Оптимизация - селективность
Cтраница 1
Оптимизация селективности для простых монотонных градиентов осуществляется легче, чем оптимизация сложных многосегментных программ, так как в последнем случае часто наблюдаются противоречия между теорией и практикой, блокирующие точный расчет программы, состоящей из большого числа деликатных сегментов. [1]
Оптимизация селективности в ГХ с программированием температуры требует применения различных неподвижных фаз или их смесей. [2]
Для оптимизации селективности в ГХ с программированием температуры изменяемым параметром служит состав или природа неподвижной фазы. [3]
Для оптимизации селективности в ЖХ с программированием элюента, по-видимому, приемлемы три следующих метода: 1) симплекс-процедура, 2) интерпретативные методы и 3) предсказательный оптимизационный метод. Наиболее интересным представителем группы интерпретативных методов является метод часового, уже применявшийся с успехом для оптимизации селективности в ЖХ с программированием элюента. [4]
Для сложных реакций оптимизация селективности промышленного процесса обычно играет первостепенную роль. Включение в число оптимизируемых переменных параметров пористой структуры и размера зерна катализатора для сложных реакций чрезвычайно усложняет задачу оптимизации химического реактора. В принципе аналитические методы ( динамического программирования, принцип максимума Понтрягина) позволяют получить условия оптимальности для параметров, характеризующих пористую структуру катализатора. Однако факт, что для определения скорости реакции необходимо решать краевую задачу для системы дифференциальных уравнений 2-го порядка, определяющих изменение концентраций реагентов в зерне, делает бесполезными аналитические методы. [5]
Если после завершения оптимизации селективности необходимо оптимизировать размеры колонки, еще более подходящим может оказаться другой временной фактор. [6]
По этим причинам оптимизацию селективности следует предпочесть в принципе многосегментному градиенту. В ГХ, где оптимизация селективности связана с заменой колонки, по практическим соображениям многосегментный градиент оказывается более привлекательным. В ЖХ, где оптимизация селективности легко достигается введением различных модификаторов, многосегментные градиенты представляют ограниченный практический интерес. [7]
К сожалению, при оптимизации хроматографической селективности нам придется иметь дело с поверхностями отклика типа приведенных на рис. 5.3, в или 5.3, г ( как правило, последние встречаются чаще) [3], причем зачастую значительно более сложных ( ср. [8]
Время, затрачиваемое на оптимизацию селективности и удерживания, окупается, если препаративные ЖХ-разделения являются трудными, крупномасштабными или часто повторяются ( см. разд. [9]
Некоторые данные о силикагеле и оптимизации селективности приведены в главе Растворители ( гл. [10]
Наиболее полезным вторичным параметром для оптимизации селективности в жидкостной хроматографии с программированием элюента является природа модификатора ( модификаторов) в подвижной фазе. [11]
Как это имело место при оптимизации хроматографической селективности при постоянных условиях, симплекс-алгоритм требует довольно большого числа экспериментов. [12]
Важно напомнить, что результатом оптимизации селективности часто оказывается процесс, позволяющий достичь разделения без большого числа теоретических тарелок. [13]
Поэтому в такого рода анализах для оптимизации селективности следует предпочесть интерпретативные методы. Поскольку в изотермической ГХ с использованием смешанных фаз наблюдается линейная зависимость между удерживанием и составом [ уравнение (3.14) ], возможно применение фиксированной экспериментальной схемы, аналогичной разработанной для оптимизации состава неподвижной фазы в изотермической ГХ ( оконные диаграммы, см. разд. [14]
 |
Зависимость коэффициента емкости нитробензола от объема элюен-та, прошедшего через колонну, размером 11X0 4 см с силикагелем С-3 ( s 260 м2 / г, dcp16 им. [15] |
Страницы: 1 2 3 4