Поверхность. Рентгеновские, синхротронные и нейтронные исследования, 2021, № 8, стр. 82-94
Идентификация микроструктурных неоднородностей поверхности нанофильтрационных мембран ОФАМ-К и ОПМН-П
С. И. Лазарев a, Д. Н. Коновалов a, *, С. В. Ковалев a, b, О. А. Ковалева a, b, В. Ю. Рыжкин a
a Тамбовский государственный технический университет
392000 Тамбов, Россия
b Тамбовский государственный университет им. Г.Р. Державина
392000 Тамбов, Россия
* E-mail: kdn1979dom@mail.ru
Поступила в редакцию 02.12.2020
После доработки 07.02.2021
Принята к публикации 20.02.2021
Аннотация
Представлены два метода идентификации микроструктурных неоднородностей поверхности нанофильтрационных мембран ОФАМ-К и ОПМН-П. Метод оптической микроскопии в совокупности с применением системы автоматизированного проектирования AutoCad 2016 и стандартных средств Microsoft Excel 2010 позволяет исследовать микроструктурную неоднородность исходных образцов нанофильтрационных мембран ОПМН-П и ОФАМ-К. В работе также разработан метод, позволяющий автоматизировано рассчитывать среднюю величину диаметра засорения полупроницаемых мембран и коэффициент засоренности пористых тел. При помощи возможностей программного пакета Matlab 2017 показано использование современных инструментов для выполнения поставленной цели работы. Практический метод реализован на примере процесса нанофильтрации с применением полупроницаемых полимерных мембран типа ОФАМ-К и ОПМН-П. Проведены сравнительные исследования автоматизированного метода, сочетающего оптико-микроскопические исследования, обработку изображений Otsu’s method, программную реализацию в Matlab 2017 с методом оптической микроскопии в совокупности с применением системы автоматизированного проектирования AutoCad 2016 и стандартных средств Microsoft Excel 2010, которая более точно выявляет структурные неоднородности нанофильтрационных мембран ОФАМ-К и ОПМН-П.
ВВЕДЕНИЕ
В мембранных процессах разделения, очистки и концентрирования промышленных растворов машиностроительных, химических, биохимических, пищевых производств и др. особая роль отведена полупроницаемой мембране. Эффективность электромембранных, электробаромембранных, баромембранных процессов разделения растворов напрямую связана с морфологией и микроструктурными характеристиками поверхностного (активного) слоя мембраны, определяющих ее селективные и проницаемые характеристики, а также влияющие на эффект обрастания мембран. Исследование обрастания мембран наряду с селективными и проницаемыми характеристиками процесса является необходимым этапом для использования баромембранных, электромембранных, электробаромембранных процессов разделения растворов и сточных вод.
Авторы работы [1] констатируют, что обрастание зависит от механизма и факторов его обуславливающих, например, на процессы обратного осмоса и нанофильтрации влияют гидродинамические условия, состав разделяемой жидкости, мембранный материал и его свойства, а также механизм возникновения концентрационной поляризации. Непосредственным ограничением для более широкого использования мембранных методов разделения является эффект обрастания.
В работе [2] процесс обрастания мембран авторы связывают с явлением осаждения или адсорбции коллоидов, частиц, биомолекул и макромолекул (например, белков, полисахаридов), солей на поверхности и/или внутри пор и стенок пор в процессе разделения растворов.
В работе [3] показано влияние ионной имплантации на структуру и свойства полимерных материалов. Отмечается, что для проведения данного процесса необходимо контролировать многие физические и химические процессы, происходящие при ионной бомбардировке мембран, которые вызывают химическую модификацию мембран, приводящую к снижению гидрофобности и появлению повышенной адсорбционной способности обрабатываемой поверхности.
Проведенные в работе [4] исследования показали, что процесс образования отложений на мембране при обработке суспензией, содержащей CaCO3, зависит от способности к регенерации материала путем обратной промывки. Дополнена эмпирическая формула, оценивающая механизм обрастания мембран, которая улучшила точность описания процесса микрофильтрационного разделения раствора с применением полиуретановой мембраны.
Анализ работ [1–4] показывает, что получение приемлемых проницаемых и задерживаемых коэффициентов решается при использовании новых модификаций полимерных мембран, но при этом совершенно неизученным остается исследование микроструктурных неоднородностей поверхности нанофильтрационных мембран (при большой выборке экспериментальных данных).
Современные методы исследований, позволяющие однозначно интерпретировать результаты по поверхностной микроструктурной неоднородности или шероховатости нанофильтрационных полимерных мембран являются ограниченными для широкого круга заводских лабораторий, которые оснащены аппаратами для исследования выбранных объектов методами силовой и электронной микроскопии. Наряду с этими методами предлагается подход для оценки микроструктурных неоднородностей полимерных мембран с применением оптической микроскопии, которая доступна более широкому кругу лабораторий.
Удовлетворительный анализ шероховатости и неоднородности поверхности мембран традиционными и распространенными методами исследования поверхностной морфологической структуры различных типов полупроницаемых и ионообменных перегородок приведен в работах [5–23].
Из работ [5–24] следует, что рассмотренные методы не позволяют автоматизировать процесс расчета микроструктурных неоднородностей селективно-проницаемой поверхности (морфологии) нанофильтрационных мембран, что напрямую связано с изучением процесса обрастания (загрязнения) полимерных мембран. Использование процесса автоматизированного расчета микроструктурных неоднородностей (морфологии) поверхности позволяет адекватно подходить к определению производительности мембранного процесса разделения, очистки и концентрирования промышленных растворов и стоков.
Описанное в литературе применение современных прикладных программ для анализа поверхностной микроструктуры материалов (анализа изображений), показало, что такие экспертные системы в основной массе ориентированы на металлургию, когда в роли микроструктурных неоднородностей мембран выступают частицы металлов и другие компоненты.
В работе [25] представлен цифровой способ обработки изображений для анализа поверхностной микроструктуры пленок нанотрубчатого оксида титана по данным 2D-изображений растровой электронной микроскопии с использованием программы ImageJ, который показал удовлетворительную применимость для анализа выбранных объектов исследования.
В источнике [26] исследована возможность классификации и математического описания микро- и наноструктур, наблюдаемых на поверхности при газофазной модификации сульфинированных и фторированных полимерных пленок. В этой же работе рассматривается анализ топографических особенностей поверхности, двумерный Фурье-анализ и частная кластеризация эмпирических свойств пикселей, характеризующих отдельные типизированные элементы при анализе поверхностной морфологии. Проведенный анализ работы этих авторов не показал связь изучаемой структуры поверхностной морфологической неоднородности исследуемых пленок именно для полупроницаемых мембран и связь их с эффектом обрастания в процессах разделения растворов.
В работе [27] приведена методология исследования тонких пленок с использованием методов цифровой обработки изображений. Этот метод состоит из системы компьютерного зрения и интегрирован с методами сбора и обработки цифрового изображения при помощи специальных программных продуктов, при этом метод позволяет одновременно измерять большие неравномерности поверхностной структуры в нескольких точках мембраны, что дает возможность получить более объективную картину изучаемой структуры по сравнению со сканирующими методами.
Современные программы для обработки изображений поверхности, такие как Image Expert Pro 3, Image Expert Sample 2, Image Expert Gauge, Image Expert 3D, как правило, предназначены для анализа металлических, графитовых включений, зеренной структуры, определения количества альфа-фазы, микроструктуры сталей [28], но у всех этих программ имеется существенный недостаток: они не представляют возможность работать с новыми образцами плоских цифровых изображений. При этом они выступают только лишь как демонстраторы заложенных в эти программные продукты эталонов сравнения.
Встречаются также фрагментированные работы по обработке цифровых изображений композитных полимерных мембран, например, [29, 30]. Программные продукты этого типа обладают несомненными преимуществами: кооперацией (возможностью использования этих продуктов на этапе обмена информацией между родственными научными направления образовательных организаций и НИИ), адекватностью обработки информации по поверхностной морфологии объектов ионообменных мембран. Но существует и следующая отрицательная особенность: специфичность их применения, например, только для анализа морфологии поверхности ионообменных мембран и определения целевых участков (полиэтилен, армирующая ткань, ионит).
Поэтому в настоящей работе из всего многообразия проанализированных методов, способов, приемов, прикладных программ на основе сравнения их достоинств и недостатков было принято решение о разработке программной реализации исследования микроструктурных неоднородностей именно полимерных пористых мембран на основе разработанного программного продукта, позволяющего существенно сократить время эксперимента [31].
Целью работы является разработка и исследование методов расчета морфологии микроструктурных неоднородностей селективно-проницаемой поверхности нанофильтрационных мембран ОПМН-П и ОФАМ-К.
Для достижения поставленной цели решались следующие задачи:
1. Разработка оптико-микроскопического метода исследования морфологических размерных областей поверхностной структуры исследуемых мембран (метод 1).
2. Разработка метода автоматизированного определения микроструктурных неоднородностей полимерных пористых нанофильтрационных мембран ОПМН-П и ОФАМ-К (метод 2).
3. Сравнение и анализ результатов исследования разработанными методами микроструктурных неоднородностей поверхности нанофильтрационных мембран ОФАМ-К и ОПМН-П.
ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ
Объектом исследования служили нанофильтрационные мембраны ОФАМ-К и ОПМН-П, характеристики которых представлены в табл. 1 [32, 33].
Таблица 1.
Рабочие характеристики мембран ОФАМ-К и ОПМН-П
| Рабочие характеристики | Тип мембраны | |
|---|---|---|
| ОФАМ-К | ОПМН-П | |
| Рабочее давление, МПа | 3.0 | 1.6 |
| Минимальная производительность по воде при Т = 298 К, м3/м2 с | 2.22 × 10–5 | 2.77 × 10–5 |
| Коэффициент задержания (не менее), % | 0.15% NaCl | |
| 0.95 | 0.55 | |
| Рабочий диапазон, рН | 2–12 | |
| Максимальная температура, К | 323 | |
Рассчитываемый коэффициент засоренности мембран влияет на прогнозирование и определяет срок эффективной работы нанофильтрационных мембран, элементов и установок при баромембранном и электробаромембранном разделении, концентрировании и очистке промышленных растворов и стоков. Расчет производили при помощи программы, изучающей описание основных функций imaging processing toolbox. Для этого в программном пакете Matlab 2017 были использованы необходимые инструменты для осуществления достижения поставленной задачи, а также программный комплекс [31].
Методика исследования и расчета состояла в следующем. Полученные изображения нанофильтрационных мембран ОПМН-П и ОФАМ-К подвергались оптическому исследованию (визуализации поверхности с помощью оптического микроскопа Axio Observer Z1 (Производитель Carl Zeiss) с необходимым увеличением).
Выделенные участки нанофильтрационных мембран ОПМН-П и ОФАМ-К площадью 100 × × 100 мкм обрабатывались при помощи Matlab 2017 таким образом, что были получены основные параметры: средний диаметр засоренности микроструктурной неоднородности и коэффициент засоренности мембран. При обработке больших массивов данных по средним диаметрам засоренности и коэффициенту засоренности мембран использовался ПК, который позволил снизить и рассчитать погрешность выполненных измерений при помощи стандартных методов математической статистики.
При оптико-микроскопическом исследовании проводилась процедура фиксации изображения с помощью программы анализа изображений Axiovision (рис. 1).
Рис. 1.
Оптико-микроскопические фотографии образцов нанофильтрационных мембран ОПМН-П (а) и ОФАМ-К (б).
Далее проводилась процедура экспорта данных оптико-микроскопических фотографий в систему автоматизированного проектирования AutoCad 2016. На полученных фотографиях поверхности мембран визуально выбирались три равномерные зоны (без существенных геометрических отклонений). На каждой мембране площадь выбранных равномерных зон (квадратных элементов) составляла по 10 000 мкм2 каждая, причем масштаб выбранных областей строго соответствовал масштабу фотографий, полученных на этапе ранее.
В полученных квадратных областях исследуемой площади (рис. 2), описывались диаметральными размерами (окружностями) затемнения, характерные для микроструктурных неоднородностей. При помощи системы автоматизированного проектирования AutoCad 2016 с высокой точностью определялись микроструктурные диаметральные размеры на активном слое мембраны.
Рис. 2.
Оптико-микроскопические фотографии образцов нанофильтрационных мембран с тремя равномерными зонами для ОПМН-П (а) и ОФАМ-К (б).
При использовании стандартной функции AutoCad 2016 “извлечение данных” извлекались основные параметры (диаметр, площадь каждого элемента) для всех трех квадратных областей выборок. Применение функции извлечения данных позволяло осуществлять тройную выборку данных для каждой мембраны, по которой составлялась трехтабличная выборка.
Для расчета площади чистой поверхности трех квадратных областей-выборок проводилось суммирование площадей каждой из трех выборок, а затем вычитание их из общей области выборки. Далее находился коэффициент засоренности по отношению:
где ${{S}_{{\text{з}}}}$ – площадь засоренной поверхности, мкм2; ${{S}_{{\text{ч}}}}$ – площадь чистой поверхности, мкм2.Полученные результаты характеристик заносились в табл. 2.
Таблица 2.
Расчетные площади мембран ОПНМ-П и ОФАМ-К (метод 1)
| Тип мембраны | Площадь затемненной поверхности Sз, мкм2 | Площадь чистой поверхности Sч, мкм2 | Коэффициент засоренности |
|---|---|---|---|
| ОПМН-П | 3065 | 6935 | 0.44 |
| ОФАМ-К | 1840 | 8159 | 0.22 |
Для анализа полученных данных использовался пакет Microsoft Excel 2010. При помощи функции описательной статистики программой рассчитывались параметры среднеквадратичного отклонения и среднего диаметра. Полученные результаты заносились в табл. 3.
Таблица 3.
Средний диаметр микроструктурных неоднородностей и отклонение (метод 1)
| Тип мембраны | Средний диаметр dср, мкм | Среднеквадратичное отклонение, σ |
|---|---|---|
| ОПМН-П | 5.08 | 1.73 |
| ОФАМ-К | 2.91 | 1.07 |
Для проведения дальнейших расчетов необходима проверка правильности анализа полученных данных, решаемая при построении гистограмм. Построение гистограмм проводится с применением стандартных настроек Microsoft Excel 2010. При переходе во вкладку “данные” производится вызов функции “анализ данных” с появлением диалогового окна с возможностью выбора различных функций, где выбирается гистограмма. Затем осуществляется автоматизированный выбор диапазона полученных в ходе расчета данных и производится построение гистограммы (рис. 3).
Рис. 3.
Гистограммы частоты попадания размера диаметров микроструктурных неоднородностей от номера интервала размеров диаметров микроструктурных неоднородностей мембран ОПМН-П (а) и ОФАМ-К (б).
При автоматизированном расчете ПК самостоятельно выбирается размах (параметр, определяющий ширину гистограммы (определенный разброс полученных величин)), который рассчитывается по формуле (2):
где ${{X}_{{\max }}}$ – максимальное значение выборки, ${{X}_{{\min }}}$ – минимальное значение выборки.При помощи ПК разбивается полученный диапазон на несколько интервалов, количество которых рассчитывается по зависимости (3):
где n принимается в зависимости от количества полученных значений диаметров выборки.При помощи ПК определяется ширина интервала h, которая находится из выражения (4):
Для определения значений среднего диаметра микроструктурных неоднородностей мембран, стандартной ошибки расчетов, стандартного отклонения и асимметричности в Excel (в анализе данных) применяется функция “описательная статистика”, которая позволяет автоматизированным способом посчитать основные исследуемые параметры (табл. 4).
Таблица 4.
Основные исследуемые параметры (метод 1)
| Тип мембраны | ОПМН-П | ОФАМ-К |
|---|---|---|
| Стандартная ошибка | 0.09 | 0.04 |
| Дисперсия выборки | 2.98 | 1.15 |
| Асимметричность | 1.13 | 1.03 |
| Интервал | 11.6 | 7.28 |
Далее производится построение функции нормального распределения диаметров микроструктурных неоднородностей мембран при использовании в Excel функции “НОРМ. РАСП” при подстановке значений среднего диаметра микроструктурных неоднородностей мембран и среднеквадратичного отклонения.
Для мембран ОПМН-П и ОФАМ-К график функции нормального распределения от распределения диаметров микроструктурных неоднородностей мембран выглядит следующим образом (рис. 4).
Рис. 4.
Функция зависимости нормального распределения мембраны ОПМН-П (а), ОФАМ-К (б) от распределения диаметров микроструктурных неоднородностей мембран.
Другим примером обработки изображения мембран ОПМН-П, ОФАМ-К является автоматизированный метод (рис. 5).
Рис. 5.
Выделенные участки и гистограммы распределения цвета изображения нанофильтрационных мембран ОПМН-П (а, в) и ОФАМ-К (б, г) площадью 100 × 100 мкм.
Для анализа микроструктурных неоднородностей поверхности материалов, коэффициента засоренности мембран и более полного понимая характеристик изображения выполнялось построение трехмерных точечных графиков трех видимых цветов – каналов RGB (рис. 6а, 6б).
Рис. 6.
Трехмерные точечные графики видимых цветов и гистограмма распределения яркости после коррекции мембран ОПМН-П (а, в) и ОФАМ-К (б, г).
Сравнивали черно-белые изображения с бинарными (двоичными) (рис. 7а, 7б) и оценивали их достоверность. Дополнительно проводилось визуальное сравнение этих изображений (черно-белого и бинарного). Эта процедура необходима из-за того, что в практических случаях значение порога метода Otsu’s не всегда получается достоверным из-за свойств яркости изображения или шумов. Поэтому в случае недостаточно контрастного изображения порога изображения принимали значение порога для значащей цифры.
Для разделения изображения на цвета использовались фильтры: красный, зеленый и синий. Разделение их по отдельности при наложении друг на друга позволяет получать более точное бинарное изображение (рис. 8).
Рис. 8.
Обработанные отдельные изображения по цветам и их сумма для мембран ОПМН-П (а) и ОФАМ-К (б).
Работа программы Matlab 2017 сопряжена с работой в белом цвете, для чего полученное суммарное изображение переводили в черный фон с помощью программы Matlab 2017 для получения окружностей микроструктурных неоднородностей мембран (рис. 9а, 9б).
Рис. 9.
Морфологически обработанное изображение и гистограмма распределения количества объектов от площадей для мембран ОПМН-П (а, б) и ОФАМ-К (в, г).
При помощи стандартных функций Matlab 2017 определяются площади объектов на бинарном изображении, причем сохранение их производится в виде массива со значениями площади. Далее строится гистограмма распределения площадей с определенным шагом в зависимости от количества полученных данных (рис. 9в, 9г).
Для оценки погрешности и надежности определения количественных характеристик морфологии поверхности анализировали три–четыре оптических изображения, полученные для различных участков поверхности исследуемой мембраны. Процедуру обработки каждого оптического изображения образца повторяли восемь, десять раз на основании рекомендаций, представленных в работе [34].
Коэффициент засоренности мембраны определяется с помощью формулы (5):
где ${{S}_{{{\text{неодн}}}}}$ – площадь неоднородности на изображении, мкм2; ${{S}_{п}}$ – площадь исследуемого изображения, мкм2.С помощью функции нахождения среднего значения определяем среднюю площадь микроструктурной неоднородности поверхности мембраны и затем определяем средний диаметр микроструктурной неоднородности по формуле (6):
где Dср – средний диаметр микроструктурной неоднородности, мкм; Sср – полученная в результате обработки изображений средняя площадь микроструктурных неоднородностей мембран, мкм2.Расчетные данные по количеству объектов, средней площади микроструктурной неоднородности поверхности мембраны, среднего диаметра микроструктурной неоднородности мембран по разработанной методике приведены в табл. 5.
РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ
Анализируя гистограммы частот попадания размеров диаметров микроструктурных неоднородностей от номера интервала его размеров для мембран ОПМН-П (рис. 3а) и ОФАМ-К (рис. 3б), можно отметить, что эти гистограммы можно ошибочно отнести к мультимодальному типу.
При сглаживании (осреднении) пиковых значений частот попадания диаметров микроструктурных неоднородностей линией тренда полиномиального типа 6 порядка отмечается схожесть ее с гистограммой обычного (колоколообразного) типа.
Стоит сразу оговориться, что сглаживание гистограмм, представленных на рис. 3а, 3б для исследуемых образцов мембран ОПМН-П, ОФАМ-К, произведено из-за допущения о том, что микроструктурные неоднородности описываются диаметральными размерами. Это (в некоторой степени) объясняет наличие пиковых значений частот исследуемых значений, представленных на гистограмме, так называемое наличие доминирующей погрешности – специальной причины [35].
Чтобы удостовериться в том, что распределение подчиняется закону Гаусса необходимо провести проверку гипотезы нормальности распределения. При подтверждении гипотезы о соответствии эмпирического распределения нормальному закону, формула (7), становится возможным исследование воспроизводимости методики, т.е. определении неизменности основных параметров процесса: среднего арифметического значения и среднего квадратичного отклонения [35, 36]:
(7)
$f(х) = \frac{1}{{\sigma \sqrt {2\pi } }}{{\exp }^{{\left( { - {\kern 1pt} \frac{{{{{(х\,{\kern 1pt} - \,{\kern 1pt} \mu )}}^{2}}}}{{2{{\sigma }^{2}}}}} \right)}}},$Функция нормального распределения в аналитической форме для мембраны ОПМН-П (рис. 4а) и ОФАМ-К (рис. 4б) рассчитывается по формулам (8), (9):
(8)
$y = \frac{1}{{1.73\sqrt {2\pi } }}{{\exp }^{{\left( { - \frac{{{{{(х{\kern 1pt} \, - \,{\kern 1pt} 5.08)}}^{2}}}}{{2{\kern 1pt} \, \times \,{\kern 1pt} 1.7{{3}^{2}}}}} \right)}}},$(9)
$y = \frac{1}{{1.07\sqrt {2\pi } }}{{\exp }^{{\left( { - \frac{{{{{(х{\kern 1pt} \, - \,{\kern 1pt} 2.91)}}^{2}}}}{{2{\kern 1pt} \, \times \,{\kern 1pt} {{{1.07}}^{2}}}}} \right)}}}.$Таким образом, можно с уверенностью утверждать, что микроструктурные неоднородности нанофильтрационных мембран ОПМН-П и ОФАМ-К имеют различные диаметры, отличающиеся практически в два раза при сравнении этих мембран, что (по нашему мнению) непосредственно сказывается на разделяющей способности исследуемых пористых мембран и, следовательно, на эффекте обрастания.
Результаты, полученные при описании микроструктурных неоднородностей нанофильтрационных мембран используемых нами методов, и данные, представленные в работе [37], хорошо коррелируют между собой по степени задерживания некоторых ионов (ион аммония, сульфат-ион, фосфат-ион, нитрат-ион, ХПК), например, при разделении биохимических растворов с трансмембранным давлением Р = 4 МПа. По нашему мнению, это связано с тем, что образец мембраны ОФАМ-К имеет более гладкую структуру по сравнению с более рельефной ОПМН-П, но это не отменяет и фактор перестройки структуры этих мембран, и другие сопутствующие явления (гелеобразование, образование динамической мембраны).
Таким образом, обрастание мембран определяется не только с потоком растворителя, пропускаемым через нанофильтрационные мембраны, но и влиянием на данное явление микроструктурной неоднородности поверхности нанофильтрационных мембран, так как разделяемый раствор подается в тангенциальном (транзитном) режиме, что связано с силой трения жидкости о поверхность микроструктурных неоднородностей, а также с наличием влияния адсорбции белков, обрывков белков, полисахаридов, сахаров и т.д., что частично отмечено в работах [4, 38].
Проведя визуальный анализ выделенных участков нанофильтрационных мембран ОПМН-П и ОФАМ-К (рис. 5а, 5б), мы отметили, что изображение не очень контрастное. Для устранения этого недостатка и для создания контрастного изображения строились гистограммы распределения цвета: от 0 (черный фон) до 256 (белый фон) (рис. 5в, 5г).
Проведенный анализ гистограмм распределения (рис. 5в, 5г) показал, что наибольшее сосредоточение цветового распределения показано для мембраны ОПМН-П в районе 90 и ОФАМ-К в районе 120.
Полученные трехмерные точечные графики видимых каналов мембран ОПМН-П и ОФАМ-К в разных цветах (рис. 6а, 6б) необходимы для определения инструментов использования в получении контрастного изображения. Можно отметить, что все точки (в основном) расположены примерно в одной плоскости, что говорит о достоверности полученных экспериментальных данных.
В пакете Matlab 2017 используется функция получения более контрастного изображения выделенных участков. Поэтому получаемое изображение имеет более резкие переходы между засоренной и чистой частью. Гистограммы (рис. 6в, 6г) показывают исходный диапазон яркостей от минимально возможной до максимальной.
Анализ данных табл. 5 показал, что коэффициент засоренности, средняя площадь, средний диаметр микроструктурных неоднородностей поверхности выше для мембраны ОПМН-П, чем для ОФАМ-К. Все это может свидетельствовать о том, что мембрана ОПМН-П более рельефна в отличие от ОФАМ-К (относительно гладкая), хотя она имеет меньшее количество идентифицированных объектов при определении морфологи поверхности мембран (149 в отличие от 177). Например, в работе [37] отмечается, что удовлетворительные показатели по задерживающей способности мембран при обработке растворов биохимических производств получены на мембране ОФАМ-К, а на мембране ОПМН-П показатели были неудовлетворительными. Как нам кажется, это косвенно связано с силой сцепления растворенных веществ, белков, полисахаридов с поверхностью мембран (с микроструктурными неоднородностями), так как поток раствора, подаваемый на разделение, циркулирует в межмембранных каналах аппарата в тангенциальном режиме (параллельно поверхности мембраны).
ЗАКЛЮЧЕНИЕ
Метод оптической микроскопии в совокупности с применением системы автоматизированного проектирования AutoCad 2016 и стандартных средств Microsoft Excel 2010 позволяет исследовать микроструктурные неоднородности исходных образцов нанофильтрационных мембран ОПМН-П и ОФАМ-К. Отмечается, что размерный ряд микроструктурных неоднородностей поверхности мембран ОПМН-П и ОФАМ-К подчиняется закону нормального распределения, для которого найдены аналитические уравнения, показывающие, что образец мембраны ОФАМ-К имеет более гладкую структуру по сравнению с более рельефной ОПМН-П. Таким образом, обрастание мембран связано не только с потоком, пропускаемым через мембраны, но на данное явление влияет микроструктурная неоднородность поверхности нанофильтрационных мембран.
Другой разработанный метод позволяет автоматизировано рассчитывать количество объектов, среднюю площадь, диаметр микроструктурной неоднородности поверхности и коэффициент засоренности мембран. Предлагаемый метод сочетает оптико-микроскопические исследования, обработку изображений Otsu’s method и программную реализацию в Matlab 2017 [31]. Его применение позволяет получить достоверные и воспроизводимые данные по анализу морфологии поверхности нанофильтрационных мембран серии ОПМН-П и ОФАМ-К, опирающиеся на статистическую обработку большой выборки данных эксперимента.
Сравнение разработанного метода автоматизированного определения морфологии селективно-проницаемой поверхности мембран с перспективными системами автоматизированной идентификации поверхностной структуры ионообменных мембран, металлических электродов, других поверхностей показало, что их использование не может учитывать специфику пористой поверхности, также не для всех распространенных методов имеются эталоны сравнения мембран ОПМН-П и ОФАМ-К. Было показано, что автоматизированный метод, сочетающий оптико-микроскопические исследования, обработку изображений Otsu’s method, программную реализацию в Matlab 2017, по сравнению с методом оптической микроскопии в совокупности с применением системы автоматизированного проектирования AutoCad 2016 и стандартных средств Microsoft Excel 2010 более точно выявляет структурные неоднородности нанофильтрационных мембран ОФАМ-К и ОПМН-П. Так, коэффициент засоренности в первом случае для мембраны ОФАМ-К составил 0.112 по сравнению со вторым (0.22), а для мембраны ОПМН-П – 0.269 по сравнению со вторым (0.44). Средний диаметр микроструктурных неоднородностей для мембран ОФАМ-К и ОПМН-П с использованием автоматизированного метода составил 5.7 и 9.7 мкм, а методом оптической микроскопии выявлены значения 2.91 и 5.08 мкм соответственно.
Список литературы
She Q., Wang R., Fane A.G., Tang C.Y. // J. Membrane Science. 2016. V. 499. P. 201.
Jhaveri J.H., Murthy Z.V.P. // Desalination. 2016. V. 379. P. 137.
Kotra-Konicka K., Kalbarczyk J., Gac J.M. // Chemical and Process Engineering. 2016. V. 37. I. 3. P. 331.
Liu M., Xiao C., Hu X. // Desalination. 2012. V. 298. P. 59.
Абросимова Г.Е., Аронин А.С. // Поверхность. Рентген., синхротр. и нейтрон. исслед. 2018. № 5. С. 91. https://doi.org/10.7868/S0207352818050116
Sazanova T.S., Vorotyntseva I.V., Kulikova V.B., Davletbaeva I.M. // Petroleum Chemistry. 2016. V. 56. № 5. P. 427. https://doi.org/10.1134/S096554411605011X
Hiesgen R., Helmly S., Galm I., Morawietz T., Handl M., Friedrich K.A. // Membranes (Basel). 2012. V. 2. № 4. P. 783. https://doi.org/10.3390/membranes2040783
Киселев Д.А., Силибин М.В., Солнышкин А.В., Сыса А.В., Бдикин И.К. // Заводская лаборатория. Диагностика материалов. 2017. Т. 83. № 2. С. 34.
Васильева В.И., Заболоцкий В.И., Зайченко Н.А., Гречкина М.В., Ботова Т.С., Агапов Б.Л. // Вестник Воронежского государственного университета. Серия: Химия. Биология. Фармация. 2007. № 2. С. 7.
Vasil’eva V.I., Kranina N.A., Malykhin M.D., Akberova E.M., Zhiltsova A.V. // Journal of Surface Investigation. X-ray, Synchrotron and Neutron Techniques. 2013. V. 7. № 1. P. 144. https://doi.org/10.1134/S1027451013010321
Fang Y., Duranceau S.J. // Membranes. 2013. V. 3. P. 196. https://doi.org/10.3390/membranes3030196
Kumar S., Nandi B.K., Guria C., Mandal A. // Braz. J. Chem. Eng. 2017. V. 34. № 2. P. 583. https://doi.org/10.1590/0104-6632.20170342s20150500
Karagündüz A., Dizge N. // J. Membra. Sci. Technol. 2013. V. 3. P. 120. DOI: 10.4172 /2155-9589.1000120
Agboola O., Maree J., Mbaya R. // Environmental Chemistry Letters. 2014. V. 12. № 2. P. 241. https://doi.org/10.1007/s10311-014-0457-3
Venkata Z., Murthy P., Choudhary A. // Rare Metals. 2012. V. 31. № 5. P. 500.
Sanaei P., Cummings L.J. // J. Fluid Mechanics. 2017. V. 818. № 10. P. 744. https://doi.org/10.1017/jfm.2017.102
Ситникова В.Е. Спектроскопическое изучение структуры полимерных дисперсных систем: Автореф. дис. ... канд. хим. наук: 02.00.04. Тверь, 2015. 24 с.
Калинин В.В., Филиппов А.Н., Ханукаева Д.Ю. // Труды РГУ Нефти и газа (НИУ) имени И.М. Губкина. Автоматизация, моделирование и энергообеспечение. 2012. № 1(266). С. 129.
Котов В.В., Гречкина М.В., Перегончая О.В., Зяблов А.Н. // Сорбционные и хроматографические процессы. 2016. Т. 16. № 1. С. 118.
Зайченко Н.А., Васильева В.И., Григорчук О.В., Зяблов А.Н., Гречкина М.В. // Сорбционные и хроматографические процессы. 2010. Т. 10. № 5. С. 745.
Powell L.C., Hilal N., Wright C.J. // Desalination. 2017. V. 404. P. 313. https://doi.org/10.1016/j.desal.2016.11.010
Johnson D., Hilal N. // Desalination. 2015. V. 356. P. 149. https://doi.org/10.1016/j.desal.2014.08.019
Elhadidy A.M., Peldszus S., Van Dyke M.I. // Journal of Membrane Science. 2013. V. 429. P. 373.
Stawikowska J., Livingston A.G. // Journal of Membrane Science. 2013. V. 425. P. 58.
Чернякова К.В., Врублевский И.А., Аль-Камали М.Ф.С.Х. Телекоммуникации: сети и технологии, алгебраическое кодирование и безопасность данных: материалы международный научно-технического семинара. Минск: БГУИР, 2015. С. 86.
Копачев Е.С., Ноздрачев С.А., Петрушин В.Н., Рудяк Ю.В., Рытиков Г.О., Назаров В.Г. // Физическая мезомеханика. 2015. Т. 18. № 6. С. 98.
Jurjo D.L.B.R., Magluta C., Roitman N., Gonçalves P. // Mechanical Systems and Signal Processing. 2015. V. 54–55. P. 394.
Модификатор: сайт ИЦ Модификатор: [Электронный ресурс]. Дата обновления: 04.05.2018. URL: http://www.modificator.ru/ad/nexsys.html (дата обращения: 04.05.2018).
Свидетельство о государственной регистрации программы для ЭВМ № 2 012 617 310 (RU). Оценка поверхностной и объемной неоднородности гетерогенных ионообменных мембран по электронно-микроскопическим снимкам / Сирота Е.А., Васильева В.И., Акберова Э.М. // 2012.
Сирота Е.А., Кранина Н.А., Васильева В.И., Малыхин М.Д., Селеменев В.Ф. // Вестник ВГУ. Серия: Химия. Биология. Фармация. 2011. № 2. С. 53.
Свидетельство о государственной регистрации программы для ЭВМ № 2 018 611 402 (RU). Расчет параметров морфологии поверхности нанофильтрационных мембран / ФГБОУ ВО “ТГТУ”. Лазарев С.И., Рыжкин В.Ю., Ковалева О.А., Головин Ю.М., Холодилин В.Н. // 2018.
Мембраны, фильтрующие элементы, мембранные технологии. Каталог. Владимир: ЗАО НТЦ “Владипор”, 2004. 22 с.
Бонн А.И., Дзюбенко В.Г., Шишова И.И. // Высокомолекулярные соединения. Серия Б. 1993. Т. 35. № 7. С. 922.
Васильева В.И., Акберова Э.М., Жильцова А.В., Черных Е.И., Сирота Е.А., Агапов Б.Л. // Поверхность. Рентген., синхротр. и нейтрон. исслед. 2013. № 9. С. 27. https://doi.org/10.7868/S0207352813090199
Солонин И.С. Применение математической статистики в технологии машиностроения. Свердловск: Средне-Уральское книжное издательство, 1966. 200 с.
Орлов В.Н. Гистограмма и ее использование для анализа технологических процессов [Электронный ресурс]: методические указания. Электрон. текстовые дан. (тип файла: pdf; размер: 862 Kb). Курган: Издательство Курганского государственного университета, 2013. 27 с.
Kovaleva O.A., Kovalev S.V. // Petroleum Chemistry. 2017. V. 57. № 6. P. 542. https://doi.org/10.1134/S0965544117060044
Demir I., Koyuncu I., Guclu S., Yildiz S., Balahorli V., Caglar S., Turken T., Pasaoglu M.E., Kaya R., Sengur-Tasdemi R. // The Scientific World Journal. 2014. V. 2015. Article ID 850 530. P. 8.
Дополнительные материалы отсутствуют.
Инструменты
Поверхность. Рентгеновские, синхротронные и нейтронные исследования
Пн.-пт.: 10.00-19.00