基于凝胶渗透色谱测试结果数据分析
在高分子材料研究与生产中，精准测定分子质量及其分布是对材料性能评估的一项重要工作。凝胶渗透色谱法(gel permeation chromatography, GPC)作为重要的分析手段，其测试结果的准确解析对指导材料研发、质量控制具有重要意义[1]。然而，目前关于乳液聚合过程中引发剂浓度对产物分子质量的影响机制尚未完全阐明，需进一步开展系统性研究以揭示其内在规律。
国内学者对GPC的研究表明，传统基于标准曲线的GPC存在一定的局限性[2];普适校正曲线GPC的应用范围虽得到有效拓展，但仍需依赖已知特性黏数作为支持；而光散射GPC虽能测定绝对分子质量，却受限于高昂的设备成本难以普及。在乳液聚合研究方面，引发剂浓度与聚合速率、分子质量之间的关系仍是研究重点，当前工作主要聚焦于特定体系的精准调控策略开发。
本研究通过系统剖析GPC原理与类型、规范数据处理方法，并结合乳液聚合动力学，深入探究引发剂浓度对丁二烯可逆加成-断裂链转移聚合(reversible addition-fragmentation chain transfer polymerization, RAFT)种子乳液聚合体系分子质量分布的影响机制[3],为GPC在高分子材料分子质量分析中的规范应用提供理论支撑，同时为乳液聚合工艺优化提供实践指导。
1 GPC分离原理
GPC作为一种基于体积排阻效应的色谱技术，其核心功能是实现不同分子质量组分的有效分离。深入理解其分离机制是准确解析测试数据的前提。
GPC色谱柱填充有多孔凝胶基质，其孔径分布具有特定范围。当高分子溶液流经色谱柱时，溶解态聚合物分子会依据其流体力学体积产生差异化迁移行为：小分子可进入更多凝胶孔隙，迁移路径较长；而大分子因空间位阻效应仅能进入有限孔隙，迁移路径较短。在恒定流动相流速条件下，大分子因路径较短而先流出色谱柱，而小分子则延迟流出，从而实现按分子质量大小顺序的分离[4]。
2 GPC类型
2.1 传统GPC
传统GPC的工作原理是将示差折光检测器(differential refraction detector, RID)直接连接在凝胶色谱柱后端。当含有高分子物质的溶液流经检测器时，由于溶液折射率与纯流动相折射率存在差异，检测器可据此识别高分子物质的存在。折射率变化强度则反映溶液中分子的浓度。但这种检测方式仅能获取目标分子的存在性、相对含量和流出时间，而分子质量的精确测定仍需依赖后续数据处理。
分子质量测定需通过建立标准曲线实现。根据GPC的分离原理，不同分子质量的高分子在色谱柱中的保留时间存在差异。根据GPC的分离原理，不同分子量的分子通过色柱的时间是不同的。通过测定已知分子量标准品的保留时间，可构建保留时间-分子量标准曲线，进而根据待测样品的流出时间反推其分子质量[5]。然而，该方法要求待测物质种类明确，且需预先采购对应标准品进行校准。对于多组分混合物或未知聚合物体系，传统GPC的测试准确性显著降低。这一局限性促使改良型GPC——基于普适校正曲线的GPC应运而生。
2.2 普适校正曲线GPC
普适校正曲线GPC的检测原理与传统GPC基本相同，但其数据处理环节引入了特性函数作为关键校正因子。研究表明，高分子的分子质量与其溶液的特性黏数存在定量关系(Mark-Houwink方程),这也是黏度法测定分子质量的原理。特性黏数是物质的固有物理参数，当聚合物种类已知时，可通过查阅文献获取其Mark-Houwink方程中的α与K值。此外，特性黏数也可通过联用黏度检测器直接测定。普适校正曲线GPC可准确测定未知物的分子质量，因此也常被称为“绝对分子质量”测定法。该方法在工业界应用广泛，但其结果本质上仍依赖于与标准品分子质量的对比。“绝对”分子质量测定需采用光散射检测器(light scattering detector, LSD)。
2.3 光散射GPC
光散射GPC的分离原理与传统GPC基本相同，主要区别在于两者使用的检测器不同。传统GPC使用RID,通过保留时间与标准曲线间接推算分子质量，而光散射GPC使用LSD,可直接测量分子质量，无需标准品校准。
LSD的工作原理基于静态光散射理论：溶液中高分子链形成无规线团结构，当激光照射时产生特征性散射信号。通过测定不同角度的散射光强，结合Debye方程可计算分子的回转半径与绝对分子质量。由于高分子链在溶液中的构象具有各向异性，现代光散射检测器通常采用18角检测系统以提高测量精度。需特别说明的是，LSD仅能提供分子质量信息，而浓度数据仍需依赖RID获取。一般情况下，光散射GPC采用双检测器联用配置(LSD和RID)以同时测定分子质量与浓度。该技术摆脱了标准曲线的限制，适用于各类聚合物体系的绝对分子质量测定，但因设备成本高昂，目前尚未在工业领域大规模普及。
3 GPC仪器分析数据整理与归纳
在明确GPC测定基本原理的基础上，需对样品经GPC仪器分析后获得的数据进行系统整理与归纳分析。GPC测定结果并非单一的分子质量数据，而是包含数均分子量(number-average molecular weight,M n )、重均分子量(weight-average molecular weight,M w )、峰值分子量(peak molecular weight,M p )等多维度参数，呈现复杂性与多样性，为深入理解材料特性，需进一步解析GPC结果多样化的内在原因。
以传统GPC为例，其数据结果通常包含以下组成部分。
(1)切片数据
尽管流出曲线图或分子质量分布曲线图呈现连续曲线，但实际测定过程为离散采样，曲线为拟合结果。GPC将检测时间划分为若干等分(如1 s/份),记录每个时间区间内溶液的信号响应值，最终形成直方图。例如，将第1 s内通过检测器的溶液作为第1部分，测定其信号响应值，然后将第2 s时间内通过检测器的溶液作为第2部分，以此类推将整个检测流程切分为多个部分，对每一个部分进行测定，最后得到如图1(a)所示的直方图，切分组分足够多时，直方图可拟合为平滑曲线，如图1(b)所示。这种离散化的原始数据称为切片数据，是后续曲线拟合的基础。
图1 GPC切片数据
图片
图2 GPC流出曲线
(2)流出曲线图
如图2所示，横坐标为保留时间，纵坐标为信号强度。由于GPC色谱柱按分子质量从大到小分离组分，流出曲线直观展示各组分的洗脱顺序：大分子先出峰(保留时间短),小分子后出峰(保留时间长)。信号峰面积与组分含量成正比，结合标准曲线可将时间坐标转换为分子质量坐标，进而生成分子量分布曲线。峰数量直接反映样品中不同分子质量组分的种类数。
(3)分子量分布曲线
如图3所示，横坐标为分子质量(单位：kDa),实线为分子质量分布曲线，虚线为累积积分曲线，纵坐标采用左右双轴：左侧对应微分曲线的“信号强度”,反映特定分子质量分子的相对丰度，右侧显示积分曲线的累计百分比。分布曲线峰值越高，表明该分子质量组分在样品中的占比越大，可直观表征材料的分子量分布特征。
图片
图3 GPC分子质量分布曲线
(4)分子质量统计结果
一般来说，通常关注的几个参数包括M n 、M w 、M p 、多分散系数(polydispersity, PD)。M p 为流出曲线图或分子质量分布曲线峰最高点对应的分子质量。M n 为按分子数目加权进行统计的分子质量结果，对小分子敏感。计算公式为
式中：n i 为分子质量；M i 为相对分子质量；ω i 为具有M i 质量的分子的数目；w I 为质量分数。
根据质量计算公式m=n×M,类似于数均分子质量的计算思路，重均分子质量的计算需先取其中某一组分的分子质量乘以其在总质量中的质量分数，在此基础上对所有组分进行同样处理并求和得到。例如，所有分子的总质量=4×100+3×200+2×300+1×2 000=3 600,则M w =100×(4×100/3 600)+200×(3×200/3 600)+300×(2×300/3 600)+2 000×(1×2 000/3 600)≈1 205。
PD为重均分子质量与数均分子质量的比值，即PD=M w /M n 。例如，PD=1 205/360=3.347。该系数可用于分析高分子材料的分子质量分布特征。
首先，M p 具有直观性，代表在材料中占比最高的分子所对应的分子质量；M n 对小分子物质更为敏感，因为分子质量越小则分子数目越多，在按数目加权平均中贡献显著；M w 则更倾向于反映大分子组分的情况，因为分子质量越大，其质量贡献越突出；PD体现大分子与小分子的整体分布情况，其值越接近1,表明分子质量分布越窄，即分子质量越集中，其值越大则表明分布越宽，体系中分子质量差异越大(理想单分散体系的PD=1,即所有分子具有相同分子质量，然而实际体系中通常难以实现)。
在表征高分子材料的分子质量时，需从多个角度进行综合分析，而不能仅依赖某一指标。工业上常选用M w 作为代表性指标，其原因是高分子材料的诸多特异性能(如力学性能和流变行为等)往往由分子质量较高的组分主导，而M w 对大分子部分更为敏感，因而更能反映材料的实际性能。
对上述计算案例进行分析，其中分子质量100～300的物质可能为未反应残留物质，而赋予材料高分子特性的为分子质量2 000的组分。计算得M n =360、M w =1 205,表明以M n 作为参考将几乎忽略2 000分子质量组分对材料引入的高分子特性。鉴于此，在工业上未特别指明的情况下，通常采用M w 作为高分子材料分子质量的表征结果。
4 引发剂对聚合产物的影响
引发剂浓度是影响乳液聚合过程的关键参数，其通过调控聚合速率、活性链及死聚物含量，进而决定最终聚合产物的性能。研究表明，在保证适当聚合速率的前提下，降低引发剂浓度可有效减少死聚物含量，从而提升聚合产物的综合性能。根据乳液聚合动力学公式
式中：k p 为聚合速率常数(L/(mol·s));C M 为乳胶粒中单体浓度[L/(mol·s)];R p 为乳液聚合速率；N p 为乳胶粒数(个); n¯
n
¯
为乳胶粒内的平均自由基数(个);N A 为阿氏常数(mol-1);
当体系引发剂浓度过低时，乳胶粒无法均匀捕捉自由基，导致聚合物乳胶粒增长不均匀，分子质量分布较宽。此外，pH值升高会导致氧化还原引发剂组合引发效率下降。改变引发剂浓度对聚合速率存在影响，聚合速率随着引发剂浓度降低而下降；当引发剂浓度下降至临界浓度以下时，聚合速率将显著下降，体系可控性恶化。在乳液聚合过程中，自由基浓度作为凝聚物生成的直接决定性因素，其受引发剂种类、初始浓度及分解温度共同调控。
当体系内反应速率明显较慢时，表明引发剂分解产生的初始自由基数量较少，导致自由基进入乳胶粒的速率p远小于自由基的逃逸速率k,从而使平均自由基数n过小，最终影响聚合速率。通过对比两组实验发现，增加初始引发剂浓度并未对n造成显著影响，说明体系内自由基分解速率较快，自由基的进入速率p和逃逸速率k已达到平衡状态。此外，当反应进行至一定时间后速率略有下降，说明体系内引发剂随反应进程不断消耗，水相中产生的初始自由基浓度降低，导致自由基进入单个乳胶粒的速率p下降，进而引起乳胶粒中平均自由基数n减少，最终导致聚合速率降低。这两组实验表明，当体系内自由基浓度过低时，自由基进入单个乳胶粒的速率p极小，无法有效引发聚合反应。
综上，在相同反应温度下，对于丁二烯RAFT种子乳液聚合体系而言，当引发剂浓度超过一定阈值后，其浓度对体系内平均自由基数n的影响不大，且n趋近于特定值。根据0-1模型，该数值为0.5,此时聚合速率达到该反应条件下最大值。而当引发剂浓度过低时，则无法有效地引发丁二烯RAFT种子乳液聚合。目前研究普遍认为，对同一个种子乳液聚合体系，即便改变引发剂种类，n的极限值也应相同，即趋近于0.5。
5 结语
本文系统研究了GPC在高分子材料分子量表征中的应用，以及引发剂浓度对乳液聚合产物性能的影响机制。通过对GPC原理与数据解析方法的深入探讨，明确了传统GPC、普适校正曲线GPC及光散射GPC的技术特点与适用范围，指出光散射GPC因其绝对分子量测定能力而成为未来发展趋势，但受限于设备成本，当前工业应用仍以普适校正法为主。在乳液聚合体系研究中，重点分析了引发剂浓度对聚合动力学的影响，揭示了自由基浓度与聚合速率、分子量分布的定量关系，并提出丁二烯RAFT种子乳液聚合体系存在引发剂浓度阈值效应：当浓度超过临界值时，体系平均自由基数趋近于0.5,聚合速率达到最优；而浓度不足则导致引发效率显著降低。目前关于各参数协同优化机制的研究尚不完善，在未来的工作中，建议开展多因素耦合实验，以深化对工艺参数间交互作用的理解，为工业化过程的精准调控提供理论支持与时间依据。
-
下一篇： 凝胶渗透色谱(GPC)分析技术研究进展
专属定制：