版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、毛细管气相色谱法,毛细管柱气相色谱法是用毛细管柱作为气相色谱柱的一种高效、快速、高灵敏度的分离分析方法 。,1957年由戈雷(Golay M J E)首先提出,一 毛细管色谱柱,二 毛细管色谱柱的特点,三 毛细管柱的色谱系统,内容:,毛细管色谱柱,一、,构成,在柱管内壁涂质一层极薄而均匀的固定液膜,柱中心是空的,故称开管柱,习惯称毛细管柱。,柱材料,不锈钢,惰性差,催化活性,不透明,不易涂渍固定液,惰性好,易观察,易折断,安装困难,化学惰性,热稳定性,机械强度好,有弹性,毛细管柱分类,根据固定液的涂渍方法可分为:,1. 壁涂开管柱(WCOT),固定液直接涂在毛细管内壁上,重现性差,柱寿命短,2
2、.多孔层开管柱(PLOT),在管壁上涂一层多孔性吸附剂固体微粒,不再涂固定液,适用于永久性气体,低沸点有机物,3.载体涂渍开管柱(SCOT),柱内先涂一层很细的多孔颗粒,再涂固定液,柱容量高,4.化学键合毛细管柱,化学键合的方法将固定相结合到柱表面,提高了柱稳定性,5.交联毛细管柱,由交联引发剂将固定相交联到毛细管管壁上,耐高温,抗溶剂抽提, 柱效高,柱寿命长,二、,毛细管色谱柱的特点,毛细管柱的结构特点,载气流动阻力小,柱子可达百米长,管径一般为0.2mm,消除了组分在柱中的涡流扩散,柱内壁面积较大,涂层很薄,气相和液相传质阻力大大下降,提高色谱分离能力的途径,增加柱长,减小柱径,消除组分在
3、柱中的涡流扩散和减小传质阻力,H,二、,毛细管色谱柱的特点,毛细管柱色谱法的特点,柱效高,长度为100m的毛细管柱,总的理论塔板数可达104106。,分析速度快,色谱峰窄,峰形对称,较多采用程序升温的方式,柱容量小,允许进样量少,三、,毛细管柱的色谱系统,由于毛细管内径很小,因此存在下面三个问题,允许通过的载气流量很小,柱容量小,允许进样量小,增加尾吹气的辅助气路,增加分流进样装置,增加柱出口到检测器的的载气流量,增加N/H比而提高检测器的灵敏度,分流后,柱后流出的试样组分量少、流速慢,解决方法,三、,毛细管柱的色谱系统,未能很好的适用于痕量组分的定量分析 以及定量要求高的分析,不分流进样,冷柱头进样,分流/不分流进样,Thanks,毛细管色谱为什么要采用分流进样和 安装尾吹装置?,首先毛细管柱样品容量小,采用填充柱常规进样方式,引入的样品量将超过色谱柱负荷;其次,小口径毛细管柱内径细,液层薄样品容量小,要使注入极少样品时保持很好的重现性实际上不大可能,因此采用分流进样。,由于毛细管柱中载气流速小,而检测器的死体积较大,进入检测器后载气流速会发生突然减速,引起色谱峰扩张,因此需在毛细管柱出口与检测器之间加一个辅助尾吹气,使组分快速流过检测
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 电子设备装接工安全专项测试考核试卷含答案
- 雕塑翻制工岗前技能掌握考核试卷含答案
- 墨锭制作工班组评比评优考核试卷含答案
- 残疾人就业辅导员岗前绩效目标考核试卷含答案
- “智阅小帮手”综合辅助数字化应用建设项目采购文件
- 空压机操作工安全技能培训课件
- 2026年保险行业客户档案管理知识测试题
- 2026年环保电价及垃圾焚烧发电电价补贴审核测试题
- 2026年外贸业务竞聘面试题库
- 2026年技术合同认定登记及税收优惠练习题
- 湖北烟草招聘面试全攻略:面试技巧与题目解析
- 桥式起重机安全检查表
- 2025年全国行政执法人员执法资格考试必考题库及答案
- 留样样品管理办法
- GB/T 45711.2-2025皮革撕裂力的测定第2部分:双边撕裂
- 药品进货查验管理制度
- 乡镇医院科研管理制度
- 湖南省三支一扶招聘考试真题2024
- 《GPCR信号转导》课件
- TCFLP0026-2020散装液体化学品罐式车辆装卸安全作业规范
- 大数据知识产权法课件
评论
0/150
提交评论