超吸收性聚合物的物理特性的预测制造技术

本公开内容涉及一种预测超吸收性聚合物的物理特性、特别是性能参数的方法。

【技术实现步骤摘要】
【国外来华专利技术】超吸收性聚合物的物理特性的预测本公开内容涉及一种预测超吸收性聚合物的物理特性、特别是性能参数的方法。
技术介绍
超吸收性聚合物(SAP)是众所周知的材料，其通常用于个人护理制品，例如尿布。已知这些聚合物吸收几倍于它们重量的例如水、盐水溶液、尿液、血液和浆体液。吸水聚合物颗粒的制备记载于专著“ModernSuperabsorbentPolymerTechnology”,F.L.Buchholz和A.T.Graham,Wiley-VCH,1998年,第71至103页。对超吸收性聚合物的一个重要要求是水凝胶传导液体(渗透性)和分配液体的能力。超吸收剂的渗透性以盐水导流率(SFC)的形式记录。其他重要的性能参数包括超吸收性颗粒的离心保留容量(CRC)、负载下的吸收容量和吸收速率，记录为每秒每克超吸收剂吸收的液体量，即自由溶胀率(FSR)；或超吸收剂吸收20g液体/g超吸收剂需要的时间(T20)。通常，吸水聚合物颗粒不具有均匀的粒度，而具有粒度分布(PSD)。粒度分布也影响超吸收性聚合物的性能。吸水聚合物颗粒的聚合物链彼此交联。这样的一个效果是聚合物颗粒为水不溶性的。吸水聚合物颗粒的特性可以通过所使用的交联剂的量进行调节。随着交联剂的量增加，离心保留容量(CRC)下降且受压吸收(AAP)经过最大值。为了改善使用特性，例如渗透性和负载下的吸收，通常将吸水聚合物颗粒进行表面交联。这增加了颗粒表面的交联水平，并且以此方式可以至少部分地消除负载下的吸收和保留容量间的相互影响。适于表面交联的交联剂为可与吸水聚合物颗粒的至少两个羧酸酯基团形成共价键的化合物。吸水聚合物颗粒的制备记载于例如WO01/038402A1、WO03/022896A1、WO03/051415A1、WO2006/034806A1、WO2006/034853A1和WO2009/115472A1中。WO2005/097313A1公开了一种制备吸水聚合物颗粒的方法，其中将水性聚合物凝胶粉碎并借助挤出机挤压通过模板，干燥并进行表面交联，得到具有高CRC、SFC和FSR的聚合物颗粒。测量超吸收性聚合物的性能特性需要大量的分析工作，特别是如果必须监控超吸收性聚合物的工业生产过程来确保所生产产品的恒定质量。期望有一种涉及有限测量工作的快速、简单且可靠的方法来确定超吸收性聚合物的物理特性。本公开内容的一个目的是提供一种用于预测超吸收性聚合物的物理特性、特别是性能参数的可靠工具。US2004/133364A1公开了在淤浆反应器系统(诸如搅拌式淤浆反应器或淤浆环流反应器)中在线确定和控制聚合物产物(即，聚烯烃颗粒)的特性的方法。所述方法包括获得用于确定聚合物产物特性的回归模型，所述回归模型包括主要成分输入和主要成分得分，获取淤浆反应器系统中的聚合物产物的拉曼光谱，由至少一部分拉曼光谱和主要成分输入计算新的主要成分得分，以及通过将新的主要成分得分应用于回归模型来计算聚合物产物特性。可以通过基于计算出的聚合物产物特性调节至少一个聚合参数来控制特性。Adar,F.等人：AppliedSpectroscopyReviews32(1997)45-101中的"RamanSpectroscopyforProcess/QualityControl"公开了拉曼光谱法在过程控制中的用途。监测聚丙烯酰胺凝胶的交联，以确定反应的树脂的百分比；并确定凝胶的化学特性。
技术实现思路
提供了一种用于预测超吸收性聚合物的物理特性、特别是性能参数的计算机实施的方法。在本公开内容的化学计量学模型中，光谱数据(通常为拉曼散射光谱)与超吸收性聚合物的物理特性、特别是性能参数关联。基于回归算法(例如，偏最小二乘回归算法)的数学模型将超吸收性聚合物的光谱数据与其物理特性、特别是性能参数关联。附图说明图1示出了来自超吸收性聚合物的一组10条拉曼光谱的实例，其中减去线性拟合作为基线校正，SNV(标准正态变量)归一化步骤作为数据预处理；图2示出了超吸收性聚合物的SFC的预测在线数据与测量数据；图3示出了一系列超吸收性聚合物的预测的与测量的CRC的相关性；图4是超吸收性聚合物的制备方法的示意图；图5示出了一系列超吸收性聚合物的预测的与测量的受压吸收(AAP)的相关性；图6示出了一系列超吸收性聚合物的预测的与测量的离心保留容量(CRC)的相关性；图7示出了一系列超吸收性聚合物的预测的与测量的有效容量(EFFC)的相关性；图8示出了一系列超吸收性聚合物的预测的与测量的固定高度吸收(FHA)的相关性；图9示出了一系列超吸收性聚合物的预测的与测量的渗透性依赖性的压力下吸收(PDAUP)的相关性；图10示出了一系列超吸收性聚合物的预测的与测量的盐水导流率(SFC-1.5)的相关性；图11示出了一系列超吸收性聚合物的预测的与测量的压力下的吸收时间(T20)的相关性；图12示出了一系列超吸收性聚合物的预测的与测量的吸收时间(VORTEX)的相关性；图13示出了一系列超吸收性聚合物的预测的与测量的堆积密度的相关性；图14示出了一系列超吸收性聚合物的预测的与测量的的相关性；图15示出了一系列超吸收性聚合物的预测的与测量的残余单体含量(ReMo)的相关性。具体实施方式本公开内容提供了一种预测超吸收性聚合物(SAP)的至少一种物理特性、特别是一个性能参数的方法，所述方法包括收集超吸收性聚合物的拉曼光谱并且使用拉曼光谱作为模型的输入，所述模型由光谱数据确定相应性能参数的值。在一个实施方案中，模型基于偏最小二乘(PLS)回归算法。也可以使用其他统计建模技术，例如，岭回归或弹性网络回归。这些技术产生与PLS建模相似的结果。在本公开内容中，使用PLS建模作为实例来描述建模。从根本上讲，超吸收性聚合物的光谱数据和性能数据之间可能存在相关性，因为超吸收性聚合物的化学组成和形态直接影响性能参数。此外，光谱分析方法，诸如拉曼散射光谱法，探测聚合物的化学组成并在一定程度上探测聚合物的形态。已发现，可以使用光谱方法来预测超吸收性聚合物的物理特性，例如性能参数。拉曼光谱法可用于在在线和离线应用中表征超吸收性聚合物。在一个实施方案中，根据应用，在10秒至2分钟的时间范围内记录在785nm的基本波长处的拉曼光谱。使用算法、统计因子模型来将拉曼光谱转换为SAP物理特性，例如性能参数。在一个实施方案中，使用偏最小二乘或潜结构投影(PLS)模型。通常，每个物理特性使用单独的PLS模型(PLS1)。在替代实施方案中，一个PLS模型被用于多个特性(PLS2)。使用偏最小二乘回归(PLS)建模将光谱数据与性能数据进行关联(校准模型)。该迭代算法确定光谱数据(例如拉曼散射光谱)的哪些部分可以解释所测量的性能参数中观察到的变化。在最简单的模型中，光谱数据中的一个波长、波数或峰完全确定性能参数的变化。然而，由于聚合物中存在的不同化学基团的量、链长、形态等本文档来自技高网...

【技术保护点】
1.一种预测超吸收性聚合物的至少一种物理特性的方法，所述方法包括收集所述超吸收性聚合物的拉曼光谱并且使用所述拉曼光谱作为模型的输入，所述模型由光谱数据确定所述物理特性的值，所述模型基于回归算法。/n

【技术特征摘要】
【国外来华专利技术】20181129 EP 18209220.5;20181218 EP 18213570.71.一种预测超吸收性聚合物的至少一种物理特性的方法，所述方法包括收集所述超吸收性聚合物的拉曼光谱并且使用所述拉曼光谱作为模型的输入，所述模型由光谱数据确定所述物理特性的值，所述模型基于回归算法。


2.根据权利要求1所述的方法，其中已用拉曼光谱和覆盖大范围的所述物理特性的值的多种超吸收性聚合物的所述至少一种物理特性的测量值来训练所述模型。


3.根据权利要求2所述的方法，其中已经针对每种超吸收性聚合物收集了多条拉曼光谱，并且已通过以下方式预处理所述光谱数据：对每条拉曼光谱进行基线校正、任选地对每条拉曼光谱进行平滑或导数生成，以及随后对拉曼光谱进行归一化。


4.根据权利要求1至3中任一项所述的方法，其中在所述超吸收性聚合物的生产过程中在线收集所述超吸收性聚合物的拉曼光谱。


5.根据权利要求1至4中任一项所述的方法，其中所述物理特性为所述超吸收性聚合物的性能参数。


6.根据权利要求5所述的方法，其中所述物理特性为以下性能参数中的至少一个：离心保留容量(CRC)、受压吸收(AAP)、固定高度吸收(FHA)、有效容量(EFFC)、盐水导流率(SFC或SFC1.5(UPM))、超吸收性聚合物达到20g/g的液体吸收量的时间(T20)和涡旋。


7.根据权利要求1至4中任一项所述的方法，其中所述物理特性为所述超吸收性聚合物的粒度分布(PSD)或堆积密度。


8.根据权利要求1至7中任一项所述的方法，其中所述超吸收性聚合物包含至少部分中和的丙...

【专利技术属性】
技术研发人员：W·布鲁洛特，G·范霍特，S·韦伯特，F·米斯，M·范贝尔，
申请(专利权)人：巴斯夫欧洲公司，
类型：发明
国别省市：德国;DE