Стандартизация анализаторов на основе Фурье-спектроскопии в ближней инфракрасной области для контроля показателей качества зерна

• Автор: Лузанов, Павел Александрович
• Шифр специальности: 05.11.13
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Санкт-Петербург
• Количество страниц: 162 с.

1 Аналитический обзор методов стандартизации анализаторов
1.1 Спектроскопия в ближней инфракрасной области
1.2 Особенности метода Фурье-спектроскопии. Типовая схема Фурьеспектрометра
1.3 Основы количественного анализа
1.4 Принципы построения градуировочных моделей
1.5 Методы стандартизации анализаторов
1.5.1 Методы корректировки спектральных данных
1.5.2 Методы коррекции градуировочных моделей
1.5.3 Использование предварительных обработок спектров
1.5.4 Стандартизация конфигурации прибора
1.5.5 Градуировочные модели, устойчивые к инструментальным различиям
Выводы к главе 1. Постановка задачи
2 Принципы работы и анализ источников погрешностей инфракрасных анализаторов
2.1 Структура инфракрасных анализаторов
2.2 Источники погрешностей инфракрасных спектрометров
2.3 Градуировка инфракрасных анализаторов
2.3.1 Выбор образцов для создания градуировочных моделей и их проверки
2.3.2 Характеристики для оценки качества градуировочных моделей
2.4 Основные конструктивные узлы, оказывающие влияние на качество
градуировочных моделей
Выводы к главе 2
3 Методика создания градуировочных моделей, устойчивых к факторам, влияющим на результаты измерений анализаторов
3.1 Алгоритм создания устойчивых градуировочных моделей
3.2 Пошаговое представление алгоритма
3.2.1 Выбор образцов для градуировки и измерение их спектров на
приборе
3.2.2 Выбор образцов для выполнения стандартизации
3.2.3 Моделирование изменений влияющих факторов
3.2.4 Измерение спектров образцов для стандартизации на приборе в условиях
наличия изменений
3.2.5 Расчет корректирующих соотношений
3.2.6 Преобразование спектральных данных образцов градуировочного
набора
3.2.7 Создание градуировочной модели
3.2.8 Проверка градуировочной модели
3.3 Выбор оптимальной предварительной математической обработки при расчете корректирующих соотношений
Выводы к главе 3
4 Экспериментальные исследования метрологических характеристик анализаторов типа ИнфраЛЮМ
4.1 Конструкция прибора ИнфраЛЮМ ФТ-10
4.2 Оценка влияния основных конструктивных узлов анализатора ИнфраЛЮМ ФТ-10 на качество градуировочных моделей
4.2.1 Образцы для создания и проверки градуировочных моделей
4.2.2 Построение градуировочных моделей на приборе
4.2.3 Исследование влияния основных конструктивных узлов на качество
градуировочных моделей
4.3 Экспериментальные исследования алгоритма создания устойчивых градуировочных моделей
4.3.1 Выбор образцов для расчета корректирующих соотношений
4.3.2 Построение скорректированных градуировочных моделей
4.3.3 Результаты проверки исходных и скорректированных градуировочных
моделей
4.3.4 Проверка работоспособности предложенного алгоритма на другом
приборе
Выводы к главе 4
Выводы
Список литературы
Приложения

В любой отрасли промышленности требуется контролировать качество выпускаемой продукции. Эта задача достаточно актуальна и для сельского хозяйства, поэтому существуют государственные стандарты (некоторые из которых представлены в Приложении 1), регламентирующие содержание белка, жира, влаги, клетчатки и других показателей качества в исходном сырье, например, в зерновых культурах. Чтобы осуществить такой контроль нужно определить состав вещества. Для этого традиционно использовались стандартизованные методы (примеры подобных методов приведены в Приложении 2), которые, как правило, основаны на проведении химических реакций, приводящих к разрушению образца, выполняются вручную, достаточно трудоёмки и требуют большого количества времени для проведения анализа.
С появлением мощных вычислительных машин началось стремительное развитие ближней инфракрасной (БИК) спектроскопии, позволяющей автоматизировать процесс анализа. Спектроскопия БИК-области представляет собой современный инструментальный метод количественного и качественного анализа различных объектов [1]. Используемая область спектра безопасна как для оператора, так и для анализируемого объекта, что при соответствующем техническом обеспечении позволяет исследовать различные сельскохозяйственные продукты без нанесения им какого-либо вреда [2]. Современные БИК-анализаторы обеспечивают получение необходимых результатов в короткие сроки с достаточно высокой точностью. При этом одновременно может быть установлено содержание целого ряда компонентов или свойств исследуемого объекта, на определение которых предварительно отградуирован прибор [1].
Градуировка состоит в нахождении математического выражения зависимостей между спектральными характеристиками и определяемыми величинами. В БИК-спектроскопии используемые количественные связи обычно слишком сложны, поэтому представляются в матричной форме и называются градуировочными моделями, а процедура градуировки достаточно трудоемкая, длительная и дорогостоящая.
Выполнение ремонта, перенастройки, замены отдельных конструктивных узлов или блоков, а также старение прибора обуславливают возникновение больших погрешностей измерений при дальнейшем использовании анализатора с первоначальными градуировочными моделями. В результате может потребоваться переградуи-

Затем из значения в каждой точке спектра вычитают среднее арифметическое и нормируют полученную разность на среднеквадратическое отклонение для данного спектра:
Хі,і - X,
]р (х/,у “ X/) Г (1.46)
|| т-1
Тогда отдельный спектр, нормированный по среднеквадратическому отклонению, может быть представлен в виде:
Xй = (х" х" ■■■ Хн .. • гн
Л / Vя /, 1 Л /,2 Л і,і Л і,т)
(1.47)
Предварительное масштабирование отклонений.
Процедура используется для придания всей информации в спектральных данных равного веса, что позволяет различить малые изменения данных. Метод особенно полезен при анализе показателей с низкой и высокой концентрацией, когда их спектральные полосы перекрываются. При этом ошибка градуировки должна становиться более постоянной среди всех показателей.
При расчете вычисляется стандартное отклонение значений в каждой точке спектра по всему градуировочному набору, после чего значение в каждой точке спектра хи делится на стандартное отклонение значений в этой точке спектра:
(1.48)
где х - результат расчета по формуле (1.37).