедев К.С. Компьютерная идентификация органических соединений. – Академкнига, 2002.

«Эталон». Процедуры локального и общего обучения/контроля идентичны. Основное отличие в том, что в случае общего обучения производится настройка сети на распознавание всех аналитов, содержащихся в базе данных. Т.е. при проведении общего контроля сеть способна обнаружить в исследуемой газовой смеси те вещества, данные о которых известны заранее.

4. Пункт меню «Проведение опыта». Этот пункт позволяет проводить общее обучение сети и анализ реальной газовой смеси. Процесс периодического обучения сети на всем множестве объясняется тем, что происходит активное изменение информации, содержащейся в БД «Аналит». К нему относится добавление и удаление веществ, а также изменение основных их характеристик. Так обязательному переобучению подлежит сеть в случае замены обучающей выборки или изменения кода аналита. Для проведения контроля необходимо указать файл, содержащий преобразованные экспериментальные данные.

5. Пункт меню «Графический анализ». Данный модуль формирует графическое представление информации о результатах работы сенсорной системы, использующееся для визуального контроля результата работы устройства. Оценку изменения уровня концентрации вещества, регистрируемого отдельным сенсором, проводят используя данные о времени, при котором сигнал пьезосенсора достигает своего максимального значения (по аналогии с методом оценки хроматограмм). Зависимости такого вида строится по сигналам сенсоров. Для комплексного сравнения работы сенсоров в различных условиях применяли профильный анализ (лепестковая диаграмма)1. Метод основан на том, что отдельные сигналы сенсоров, объединяясь, дают качественно и количественно новую характеристику исследуемого объекта. В нашем случае, профиль запаха представлен совокупностью осей, на которых нанесены значения максимальных сигналов полученных во время работы «электронного носа».

Результаты графического контроля для удобства пользователя размещаются в БД «Графика». Данные образы экспериментальных данных, получаемых при помощи матрицы сенсоров, могут быть использованы в будущем для реализации другого алгоритма распознавания образов запахов, например, методом главного компонента2.

Процедура обучения нейронной сети представляет собой ряд последовательных шагов, в процессе выполнения которых определяется основные параметры нейросети.

В информационную систему, входящую в состав автоматизированной системы физико-химического контроля «электронный нос» включена процедура обучения на основе свободно распространяемого пакета Neural Network Wizard (BaseGroup Labs, Россия). В процедуре предумотрены следующие этапы.

Шаг 1. Определить обучающее множество. Для начала обучения необходимо задать текстовый файл, содержащий обучающее множество сигналов сенсоров. Данный файл формируется при помощи разработанного модуля FormingData, которая на основе опытных данных, содержащихся в файле Drv.txt, создает либо данные для контроля, также помещаемые в текстовый файл и имеющего вид:

1 23 15 6 4 59 45 11 3 2 20 10 5 2 50 50 15 1 57, где первый столбец содержит значения момента времени проведения эксперимента, а каждая строка содержит значения сигнала мультисенсорной пьезосенсоров (к Родина Т.Г. Сенсорный анализ продовольственных товаров. – М.: Издательский центр «Академия», 2004.

Родионова О.Е., Померанцев А.Л. Хемометрика: достижения и перспективы // Успехи химии. 2006, Т. 75, № 4.

примеру, число 45 означает уровень частотного сигнала шестого сенсора в момент времени равны 1), либо формирует обучающую выборку для аналита, помещаемую в базу данных и имеющую аналогичную структуру. Числа в строке отделены друг от друга знаком табуляции.

Шаг 2. Задание полей и их свойства. Обучающая выборка для всех веществ, содержащихся в базе данных имеет следующий вид:

t p1 p2 p3 p4 p5 p6 p7 p8 p9 res 1 23 15 6 4 59 45 11 3 54 2 20 10 5 2 50 50 15 1 57 В отличие от данных для контроля эта выборка содержит имена входных и целевого полей. В данном случае входными полями являются поля: t – момент времени, с, p1-p9 – уровень частотного сигнала соответствующего пьезосенсора, Гц; Выходным полем является поле res, содержащее код аналита. Назначение каждому вектору входных значений определенного кода аналита производится программно без участия пользователя в соответствии с базой данных «Аналит». Для улучшения процесса подборки весовых коэффициентов, значения полей можно нормализовать. Процедура обучения нейросети предусматривает три вида нормализации, применяемой для каждого из полей, а также возможность нормализацию не производить.

Шаг 3. Задание параметров нейросети. Данный шаг является важнейшим для определения оптимальной архитектуры нейросети. Имеется возможность изменять число внутренних слоев и количество нейронов в них, а также изменять вид активационной функции нейронов сети.

Шаг 4. Определение критериев обучения. Этот этап позволяет определить основные параметры алгоритма обучения сети – скорость обучения, момент, а также позволяет назначить критерии остановки обучения – по количеству прошедших эпох, по максимальной и/или средней ошибках при обучении или тестировании.

Шаг 5. Запуск обучения системы. В процессе поиска оптимального набора весовых коэффициентов нейронов сети можно наблюдать графическое представление протекания процедуры обучения, а также контролировать уровень ошибок обучения и тестирования. Для произвольной остановки процесса в независимости от выполнения критериев остановки обучения необходимо нажать на кнопку «Остановка обучения».

Шаг 6. Рассчитать результат. Данный шаг используют для предварительной проверки эффективности работы нейросети и для распознавания произвольного вектора входных данных. Для правильности проверки предъявляют на вход сети значения, попадающие в интервал обучения. По выходу сети судят о необходимости повтора процедуры обучения либо о сохранении настройки сети. Результатом данной процедуры является специальный файл с расширением *.nnw, который сохраняет настройки сети. Режим функционирования нейронной сети осуществляется при помощи созданного модуля Work.

Для анализа опытных данных, поступивших с мультисенсрной системы, необходимо сформировать при помощи модуля FormingData множество входных векторов, либо указать уже имеющийся файл, содержащий данные для контроля. Далее выбирают соответствующий файл с сетевыми настройками. Результат контроля первоначально будет помещен в специальный файл, содержащий числа, соответствующие кодам аналитов. На основе данного файла происходит идентификация аналитов путем обращения к базе данных «Аналит» и поиску по коду соответствующих данному веществу характеристик. После полной идентификации происходит формирование отчета, содержащего результат проведенного контроля.

В состав данной информационной системы входят база данных, включающая в себя следующие информационные массивы: таблица «Аналит»; таблица «Эталон»;

таблица «Графика». Данная информационная система дает возможность выбора наиболее эффективного для определений набора сенсоров.

Созданная система «электронный нос» апробирована для экспрессной оценки качества товарных бензинов. Разработанный способ оценки качества бензинов (на примере А-76, АИ-92) предполагает использование системы из шести пьезосенсоров, модифицированных скваланом, полиметилфенилсиликоном, причем регистрацию аналитических сигналов сенсоров проводят последовательно, а их суммарный сигнал формируют в виде «визуальных отпечатков», по которым затем проводят непосредственно идентификацию (патент №2248571).

В пятой главе приведены результаты исследований возможности определения аминокислот (глицин, аланин, гистидин) и дипептидов (глицил-глицин, карнозин) в водных и водно-спиртовых растворах с применением пьезосенсора.

Особенности построения автогенераторов для пьезокварцевого микровзвешивания в жидкой среде. Для контроля водных сред с помощью пьезосенсора предложен модифицированный автогенератор, работающий на частоте первой гармоники последовательного резонанса пьезокварцевого резонатора с номинальной частотой 5 МГц, работающий на частоте первой гармоники последовательного резонанса пьезокварцевого резонатора с номинальной частотой 5 МГц.

Детектирование ионов металлов (К+, Ca2+, Fe2+, Zn2+) в водных растворах с применением пьезосенсора. Проведены исследования, которые позволили показать применимость пьезосенсоров для детектирования в водной среде ионов металлов К+, Ca2+, Fe2+, Zn2+.

Полученные данные позволяют расположить катионы в следующий ряд по возрастанию чувствительности сенсора при определении металлов в жидкости:

Zn2+> Fe2+> Ca2+. Эту закономерность, вероятно, можно объяснить тем, что пьезорезонансные сенсоры относятся к масс-чувствительным сенсорам и, следовательно, молярная масса аналита оказывает существенное влияние на величину аналитического сигнала при определении катионов. Хотя и известно, что на характеристики сенсора в жидкой фазе существенное влияние оказывают и вязкостные свойства среды1.

По результатам проведенных исследований рассчитаны метрологические параметры определений К+, Ca2+, Fe2+, Zn2+ с использованием пьезосенсора (табл. 5.1).

Таблица 5.1. –Чувствительность сенсоров при детектировании металлов в проточно-инжекционном режиме Определяемый Молярная Чувствительность ПО105, моль/дмметалл масса, г/моль S10-6, Гцмоль/см2г K+ 12,580,01 4,220,Ca2+ 12,270,05 4,330,Fe2+ 8,76 0,08 6,070,Zn2+ 7,550,09 7,040,Градуировочные зависимости линейны в диапазоне концентраций 2,510–3–0,моль/дм3. Производительность составляет до 150 проб в час.

Kanazawa K.K., Gordon J.G. Frequency of a quartz microbalance in contact with liquid // Anal. Chem., 1985. – V. 57.

Определение аминокислот и дипептидов в водных и спиртовых растворах с применением пьезосенсора. Для определения глицина и глицил-глицина в водных и спиртовых растворах была разработана следующая схема (рис. 5.5).

Условия элюирования: температура контроля 202оС; скорость элюента 30 см3/мин; время между инжектированием проб составляет t=90 с.

Выявлено, что характерной особенностью проведения определений в спиртовых растворах изученных аналитов является хорошая линейная корреляция аналитического сигнала сенсора и концентрации определяемого соединения. В случае же проведения контроля в водных растворах наблюдается только удовлетворительная корреляция.

Этот факт, вероятно, можно объяснить значительной величиной диэлектрической проницаемости воды (=78,3) и этилового спирта (=24,3), что оказывает существенное влияние на аналитический сигнал сенсора. Установлено, что с повышением содержания аналита в пробе снижается повторяемость значений сигналов.

Правильность определений контролировали методом капиллярного электрофореза (прибор «Капель-105», рис. 5.6).

Рис. 5.5. Схема анализа аминокислот и дипептидов пьезосенсором в модельных растворах 75.5 mAU 9Capel 7 8 9 10 11 12 13 14 15 16 17 18 мин Рис. 5.5. Электрофореграммы модельного раствора аминокислот lys ala gly leu pro val ile thr arg phe ser met tyr asp glu his cys В качестве электролита применяли фосфатный буферный раствор (рН=9,13), ввод пробы осуществляли при давлении Р=30 мПа, длина волны =254 нм, температура контроля 30оС. В этих условиях продолжительность контроля составляла 15 – 20 мин. Методика определение аминокислот пьезосенсорами по сравнению с методом капиллярного электрофореза экспресснее и позволяет проводить анализ в полевых условиях (патент РФ №2282185).

Детектирование углеводов в водных растворах с использованием пьезорезонансного сенсора. Поскольку углеводы являются важными составляющими многих продуктов питания и напитков, и определение их необходимо для различных целей, включая контроль качества; мониторинг для целей маркировки продуктов питания; установление аутентичности; анализ заменителей сахара, наполнителей и заменителей жира; а также для мониторинга ферментации при производстве спиртсодержащих напитков, то для определения глюкозы и сахарозы применен пьезосенсор оригинальной конструкции. Градуировочные графики (сенсограммы) носят нелинейный характер с характерными максимумами, приходящимися на содержание глюкозы 0,12 моль/дм3 и 0,10 моль/дм3 для сахарозы, что может быть обусловлено влиянием на сигнал сенсора не только содержанием аналита, но и диэлектрической проницаемостью, вязкостью и плотностью растворов глюкозы и сахарозы. Полученные результаты указывают на возможность применения пьезосенсоров для экспрессного тестирования углеводов (глюкоза, сахароза) в водных растворах. Кроме того, экспериментальные зависимости сигналов пьезосенсоров от содержания аналитов в пробе демонстрируют различную селективность сенсора к содержанию и химической структуре углеводов.

ВЫВОДЫ 1. Использование комплексного подхода для характеристики чувствительных покрытий пьезосенсоров, учитывающего массу и устойчивость мембран, чувствительность и селективность определения аналитов, позволяет теоретически обосновать выбор способа нанесения сорбента-модификатора в зависимости от целей проводимого анализа. Установлено, что оптимальным сочетанием высокой чувствительности и устойчивости характеризуются пленки сорбентов-модификаторов (арахиновая кислота, амфифильные циклодекстрин и каликс[4]резорцинарен), полученные методом Ленгмюра-Блоджетт.

2. Установлены закономерности сорбции паров алканов С6 – С11 (гексан, гептан, октан, нонан, декан, додекан), нитроалканов С1 – С3 (нитрометан, нитроэтан, 1– и 2– нитропропаны), нитроаренов (нитробензол, о– и м– нитротолуолы) на тонких пленках сорбентов-модификаторов пьезосенсоров. Определено влияние способа нанесения сорбента-модификатора пьезосенсора и морфология его поверхности на эффективность определений аналитов.

3. Рассчитаны чувствительность и селективность, технические характеристики пьезосенсоров (условия проведения измерений, хранения пьезосенсора, особенности выбора сорбента) при определении индивидуальных компонентов.

Установлено, что для определения углеводородов и их нитропроизводных в воздухе подходят пьезосенсоры с Agэлектродами как более устойчивые к воздействию компонентов анализируемой пробы и характеризующиеся максимальной адсорбционной емкостью и наименьшей относительной погрешностью определений по сравнению с А1 и Аuэлектродами. Наибольшее изменение массы пленки сорбента-модификатора выявлено после первых 10-ти сорбций, после чего пленка стабилизируется. Показаны возможности применения пьезосенсоров при анализе многокомпонентных растворов. Установлено, что для разделения аналитических сигналов пьезосенсоров и интерпретации полученных результатов могут быть использованы хемометрические методы (метод главного компонента, кластерный анализ, искусственные нейронные сети).

4. Разработаны конструкции измерительных ячеек для определения аналитов в газовой среде в статических и динамических условиях. Предложенные измерительные ячейки апробированы при анализе индивидуальных аналитов и их модельных растворов. Созданы устройства пьезосенсоров для контроля жидких сред. Исследованы закономерности детектирования ионов металлов (К+, Ca2+, Fe2+, Zn2+), углеводов и аминокислот в водных растворах.

Полученные данные позволили расположить катионы в следующий ряд по возрастанию чувствительности сенсора при определении металлов в жидкости:

Zn2+> Fe2+> Ca2+. По результатам создан измерительный комплекс для применения пьезосенсоров в анализе жидких сред.

Показана на возможность применения пьезосенсоров для экспрессного тестирования аминокислот (глицин), дипептидов (глицил-глицин), углеводов (глюкоза, сахароза) в водных растворах.

5. Предложена многоуровневая нейронная семиотическая модель обоняния для конструирования мультисенсорной системы типа «электронный нос».

Данная модель включает три уровня рецепторный (пьезосенсоры), обменный и интерпретационный (искусственная нейронная сеть). Для получения малогабаритной высокоинтегрированной системы сбора данных с гибкой структурой, поддерживающей функцию внутрисхемного перепрограммирования, использована логическая интегральная схема. На основе разработанной мультисенсорной системы создана интеллектуальная автоматизированная экспертная система газового анализа в среде разработки Borland Delphi 7.0 (СУБД - Paradox).

Система «электронный нос» апробирована для экспрессной оценки качества товарных бензинов. Разработанный способ оценки качества бензинов (на примере А-76, АИ-92) предполагает использование системы из шести пьезосенсоров, причем регистрацию аналитических сигналов сенсоров проводят последовательно, а их суммарный сигнал формируют в виде «визуальных отпечатков», по которым затем проводят непосредственно идентификацию (патент №2248571).

6. Предложены новые способы определения гексана, нитрометана, нитроэтана, 1- и 2-нитропропанов, нитробензола в воздухе и газовых смесях, методик детектирования некоторых аминокислот (глицина, аланина, гистидина), дипептидов (глицил-глицина, карнозина) в водных и водно-спиртовых растворах и ионов металлов (К+, Ca2+, Fe2+, Zn2+) с применением пьезосенсоров, отличающихся устойчивостью при хранении и использовании, в том числе в полевых условиях.

Основное содержание диссертации изложено в следующих публикациях.

С т а т ь и 1. Korenman Ya.I. Application of multi-sensor system for nitroethane detection in the air / Ya.I. Korenman, A.V. Kalach // Sensors and Actuators B: Chem. – 2003. – V.88, № 3. P.

334 – 336.

2. Калач А.В. Мультисенсорные системы. Применение методологии искусственных нейронных сетей для обработки сигналов сенсоров / А.В. Калач // Нейрокомпьютеры: разработка и применение. – 2003. - №10 – 11. С. 43 – 47.

3. Штыков С.Н. Пленки Ленгмюра-Блоджетт как эффективные модификаторы пьезокварцевых сенсоров / С.Н. Штыков, Я.И. Коренман, Т.Ю. Русанова, Д.А. Горин, А.В. Калач, К.Е. Панкин // Доклады АН.– 2004.– Т. 396.- №4.–С. 508 – 510.

4. Калач А.В. Органические оксиды как эффективные модификаторы пьезокварцевых резонаторов / А.В. Калач, А.И. Ситников // Известия вузов. Химия и хим.

технология. – 2004. – Т. 47. - №9. – С. 10 – 13.

5. Калач А.В. Применение искусственных нейронных сетей для определения нитрометана, гексана и бензола в воздухе / А.В. Калач // Известия вузов. Химия и хим. технология. – 2004. – Т. 47. - №9. – С. 144 – 146.

6. Калач А.В. Пьезосенсоры в мониторинге окружающей среды / А.В. Калач // Экологические системы и приборы. – 2004. - №10. – С. 8 – 11.

7. Калач А.В. Определение нитроалканов пьезосенсорами, модифицированными краун-эфирами / А.В. Калач // Сорбционные и хроматографические процессы. – 2004. – №6. – С.717 – 725.

8. Калач А.В. Автоматизированный контроль содержания анилина в воздухе с применением пьезосенсоров / А.В. Калач // Химическая промышленность сегодня.

– 2005. - №1. - С. 39 – 43.

9. Калач А.В. Автогенераторы для пьезокварцевого микровзвешивания в жидкой среде / А.В. Калач, В.В. Рыжков, А.И. Ситников // Датчики и системы. – 2005. №2.

– С. 23 – 25.

10. Калач А.В. Автогенераторы колебаний пьезокварцевых резонаторов, применяемых для контроля газов и паров / А.В. Калач, В.А. Шульгин, В.А. Юкиш, А.И.

Ситников, В.В. Рыжков // Датчики и системы. – 2005. №3. – С.43 – 46.

11. Калач А.В. Применение искусственных нейронных сетей для прогнозирования коэффициентов распределения бензойных кислот между водной и органической фазами / А.В. Калач // Нейрокомпьютеры: разработка и применение. – 2005. - №3.

– С. 65 – 12. Калач А.В. Криминалистическая идентификация взрывчатых и наркотических веществ с применением газоанализаторов / А.В. Калач // Приборы и системы.

Управление, контроль, диагностика. – 2005. - №5. С. 27 – 31.

13. Калач А.В. Сбор сигналов с пьезокварцевых сенсоров в системе «электронный нос» /А.В. Калач, В.А. Шульгин, В.А. Юкиш//Датчики и системы.–2005.№8.– С. 46–48.

14. Калач А.В. Способ контроля качества бензинов с применением системы пьезорезонансных сенсоров / А.В. Калач, О.Д. Козенков, В..Ф. Селеменев // Известия вузов. Химия и хим. технология. – 2005. – Т.48, вып. 9. С. 148 – 149.

15. Калач А.В. Экспресс-метод идентификации пороха/ А.В. Калач, С.В.Железный, В.Ф. Селеменев, В.А.Логинов, О.В.Середин, А.Н.Петров // Сорбционные и хроматографические процессы. 2005. т.5. Вып. 4. - С. 469-474.

16. Калач А.В. Мультисенсорная система "электронный нос". Часть 1. Сопоставление с природным аналогом / А.В. Калач, Е.В.Журавлева,.В. В. Рыжков, А.Н. Перегудов // Контроль. Диагностика.-2005. - №12. -С. 58-61.

17. Калач А.В. Мультисенсорная система "электронный нос". Часть 2. Сбор, обработка и анализ сигналов / А.В. Калач, Е.В.Журавлева, В.В. Рыжков, В.А. Шульгин, В.А.Юкиш, А.И.Ситников // Контроль. Диагностика №1.-2006. -С. 23-28.

18. Калач А.В. Мультисенсорная система "электронный нос". Часть 3. Разработка экспертной системы / А.В. Калач, В.В. Рыжков // Контроль. Диагностика №2.2006.- С. 15-18.

19. Калач А.В. Автоматизация контроля веществ с применением пьезорезонансных сенсоров /А.В. Калач, В.В. Рыжков // Датчики и системы. – 2006.- № 2. –С.31 – 33.

20. Калач А.В. Использование искусственных нейронных сетей для прогнозирования коэффициентов распределения органических кислот / А.В. Калач // Известия РАН. Серия химическая. – 2006. – Т. 55, № 2. – С. 207 – 212.

21. Shtykov S.N. Application of Langmuir-Blodgett films as modifiers of piezoresonance sensors / S.N. Shtykov, A.V. Kalach, T.Yu. Rusanova, K.E. Pankin // Sensors and Actuators B. – 2006. – V. 116. – P. 497 – 499.

22. Калач А.В. Установление давности выстрела с применением системы «электронный нос» / А.В. Калач // Судебная экспертиза.–2006, №5.–С. 30–33.

23. Калач А.В. Определение глицина и глицил-глицина в водных и спиртовых растворах с применением пьезорезонансного сенсора / А.В. Калач, А.Н. Зяблов, В.Ф.

Селеменев // Журн. аналит. химии. – 2006. – Т. 61, № 12. С. 1–4.

24. Калач А.В. Система пьезорезонансных сенсоров для экспресс-оценки качества бензинов / А.В. Калач, В.Ф. Селеменев // Химия и технология топлив и масел. – 2007. - №1. – С.44-45.

25. Калач А.В. Обнаружение каннобиноидов, опиатов и амфетамина с применением системы пьезорезонансных сенсоров / А.В. Калач М.А. Асташов, А.Н. Полухин// Судебная экспертиза. – 2007. - № 1, С. 95-101.

26. Калач А.В. Применение пленок Ленгмюра-Блоджетт в качестве модификаторов пьезорезонансных сенсоров / А.В. Калач, С.Н. Штыков, К.Е. Панкин, Т.Ю. Русанова, В.Ф. Селеменев // Журн. аналит. химии. – 2007. - №5, С. 544-548.

27. Калач А.В. Определение глицина и глицил-глицина в водных и спиртовых растворах с использованием акустического сенсора / А.В. Калач, В.Ф. Селеменев, А.Н.

Зяблов // Заводская лаборатория. Диагностика материалов. - 2007. - №7. – С. 17 – 19.

28. Калач А.В. Разработка мультисенсорной системы «электронный нос» для имитации обоняния человека / А.В. Калач // Нейрокомпьютеры: разработка и применение. – 2007. - №7, С. 115-121.

29. Калач А.В. Многоканальное устройство сбора сигналов «электронного носа»/ А.В.

Калач, А.В. Тепляков, А.И. Ситников //Датчики и системы.–2007.-№7.–С. 34– 35.

30. Зяблов А.Н. Энергии активации вязкого течения и коэффициенты диффузии дипептидов и аминокислот в водных растворах /А. Н. Зяблов, О. В. Байдичева, А. В. Калач, В. Ф. Селеменев // Журн. физ. химии.– 2008.– Т. 82, № 2. – С. 384-386.

31. Калач А.В. Раздельное определение алифатических нитроуглеводородов C1-C3 в воздухе с применением «электронного носа» / А.В. Калач, В.Ф. Селеменев, А.И.

Ситников // Журн. аналит. химии. - 2008. – Т.63, №6. – С. 658 – 661.

И з о б р е т е н и я 1. Патент 2206084 Россия, МПК 7 G 01 N 5/02. Способ определения нитроэтана в воздухе / Я.И. Коренман, А.В. Калач // Изобретения. – 2003. – Бюл. № 16.

2. Патент 2207539 Россия, МПК 7 G 01 N 5/02. Сенсорная ячейка детектирования / А.В. Калач, Я.И. Коренман // Изобретения. – 2003. – Бюл. № 18.

3. Патент 2211447 Россия, 7 G 01 N 30/00. Способ определения суммарного содержания нитроалканов С1 – С3 в воздухе рабочей зоны/ А.В. Калач, Я.И. Коренман // Изобретения. – 2003. – Бюл. № 24.

4. Патент 2216016 Россия. МПК 7 G01N30/00. Способ определения гексана в воздухе / Я.И. Коренман, А.В. Калач. – Изобретения. - 2003. – Бюл. № 24..

5. Патент 2236672 Россия, МПК 7 G01N30/00. Способ определения нитрометана в воздухе / Я.И. Коренман, А.В. Калач, Т.Ю. Русанова, С.Н. Штыков – Изобретения. - 2004. – Бюл. №28..

6. Патент № 2237893 Россия, МПК 7 G 01 N 5/02. Способ определения о– и м– нитротолуолов в воздухе / Я.И. Коренман, А.В. Калач, С.И. Нифталиев, Т.В. Леонова. - Изобретения. – 2004. – Бюл. № 28.

7. Патент №2240554 Россия, МПК 7 G 01 N 5/02. Способ определения нонана в воздухе / Я.И. Коренман, А.В. Калач, А.А. Киселев. – Изобретения. – 2004. – Бюл. №32.

8. Патент №2247367 Россия, МПК 7 G 01 N 5/02. Сенсорная ячейка детектирования / А.В. Калач, А.И. Ситников. – Изобретения. – 2005. – Бюл. №6.

9. Патент №2248571 Россия, МПК 7 G 01 N 5/02. Способ экспресс-идентификации бензинов / Я.И. Коренман, А.В. Калач, А.А. Киселев.–Изобретения.–2005. – Бюл. № 8.

10. Патент №2266532 Россия, МПК 7 G 01 N 5/02. Мультисенсорное устройство для определения качественных и количественных показателей табачных изделий / А.И.Ситников, А.В. Калач, В.В.Рыжков. – Изобретения. -2005. - Бюл. № 35.

11. Патент №2282183 Россия, МПК 7 G 01 N 5/02. Устройство пьезорезонансного сенсора / А.В. Калач, А.И.Ситников, В.А.Шульгин, В.Ф.Селеменев. – Изобретения.

2006. – Бюл. № 23.

12. Патент №2282185 Россия, МПК 7 G 01 N 5/02. Способ определения глицина в водных растворах / А.В. Калач, А.И.Ситников, В.А.Шульгин, В.Ф. Селеменев, А.Н. Зяблов. - Изобретения. 2006. – Бюл. № 23.

*** Автор выражает глубокую благодарность и признательность д.х.н., проф. С.Н. Штыкову, д.х.н., проф. Ю.В. Спичкину, к.х.н., доц. Т.Ю. Русановой, к.х.н. Н.Ю. Страшилиной за ценные советы и всестороннюю помощь, оказанную на разных этапах выполнения работы.

Подписано в печать 24.09.2008 г. Формат 60х84 1/Печать офсетная. Усл. печ. л. 2. Тираж 100 экз.

Заказ № __________________________________________ Отпечатано с готового оригинал-макета






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.