复杂化学及生物过程原位实时光谱的分析理论和应用的研究

《复杂化学及生物过程原位实时光谱的分析理论和应用的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文摘要近红外(NIR)光谱、中红外光谱等光谱分析技术是新型绿色高效分析技术，在化工、烟草、制药、石油、环保等行业的应用日益广泛。在复杂化学与生物过程的监测与控制中，通常要求取样分析频率在几分钟甚至是几十秒钟之内。传统的离线分析技术一般很难满足这一要求。过程光谱分析技术具有分析速度快，很少需要预处理(甚至不需要样品预处理)，以及适合与光纤技术相结合实现原位实时分析，已经越来越广泛的应用于复杂化学和生化过程的原位实时在线监测与控制。但是在原位实时在线检测复杂化学和生化过程中所获得的光谱信号与在实验室所获得的光谱信号相比要复杂得多

2、，不但包含有目标化学物浓度变化的信息，而且还受到光纤探头的光学性质差异、待测体系的物理性质以及测试条件变化的影响，因此有必要建立全新的性能更为先进的光谱校正模型或对现有的光谱校正模型进行改进来从复杂的过程光谱信号中提取有用化学信息。光谱校正模型一经建立，通常希望其有效使用时间尽可能长。然而在实际应用中，有很多情况可能会导致模型失效，尤其当分析对象为复杂多相体系、复杂的生物过程体系等时，类似问题尤为突出。此时若想实现其原位实时监测分析，涉及到模型转移与维护的问题。在现阶段，如何提高复杂化学和生物过程体系光谱定量分析结果的精确度，将成为当

3、前原位实时光谱分析技术研究和应用的核心内容。本文发展了新型光谱校正模型和模型转移新方法，并尝试将这些新方法用于三元混合物模型体系的中红外光谱数据、复杂生物过程的近红外光谱数据、以及药物片剂的近红外光谱数据的定量分析，以提高原位实时光谱定量分析结果的精确度。本文的主要研究内容如下：1)复杂体系的原位实施光谱监测中，由多通道传输光纤光谱记录的光谱信号不仅包含化学成分含量变化的光谱信息，而且还包含光纤探头光学性质的差异所带来的光谱贡献。为此，本文提出了一用于定量分析由多个光纤探头所获得的复杂光谱数据的新型多通道光谱校正模型(Multiple

4、xCalibrationModel，MCM)。在MCM光谱校正模型中，为每个光纤探头引入一个乘积因子来校正由该光纤探头的光学性质差异而导致的光谱变化，然后利用本实验室发展的“双校正”策略(DualCalibrationStrategy)有效地消除其不利影响。本文将II复杂化学及生物过程原位实时光谱分析理论与应用研究此新型光谱校正模型应用于三元混合物模型体系的中红外光谱数据的定量分析，并将其结果与正交信号校正(OrthogonalSignalCorrection，0SC)、标准正态变量变换法(StandardNormalVariate，

5、SNV)、多元散射校正法(MultiplicativeScatteringCorrection，MSC)等常用多元线性校正模型相比具有更好的预测性能。2)考察了MCM校正模型应用于更为复杂的细胞发酵生产单克隆抗体的生物过程的细胞培养液中葡萄糖含量的近红外光谱定量分析的可行性，并将其结果与建立在OSC、SNV、MSC方法处理后的近红外光谱数据基础上的各PLS校正模型的结果作对比研究。实验结果表明，MCM具有更好的预测性能。3)为维护所建立的光谱校正模型在测量条件或仪器响应性能发生改变的情况下的预测能力，实现光谱校正模型的长期有效性，本实

6、验室开发一种新型光谱模型维护方法．光谱空间变换(SpectralSpaceTransformation，SST)法，并将其应用于一三元混合模型体系的多探头中红外光谱定量分析，以消除光纤探头的光学性质的差异所带来的光谱变化对定量结果的影响。4)将上述SST模型维护方法应用于药物片剂的近红外光谱定量分析，以实现建立在一台光谱仪器上的光谱校正模型能够适用与另一台同类光谱仪器所采集的光谱数据的准确定量分析。关键词：原位实时光谱定量分析；多通道光纤光谱仪；复杂化学与生化过程；多元校正模型；模型维护方法HI硕士学位论文AbstractNearin

7、frared(NIR)spectrometry，midinfrared(MIR)spectrometryhavebeenincreasinglyappliedtoinsitureal—timemonitoringofcomplexprocessesinpharmaceutical，tobacco，petroleum，environmentalprotectionandotherindustries，duetotheirhighmeasuringspeedandrequirementoflessorevennosampleprepara

8、tionswhichmakethemhighlysuitableforin—line／on-lineprocessmonitoring．Comparedwithspectraldatameasuredunderwell-