Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DIRECTOR:
JUAN CARLOS SALCEDO REYES, Ph.D. (Física)
CODIRECTORES:
1. INTRODUCCIÓN .............................................................................................................................. 1
1.1 Material particulado (MP) ........................................................................................................... 3
1.2 Composición química ..................................................................................................................... 4
1.3 Técnicas de detección de MP ........................................................................................................ 4
1.4 Contaminación ambiental por MP ............................................................................................... 7
1.4.1 Legislación internacional sobre MP ............................................................................... 7
1.4.2 Legislación Nacional sobre MP ...................................................................................... 8
1.5 Técnicas de mitigación de la contaminación por MP ................................................................. 9
1.6 La dispersión de la luz como técnica de caracterización .......................................................... 10
2. OBJETIVOS ..................................................................................................................................... 12
2.1 Objetivo general .......................................................................................................................... 12
2.2 Objetivos específicos .................................................................................................................... 13
3. MARCO TEÓRICO ......................................................................................................................... 14
3.1 Ondas electromagnéticas ............................................................................................................. 14
3.1.1 Ondas electromagnéticas en el vacío ............................................................................. 14
3.1.2 Ondas electromagnéticas en la materia ........................................................................ 16
3.2 Refracción .................................................................................................................................... 17
3.3 Parámetros de Stokes ................................................................................................................... 20
3.4 Dispersión de luz por partículas pequeñas ................................................................................ 21
3.5 Dispersión de MIE ....................................................................................................................... 22
3.6 Dispersión estática de luz ............................................................................................................. 28
3.7 Dispersión dinámica de luz ......................................................................................................... 29
4. MATERIALES Y MÉTODOS ......................................................................................................... 32
4.1 Simulaciones de dispersión de mie .............................................................................................. 32
4.2 Simulaciones de dispersión de dinámica de la luz ..................................................................... 34
4.3 Implementación de un sistema para medir la dispersión estática y dinámica de la luz .......... 36
5. RESULTADOS ................................................................................................................................. 42
5.1 Implementación de las técnicas ópticas para estimación de tamaño y concentración de
partículas en suspensiones coloidales. ........................................................................................ 42
6. CONCLUSIONES............................................................................................................................. 62
7. BIBLIOGRAFÍA .............................................................................................................................. 64
8. ANEXOS ........................................................................................................................................... 66
AGRADECIMIENTOS
El presente trabajo de grado de maestría en la modalidad de investigación fue desarrollado gracias al grupo de
investigación de Películas Delgadas & Nanofotónica (GPD&NF) del departamento de física y al grupo CEPIT del
departamento de electrónica de la PUJ en Bogotá, Colombia.
El apoyo financiero de este trabajo de grado de maestría fue proporcionado por El departamento administrativo de
Ciencia, Tecnología e Innovación COLCIENCIAS, mediante el proyecto “Minciencias - Prototipo para el
tratamiento de material particulado con descargas de barrera dieléctrica, código 120371552515, contrato 294-2016”,
y la convocatoria del programa de jóvenes investigadores e innovadores por la paz 2017.
Para comenzar, quisiera expresar mis sinceros agradecimientos a mi director de trabajo de grado Juan Carlos
salcedo, por brindarme un espacio de trabajo en el laboratorio de Películas Delgadas & Nanofotónica, y dedicar su
asesoramiento y guía durante el desarrollo de todo el proyecto, en donde no terminaría de mencionar toda la ayuda
que me brindo en temas de óptica y dispersión de luz, manejo de equipos y metodología de investigación; brindarme
un espacio de trabajo en el laboratorio de peliculas delgadas. A mi codirector de trabajo de grado el profesor Henry
Méndez cuya ayuda en el manejo de LABVIEW y su comunicación con los diferentes equipos presentes en el
laboratorio fue de gran ayuda en la implementación de la estación óptica. Un agradecimiento especial a mi
codirector Rafael Diez, el cual me vinculo a este gran proyecto de investigación y a la Maestría en Ingeniería
electrónica, además de su apoyo con la implementación de la dispersión dinámica de luz. Al profesor Camilo
Jiménez por aportarme sus ideas y experiencia durante todo este proceso; a David Gómez por brindarme su amistad
y ayuda durante mi estancia en el laboratorio, a David Magín por su colaboración en el desarrollo de este proyecto
y por último, pero no menos importante al profesor Camilo Otálora quien presto su tiempo para colaborarme en el
desarrollo e implementación de la técnica de dispersión dinámica.
Finalmente, a mi familia María Claudia Rangel y María Teresa Cruz, cuyo apoyo durante esta etapa de mi vida que
duro poco más de dos años fue fundamental para lograr con éxito este objetivo, de la misma manera quiero darle
un especial homenaje a mi padre José Antonio Cruz Ovalle, ya que sin él todo esto no hubiera sido posible, y cuya
inspiración y fortaleza me seguirán acompañando durante el resto de mi vida.
1. INTRODUCCIÓN
El estudio de partículas en la atmósfera ha tenido una creciente importancia gracias a su aplicación en áreas como
el cambio climático, contaminación ambiental, monitoreo de la calidad del aire, entre otros [1]. Estas partículas que
se encuentran en suspensión comúnmente son llamadas aerosoles o material particulado (MP), y están conformadas
por partículas sólidas y líquidas compuestas por material orgánico e inorgánico, las cuales se encuentran embebidas
en un medio gaseoso como el aire u otro tipo de gas [1,2]. Los aerosoles son producidos tanto en procesos naturales
(quemas forestales o material volcánico) como antropogénicos (emisiones de motores de combustión interna y el
humo, que no es más que una mezcla de un conjunto de gases y pequeñas partículas de carbón, resultado de la
quema de alguna sustancia) [1-3].
En general, los aerosoles se pueden clasificar según su formación en dos tipos: primarios y secundarios. Los
aerosoles primarios se caracterizan por ser emitidos directamente al ambiente en forma particulada siendo algunas
de sus fuentes el polvo del suelo, sal marina, polvo volcánico, aerosoles orgánicos primarios, polvo industrial, hollín
(partículas principalmente de carbono resultado de la combustión incompleta de hidrocarburos), la quema de
biomasa y motores de combustión interna. Los aerosoles secundarios se forman por procesos de condensación de
gases y la oxidación química de distintas especies como el óxido de azufre (SO3) en ácido sulfúrico (H2SO4), y el
óxido de nitrógeno (NOX) en ácido nítrico (HNO3), conocidos por sus efectos negativos en la salud y en el cambio
climático, entre otras[1,2].
Las partículas en suspensión presentan una gran variedad de tamaño y forma. Sin embargo, son descritas en términos
de esferas ideales mediante el diámetro aerodinámico, comúnmente expresado como tamaño de partícula. En la
ecuación 1 se define este parámetro, en donde 𝑑𝑎𝑒 es el diámetro aerodinámico de una partícula dada con densidad
𝜌𝑝 , 𝑑𝑣𝑒 es el diámetro de una esfera de volumen equivalente y densidad unitaria, la cual posee la misma velocidad
de sedimentación, C(x) es el contraste a una distancia x (entiéndase contraste como la diferencia relativa entre la
intensidad de luz de un objetivo y la intensidad de luz de base), y 𝜒 es el factor de forma Agranovski I. (2010) Aerosols – Science
and Technology. Weinheim. WILEY-VCH verlag GmbH & Co. KGaA.. El diámetro aerodinámico puede tener un valor distinto al diámetro
geométrico aún si la partícula es esférica; por ejemplo, si se supone una partícula con un 𝜒 ≈ 1 (es decir, una
partícula con una forma casi esférica), y si la densidad de la partícula es mayor a 1.0 𝑔 𝑐𝑚−3 entonces el diámetro
aerodinámico será mayor al de una esfera del mismo tamaño. Por el contrario, si la 𝜌𝑝 < 1.0 𝑔 𝑐𝑚−3 su diámetro
aerodinámico será menor en comparación al de una esfera del mismo tamaño. En la Figura 1 se muestra el rango
de tamaño aerodinámico de los aerosoles provenientes de distintas fuentes.
1
𝜌𝑝 𝐶(𝑑𝑣𝑒 )
𝑑𝑎𝑒 = 𝑑𝑣𝑒 √ (1)
𝜌1 𝐶(𝑑𝑎𝑒 )𝜒
Debido a que los aerosoles presentan un rango de tamaño de partículas que va desde 1nm hasta los 100 μm,
usualmente un conjunto de partículas es descrito mediante su distribución de tamaño comúnmente definida por una
distribución normal, en dicho caso se dice que se tiene una distribución polidispersa de partículas. En el caso que
un conjunto de partículas esté compuesto por un solo diámetro aerodinámico se dice que las partículas tienen una
distribución monodispersa.
Los aerosoles se clasifican según su distribución de tamaño en tres grupos: nucleación, acumulación y grueso
Kokhanovsky A. A. (2010).. En el grupo de nucleación están comprendidas las partículas menores a 0.2 μm y son aquellas
que se forman en la atmósfera por la conversión de gas a partícula o las emitidas directamente a la atmosfera en
procesos de condensación de gases con alta temperatura. Representan el 90 % del número total de partículas en la
atmosfera, pero no aportan de manera significativa a la masa total del MP. El grupo de acumulación comprende a
las partículas con un tamaño entre 0.2 a 2 μm y se forman a partir del crecimiento de aerosoles del modo de
nucleación por procesos de condensación de gases o por la coagulación. La coagulación de partículas es definida
como la unión de partículas debido a procesos de difusión. Los aerosoles de esta fracción se pueden precipitar al
suelo gracias al efecto de la lluvia. Finalmente, el grupo grueso son todas las partículas mayores a 2 μm y se forman
por procesos de desgaste mecánico como son el polvo, aerosoles de mar y polvos industriales. Las partículas de esta
fracción son capaces de sedimentarse [1,4-5]. En la Figura 2 se muestra la distribución de tamaño aerodinámico de
cada uno de los modos, resumiendo sus mecanismos de formación descritos anteriormente.
Figura 2. Diagrama esquemático de la típica distribución de tamaño y mecanismos de formación de las partículas en la atmosfera [1].
Los aerosoles con un tamaño de partícula menor a 100 μm pueden ser inhalados a través de la boca y nariz durante
la respiración, penetrando el sistema respiratorio en diferentes niveles dependiendo del tamaño de partícula. Es por
esta razón, que en 1994 en el estándar ISO 7708 se definieron tres fracciones de aerosoles: fracción inhalable,
fracción torácica y fracción respirable [6]. La fracción inhalable es definida como los aerosoles que son inhalados a
través de la nariz y la boca. La fracción torácica comprende a los aerosoles que penetran el sistema respiratorio más
allá de la laringe. El tamaño medio de partícula de esta fracción es de 10 μm. La fracción respirable de aerosoles
son aquellas partículas que penetran la región traqueobronquial, es decir, la región de intercambio de gases del
pulmón. Posee un tamaño medio de partícula de 4 μm [6]The U.K. Department of the Environment .
2
En la actualidad, se conocen los diversos efectos nocivos sobre la salud debido a la exposición al MP, sobre todo
en los centros urbanos en donde los principales productores de estos aerosoles son los motores de combustión
interna a base de diésel. A nivel mundial se estima que se producen más de dos millones de muertes al año por
exposición a este contaminante [7]. El abanico de padecimientos atribuidos al MP es bastante amplio, afectando
especialmente al sistema respiratorio y cardiovascular, en el que el impacto en el sujeto varía en función de la edad
y el nivel de exposición. Entre las enfermedades atribuidas al MP se encuentran: asma agravada, cáncer, bronquitis
crónica, infartos, diabetes, muerte prematura en personas con enfermedades cardiacas o pulmonares, entre otros
[7,8,9].
En general, para propósitos de calidad del aire y salud pública, la Agencia de Protección Ambiental de Estados
Unidos (EPA) ha estado regulando el MP según su capacidad de transporte en la atmósfera y la capacidad de
penetración en el pulmón de la siguiente manera: el MP10 también llamado partículas gruesas, son todas aquellas
con un diámetro aerodinámico menor o igual a 10 μm, seguidas por el MP 2.5 que comprende a las partículas cuyo
tamaño es menor o igual a 2.5 μm y por último, el MP0.1 también llamado partículas ultrafinas, las cuales son las
que presentan un diámetro menor o igual a 0.1 μm [10].
El MP fino y grueso está presente en casi todos los ambientes urbanos. Sin embargo, su proporción es variable
dependiendo de las fuentes de emisión cercanas, la geografía o las condiciones climáticas características del lugar.
No obstante, se debe resaltar que las partículas MP 0.1, en conjunto con las MP2.5, tienen un mayor impacto para la
3
salud, puesto que, por su tamaño pueden penetrar fácilmente el tracto respiratorio y depositarse en los bronquiolos
y alvéolos, dificultando el intercambio gaseoso en los pulmones. Eventualmente también pueden pasar al torrente
sanguíneo, desencadenando otros problemas de salud significativos [7-9].
1.2 Composición química
En general, el MP emitido por motores diésel es difícil de caracterizar ya que presenta una compleja mezcla de
partículas de diferente tamaño, composición, solubilidad, etc., las cuales dependen de factores externos como la
tecnología del motor y su antigüedad, condiciones de conducción, forma de la línea de escape, tipo de combustible
utilizado (alta o mala calidad), los aditivos del combustible y del aceite del motor. Así mismo una vez emitidas las
partículas en la atmósfera sus características químicas siguen cambiando debido a procesos de condensación y a la
radiación solar [4].
En la caracterización tradicional del MP de motores de combustión interna diésel, se encuentra que estas partículas
de hollín se componen principalmente por carbono, y en menor medida una gama de componentes entre los que se
encuentran: compuestos orgánicos volátiles (COV); sulfatos originados a partir de compuestos de azufre en el
combustible; fosfatos, óxidos de calcio, zinc y magnesio producto de la quema de aditivos en el aceite del motor;
óxidos de metales como el hierro, cobre, cromo, níquel y aluminio que resultan del desgaste del motor y otros
componentes de la línea de escape, así como también por la quema de aditivos en el aceite lubricante del motor; e
hidrocarburos (HC) que son absorbidos por las partículas existentes o se condensan formando partículas de
nucleación [12,13,14,15]. Para la determinación de estos componentes químicos, los distintos estudios realizados se
han focalizado en realizar distintos tipos de análisis químico como: análisis elemental, iones inorgánicos,
hidrocarburos y compuestos orgánicos polares. En el análisis elemental, se emplea la fluorescencia de rayos X
(XRF) o espectrometría de masas de plasma acoplados inductivamente (ICP-MS); en la detección de iones
inorgánicos, estos componentes son extraídos de las muestras de MP añadiendo una mezcla de agua desionizada-
destilada con alcohol; por último, para el análisis de los componentes orgánicos, se emplea técnicas de
cromatografía de gases/espectrometría de masas (GC/MS) [16,17,18,19,20,21,22,23,24,25].
1.3 Técnicas de detección de MP
Debido a la importancia que ha tenido la utilización de los aerosoles en aplicaciones industriales, cosméticas,
farmacéuticas y en medicina, actualmente existe una gran variedad de métodos para la detección y medición de
partículas basados en distintos principios físicos. Dichos métodos están orientados hacia la determinación del
diámetro aerodinámico y su distribución, y se clasifican de acuerdo con la forma en que realizan dicha medición de
la siguiente manera: i) medición del tamaño de partícula en lote, donde se determina la distribución del tamaño de
un conjunto de partículas. Entre éstas se destacan la dispersión dinámica (DLS) y dispersión estática de luz (SLS);
ii) la medición del tamaño de partícula individual. En este tipo de técnica se hace la medición del tamaño partícula
por partícula y posteriormente la distribución de tamaño se calcula por conteo. Las técnicas más conocidas son la
microscopía de fuerza atómica (AFM) y microscopía de barrido (EM). iii) medición del tamaño de partícula por
separación; es decir, técnicas basadas en la segregación de las partículas por tamaño mediante centrifugado
diferencial o sedimentación (DCS), previo a la medición [26].
A continuación, se describen las diferentes técnicas para la medición del tamaño de partícula para cada tipo de
método descrito anteriormente, detallándose sus características como principios físicos de funcionamiento,
resolución y si emplean mediciones in situ (es decir, la medición de las partículas en suspensión directamente) o
requieren una preparación previa de las muestras:
4
por ellas a un ángulo fijo. En este método se calcula la Función de autocorrelación de la intensidad de luz
dispersa, coeficiente de difusión traslacional (el cual es una medida del movimiento browniano de las
partículas en un medio) y diámetro aerodinámico mediante el análisis de Stokes-Einstein. Con esta técnica es
posible medir partículas de tamaño entre 0.3 nm a 10 µm [27,28,29].
o Dispersión estática de la luz (SLS): la técnica consiste en la irradiación de las partículas en un medio que
puede ser tanto líquido como gaseoso mediante un haz de luz láser. Para la caracterización de las partículas,
se realiza una medición de la dependencia angular de la intensidad de luz dispersada por las partículas descrita
en la teoría de Mie. Esta teoría afirma que el comportamiento de la intensidad de la luz dispersada depende
del tamaño de las partículas, el índice de refracción (medio y aerosol) y la longitud de onda del láser. Con este
método de medición es posible detectar partículas entre 10 nm y 1 µm [28].
o Dispersión de rayos X en ángulo pequeño (SAXS): medición de rayos X dispersos por partículas suspendidas
en un medio, en donde el ángulo de dispersión depende del tamaño de partícula y la longitud de onda utilizada
(típicamente entre 1-10 Å). En este método, al igual que la dispersión estática de la luz, se analiza el
comportamiento de la intensidad de luz dispersada en función del ángulo de dispersión. Con este método es
posible medir partículas entre 1nm y 100nm [27].
o Difracción de rayos X (XRD): técnica de medición muy utilizada en el análisis de la estructura cristalina. Para
la detección de partículas se realiza la medición de anillos de difracción para varios ángulos, y permite la
caracterización de partículas de 1 nm hasta 100 nm. Aunque la XRD permite medir el tamaño partículas en
ciertos casos, es necesario tener un conocimiento profundo de la cristalinidad y la nanoestructura de las
partículas en cuestión [27].
5
o Detección de pulso resistivo sintonizable (TRPS): medición de pulso resistivo inducida por partículas que
cruzan a través de un tamaño de poro sintonizable (basado en el principio del contador Coulter). Permite la
detección de partículas entre 200 nm y 8 μm aproximadamente [30,31,32].
6
En la Tabla 1, se presentan las ventajas y desventajas de las técnicas de caracterización de partículas previamente
mencionadas.
7
progresiva y sostenida de la contaminación del aire, obteniendo esta manera una disminución significativa de los
efectos crónicos y agudos sobre la salud, así como también la disminución de la mortalidad [37].
En la Figura 4, se muestran los niveles medios de concentración en distintas regiones del mundo tanto para el MP 10
como para el MP2.5. En ella se aprecia que la mayor generación de MP es en el Mediterráneo Oriental, seguido del
Continente Africano, el Sureste Asiático y los países del Pacífico Oeste con ingresos bajos o medios. Países con
ingresos bajos o medios de Latinoamérica presentan concentraciones mucho más bajas en comparación a los
anteriormente mencionados. Sin embargo, no cumple con los valores guía establecidos por la OMS.
8
industriales, mineras y de transporte: la resolución 2254. Ésta determina un nivel máximo permisible para el MP en
función del tamaño de las partículas, tomando como base los objetivos intermedios de la OMS, y paulatinamente
ajustar estos valores hasta alcanzar los valores guía [49].
Para el MP10 es permitida una concentración máxima media anual de 50 μg/m3 y una concentración de 100 μg/m3
media en 24 horas; mientras que, para el MP 2.5 se permite una concentración máxima anual media de 25 μg/m3 y
de 50 μg/m3 en 24 horas. Los valores corresponden al objetivo intermedio OI-2 de la OMS.
En el mismo documento, se establece que a partir del 1 de junio de 2018 los niveles máximos permitidos para el
MP10 y MP2.5 en un tiempo de exposición de 24 horas deben ser de 75 μg/m3 y 37 μg/m3 respectivamente. De igual
manera, para el 2030 se establece que los niveles permitidos para un periodo de un año serán de 30 μg/m3 para
PM10 y 15 μg/m3 para el PM2.5, alcanzando así el objetivo intermedio OI-3 de la OMS [34,35,49].
Con el propósito de verificar el cumplimiento de las normas mencionadas anteriormente, en los últimos años las
autoridades ambientales a cargo del IDEAM, han ido aumentando gradualmente el número de estaciones de
monitoreo de la calidad del aire, contando con 163 estaciones en el 2015 hasta llegar a 204 para el 2017, las cuales
emplean equipos de Micro balanza de elemento oscilante, atenuación de radiación RX y muestreadores de partículas
suspendidas [36]. En los resultados de este monitoreo presentados en los más recientes informes del Estado de
Calidad de Aire en Colombia, se constata que en varias regiones del país, especialmente en Bogotá, Medellín, Cali
y Santa Marta, se supera el límite oficial permitido tanto para el PM10, como para el PM2.5. En la Figura 5 se
presenta la participación porcentual de los contaminantes medidos por las autoridades ambientales en Colombia a
diciembre de 2015 [34] IDEAM. (2016)..
Figura 5. Participación porcentual de los contaminantes medidos por las autoridades ambientales en Colombia [34].
9
Las técnicas de tratamiento basadas en la oxidación catalítica del MP son lentas, ya que no todas las partículas
penetran los microporos del catalizador en donde se lleva a cabo el proceso. En este tipo de método son empleados
filtros de pared en los cuales se deposita el elemento catalizador, así como también aditivos organometálicos en el
combustible, con el fin de incrementar la reactividad del MP al incorporar el catalizador en su proceso de formación
[4,50,51].
Los sistemas de oxidación no-catalíticos se basan principalmente en dos técnicas: la primera es la quema del MP
por medio de sistemas térmicos como calentadores eléctricos, quemadores de combustible, filtro interno con
calentador y calentamiento por microondas; que se encargan de subir la temperatura de MP hasta alcanzar una
temperatura entre los 600-625 °C (temperatura a la cual el MP hace combustión). Estos sistemas por lo general
operan con un módulo de control, el cual, para regular la temperatura, interviene en la operación del motor en
función de diversos parámetros de entrada tales como la señal de temperatura y presión de los gases de escape, la
temperatura del motor, la presión ambiente (afuera del motor) y el flujo de entrada de aire al motor [4,50,51].
En la segunda técnica de oxidación no-catalítica, se utilizan tanto plasmas termales (cuya temperatura de operación
es de 200-450°C) como plasma no-termales para la ionización del gas de escape del motor, generando así la
producción de radicales libres, iones y electrones libres, los cuales son acelerados por un alto voltaje [4,50,51]. Los
más recientes estudios se han enfocado, en especial, en el estudio del efecto de los plasmas no-termales en el MP,
haciendo énfasis en las descargas de barrera dieléctrica (DBD), donde se ha demostrado su degradación mediante
procesos de oxidación [52,53,54].
Figura 6. Bocetos de los principales tipos de trampas: (a) flujo de pared, (b) trampas de espuma de cerámica y (c) filtro de fibra de cerámica y
alúmina [50].
Una reciente patente en 2014 presenta un reactor plasma que funciona con base en descargas, en donde se realiza
una combinación entre DBD y descargas de corriente continua [55]. De la misma manera, varios equipos de
investigación han estado realizando estudios y desarrollos de reactores de DBD para la remoción de sustancias
contaminantes [56,57,58,59,60].
Este tipo de métodos consisten básicamente en un arreglo de electrodos, una barrera dieléctrica y una fuente de
alimentación eléctrica de alto voltaje, en donde el campo eléctrico producido recolecta las partículas para su
tratamiento con el plasma. El efecto de degradación del MP varía dependiendo de la geometría del sistema
(cilíndrica, placas paralelas, etc.), la potencia aplicada y el modo de operación de la descarga, que puede ser difuso
iluminante o filamentoso. En el modo difuso iluminante, el plasma ocupa todo espacio comprendido entre los dos
electrodos, mientras que en el modo filamentoso se presentan micro descargas continuas de poca duración, las
cuales se caracterizan por tener un diámetro del orden de micrómetros [52-60].
10
1.6 La dispersión de la luz como técnica de caracterización
La caracterización del tamaño de partículas por dispersión de luz es uno de los métodos más usados en laboratorios
debido a su facilidad en la implementación y uso [¡Error! Marcador no definido.,61]. Es utilizado en aplicaciones en
donde se requiere una medición de tamaño de partícula en tiempo real, gracias a que permite la captura de las
medidas en tiempos sustancialmente cortos en comparación a otras técnicas de medición tales como: la Micro
balanza de elemento oscilante, equipos de atenuación de radiación RX y los muestreadores de partículas
suspendidas. De la misma manera, los métodos de AFM, EM y NT son relativamente más lentos en comparación
con los basados en la dispersión de luz, ya que requieren una preparación dispendiosa de la muestra.
La limitación de estas técnicas basadas en dispersión de luz se exhibe en la caracterización de partículas cuya
distribución de tamaño sea muy amplia. Esto ocurre al producirse un apantallamiento de las partículas pequeñas por
las de mayor tamaño, debido a que la intensidad de la luz es proporcional al diámetro de las partículas. Recientes
estudios se han enfocado en analizar el efecto de la humedad como fuente de ruido y la disminución del efecto del
apantallamiento en la medición in situ del MP en tiempo real haciendo una optimización en el ángulo de detección,
concluyendo que para ángulos cercanos a 25° se reduce dicho efecto [62,63].
11
2. OBJETIVO DEL PROYECTO
Figura 7. Diagrama de bloques del proyecto “Prototipo para el tratamiento de material particulado con descargas de barrera dieléctrica’’.
Debido a que la caracterización del PM es una de las actividades fundamentales en procesos de descontaminación
ambiental, en el presente trabajo de grado ejecutado bajo la modalidad de investigación, se implementó un sistema
de detección de PM. Éste permitirá establecer el tipo de plasma a utilizar para el tratamiento de MP, y correlacionar
las reacciones que presentan las partículas al ser expuestas al plasma con las variables eléctricas mencionadas en la
alimentación de DBD. De esta manera se podrá obtener el rango óptimo de los diferentes parámetros de operación
del reactor en el cual se presentará una adecuada degradación del PM.
En este proyecto se planteó construir un sistema que pueda funcionar en línea con DBD; es decir, antes y después
del tratamiento con las descargas. De esta manera se tendrá la capacidad de medir el tamaño y polidispersión de las
partículas mediante la implementación de una estación óptica acoplada al sistema de circulación del aire que mida
la luz dispersada por el PM y funcione en conjunto con un sistema de análisis estadístico.
12
2.2 Objetivos específicos:
• Estudiar las dos técnicas de dispersión de luz tenidas en consideración para la caracterización del MP.
• Realizar simulaciones de la dispersión de Mie y dinámica de la luz.
• Diseñar e implementar una estación óptica para la medición del MP utilizando las dos técnicas de medición.
• Diseñar e implementar un algoritmo de análisis estadístico, para deducir el tamaño y concentración del MP.
• Establecer un protocolo de pruebas que permita evaluar el funcionamiento del sistema y calibrarlo con partículas
de tamaño conocido.
13
3. MARCO TEÓRICO
• Transmisión en el vacío.
• En un medio lineal (independiente de los campos), homogéneo (independiente de la posición) e isotrópico
(independiente de la dirección) – LHI.
• Trasmisión en la interfaz de dos medios LHI.
De esta manera se encuentra que tanto el campo eléctrico como el magnético satisfacen la ecuación de onda en las
tres dimensiones. Además, se determina su velocidad de propagación siendo igual al de la luz en el vacío,
demostrando así, que la luz es una onda electromagnética:
1
𝑐= ≈ 3 ∗ 108 𝑚/𝑠 (4)
√𝜖𝑜 𝜇𝑜
14
̃ (𝑧, 𝑡) = 𝑬
𝑬 ̃ 𝒐 𝑒 𝑖(𝒌∙𝒓−𝜔 𝑡) ̃ (𝑧, 𝑡) = 𝑩
𝑩 ̃ 𝒐 𝑒 𝑖(𝒌∙𝒓−𝜔 𝑡) (5)
En donde 𝑬̃𝒐 y 𝑩̃𝒐 son las magnitudes del campo eléctrico y magnético respectivamente, cuyo valor puede ser
complejo; 𝒓 es el vector posición y 𝒌 es el vector de onda, el cual define la dirección de propagación de la onda y
cuya magnitud k es llamada número de onda.
Ya definidas las soluciones, se prosigue a reemplazar las expresiones 5 en las ecuaciones de Maxwell para el vacío.
De esta manera, se determinan tres condiciones que deben cumplir las ondas planas para que sean consideradas
como ondas electromagnéticas: Primero, los campos deben ser transversales, es decir, perpendiculares a la dirección
de propagación (si la onda se propaga en dirección 𝒆̂𝒛 , significa que 𝑬̃𝒐𝒛 = 𝑩̃𝒐𝒛 = 0); segundo, el campo eléctrico y
magnético deben estar en fase y además ser perpendiculares entre sí. Como resultado, sus magnitudes se relacionan
de la siguiente manera:
𝑘
𝐵𝑜 = 𝐸
𝜔 𝑜 (6)
Esta condición se ilustra en la Figura 8. Por último, el número de onda y la frecuencia angular no pueden tomar
cualquier valor arbitrario, sino que deben satisfacer la relación de dispersión:
𝜔
𝑐=
𝑘 (7)
Teniendo presente los resultados obtenidos, se puede expresar los campos de forma general como:
1
̃ (𝑧, 𝑡) = 𝐸
𝑬 ̃𝑜 𝑒 𝑖(𝒌∙𝒓−𝜔 𝑡) 𝒆̂𝑛 ̃ (𝑧, 𝑡) = 𝐸
𝑩 ̃ 𝑒 𝑖(𝒌∙𝒓−𝜔 𝑡) (𝒆̂𝑘 ⨯ 𝒆̂𝑛 ) 𝒆̂𝑘 ∙ 𝒆̂𝑛 = 0
𝑐 𝑜 (8)
Figura 8. Representación gráfica de una onda plana monocromática propagándose en la dirección z, x polarizada en el eje y (dirección de oscilación
del campo eléctrico) [65].
Con las expresiones establecidas para los campos, el siguiente paso en este análisis es definir la energía que es
transportada por ellos. Para esto se define el vector de Poynting como la energía por unidad de tiempo y unidad de
área, cuya dirección indica hacia dónde se propaga la energía total de la onda:
1
𝑺= (𝑬 ⨯ 𝑩)
𝜇𝑜 (9)
En el caso de ondas planas:
𝑺 = 𝑐 𝜖𝑜 𝐸𝑜 2 [𝑐𝑜𝑠(𝑘𝑧 − 𝜔𝑡 + 𝛿 ) ]2 𝒆̂𝑘
(10)
Usualmente no son de mucho interés las fluctuaciones temporales del vector de Poynting. En cambio, su valor
promedio denominado intensidad de la luz sí que lo es, debido fundamentalmente a que dicho parámetro puede ser
medido directamente por medio de un detector de luz:
15
1
〈𝑺〉 ≡ 𝐼 = 𝑐 𝜖𝑜 𝐸𝑜 2 𝒆̂𝑘 (11)
2
En donde, 𝑫 es el vector desplazamiento eléctrico y 𝑯 es la intensidad de campo magnético. Estos campos cumplen
con las siguientes relaciones constitutivas si el medio es LHI.
1
𝑫=𝜖𝑬 𝑯= 𝑩 (13)
𝜇
𝜖𝜇
𝑛=√ 𝑛 ≅ √𝜖𝑟 (16)
𝜖𝑜 𝜇𝑜
16
1
𝑺= (𝑬 ⨯ 𝑩)
𝜇 (18)
Por lo tal motivo, para las ondas planas la intensidad es:
1
𝐼= 𝜖 𝑣 𝐸𝑜 2 (19)
2
Asumiendo que no hay una pérdida de energía en el proceso, la frecuencia es igual para todas las ondas:
𝑣2 𝑛1
𝜔 = 𝑘I 𝑣1 = 𝑘R 𝑣1 = 𝑘T 𝑣2 ó 𝑘I = 𝑘R = 𝑘T = 𝑘T
𝑣1 𝑛2 (22)
En la frontera entre los dos medios (en z=0), las exponenciales de todos los campos deben tener el mismo valor.
Por esta razón, se debe cumplir la relación expresada en la ecuación 23, y de la cual, en conjunto con la expresión
22, se deducen las tres leyes de la óptica:
𝒌𝐈 ∙ 𝒓 = 𝒌𝑹 ∙ 𝒓 = 𝒌𝑻 ∙ 𝒓 (23)
Primera ley: Los vectores de onda incidente, reflejado y la transmitido, conforman el plano de incidencia (ver
Figura 9a). La ecuación 22 implica que:
𝑘𝐼 sin 𝜃𝐼 = 𝑘𝑅 sin 𝜃𝑅 = 𝑘 𝑇 sin 𝜃𝑇 (24)
En donde 𝜃𝐼 , 𝜃𝑅 y 𝜃𝑇 son los ángulos incidente, reflejado y transmitido (también llamado ángulo de refracción).
Segunda ley: El ángulo de incidencia es igual al ángulo reflejado (esto se determina mediante las expresiones 22 y
23).
𝜃𝐼 = 𝜃𝑅 (25)
Tercera ley: Ley de la refracción o ley de Snell.
17
sin 𝜃𝑇 𝑛1 (26)
=
sin 𝜃𝐼 𝑛2
Para determinar la magnitud de los campos reflejado y transmitido, se emplean las condiciones de frontera entre los
dos medios:
‖ ‖
𝑖) 𝜖1 𝐸1Ʇ = 𝜖2 𝐸2Ʇ 𝑖𝑖) 𝐸1 = 𝐸2
1 ‖ 1 ‖ (27)
𝑖𝑖𝑖) 𝐵1Ʇ = 𝐵2Ʇ 𝑖𝑣) 𝜇 𝐵1 = 𝜇 𝐵2
1 2
Suponiendo que la orientación de los campos es de la forma mostrada en la Figura 9b, se determina las componentes
paralelas y perpendiculares a la interfaz de cada uno de los campos y se reemplazan en las condiciones de frontera:
̃ 𝟎𝑰𝒛 + 𝑬
𝑖) 𝜖1 ( 𝑬 ̃ 𝟎𝑹𝒛 ) = 𝜖2 𝑬
̃ 𝟎𝑻𝒛 ̃ 𝟎𝑰 + 𝑬
𝑖𝑖) (𝑬 ̃ 𝟎𝑹 ) = (𝑬
̃ 𝟎𝑻 )𝑥,𝑦
𝑥,𝑦
1 (28)
̃ 𝟎𝑰𝒛 + 𝑩
𝑖𝑖𝑖) 𝑩 ̃ 𝟎𝑹𝒛 = 𝑩
̃ 𝟎𝑻𝒛 𝑖𝑣) ̃ 𝟎𝑹 ) = 1 (𝑩
̃ 𝟎𝑰 + 𝑩
(𝑩 ̃ 𝟎𝑻 )𝑥,𝑦
𝜇1 𝑥,𝑦 𝜇 2
Las ecuaciones 29 son las famosas ecuaciones de Fresnel, para el caso de polarización paralela al plano de
incidencia [65].
Figura 9. Transmisión y reflexión oblicua a la superficie: (a) Vectores de onda de la onda incidente, reflejada y transmitida. (b) Ondas incidente,
reflejada y transmitida con polarización paralela a la superficie [65].
18
que incide sobre la primera interfaz de separación (entre medio 1 y 2), parte de la energía se transmite y parte se
refleja. De esta manera, en el medio 1 se tendrá la superposición de dos ondas: incidente y reflejada, mientras que
en el medio 2 solo estará la onda transmitida. Después de este punto, la onda transmitida se propagará a través del
medio 2 hasta llegar a la segunda interfaz en donde ocurre el mismo proceso. Al finalizar, la onda reflejada se
propagará a través del medio 2 en dirección –x, hasta incidir sobre la primera superficie de separación.
Como se puede apreciar en la Figura 10, en cada uno de los medios se tendrá la superposición de una infinidad de
ondas que resultan de la transmisión y reflexión sucesiva de las ondas que se reflejan en cada frontera. Sin embargo,
en la práctica no se tienen en cuenta todos estos procesos, ya que siempre que la onda reflejada incide sobre cada
interfaz, la onda reflejada resultante tendrá cada vez menos energía hasta considerarse despreciable. Debido a lo
mencionado anteriormente, se considera que se tiene una onda total reflejada en el medio 1, unas ondas internas
reflectadas en el medio 2 y una onda total transmitida en el medio 3.
Un paso adicional en la construcción del modelo consiste en adecuar la barrera dieléctrica para una partícula de
forma arbitraria suspendida en un medio cualquiera, a la cual se le hará incidir una onda plana sobre su superficie.
Al incidir la onda plana sobre la superficie de la partícula, una parte de la onda se transmite y otra parte se refleja.
Sin embargo, el ángulo de incidencia va a ser diferente para cada punto de la superficie de la partícula. Esto significa
que al interior de ella se tendrá un conjunto de campos propagándose en diferentes direcciones. Al igual que en el
caso de la barrera dieléctrica, estos campos al ir propagándose al interior de la esfera eventualmente incidirán sobre
alguna parte de la frontera partícula-medio, reiniciando así el proceso de transmisión y reflexión. Después de
considerar todos los procesos sucesivos de reflexión y transmisión, se podrá afirmar que adentro de la partícula se
tendrá una superposición de campos internos, mientras que afuera de ella habrá una onda incidente y una dispersada,
siendo esta última la superposición de las ondas reflejadas y transmitidas (ver Figura 11).
Figura 11. Analogía entre la dispersión de luz por una partícula y la transmisión-reflexión por una barrera [66].
19
3.3 Parámetros de Stokes.
Una buena descripción de la propagación de una onda, en el vacío o en un medio dado, son los parámetros de
Stokes. Estos describen el estado de polarización de la onda: lineal, circular, elíptica, una combinación de las tres o
sin polarización alguna. Para definir estos parámetros, se asume un haz de luz monocromática y un detector de
intensidad de luz (Figura 12), que se emplearán de la siguiente manera:
De modo que estos experimentos definen los parámetros de Stokes, los cuales se expresan de la siguiente manera:
20
3.4 Dispersión de luz por partículas pequeñas.
En regiones muy lejanas del origen (𝑘𝑟 ≫ 1), el campo eléctrico de la onda dispersada se puede aproximar como:
𝑒 𝑖𝑘𝑟
𝑬𝒔 ~ 𝑨 (36)
−𝑖𝑘𝑟
Debido a la linealidad en el proceso de reflexión y transmisión, es posible relacionar la onda dispersada con la onda
incidente de la siguiente manera:
Figura 13. Dispersión por una partícula con forma arbitraria [66].
De la misma manera es posible encontrar una relación lineal entre los parámetros de Stokes entre estas dos ondas:
𝐼𝑠 𝑆11 𝑆12 𝑆13 𝑆24 𝐼𝑖
𝑄𝑠 1 𝑆 𝑆22 𝑆23 𝑆24 𝑄𝑖
( ) = 2 2 ( 21 )∙( )
𝑈𝑠 𝑘 𝑟 𝑆31 𝑆32 𝑆33 𝑆34 𝑈𝑖 (38)
𝑉𝑠 𝑆41 𝑆42 𝑆43 𝑆44 𝑉𝑖
21
(39)
La siguiente sección detalla el proceso de dispersión por una partícula esférica, para encontrar los parámetros 𝑆𝑘 y
𝑆𝑖𝑗 .
Estos campos deben satisfacer las ecuaciones de Maxwell, para ser considerados ondas electromagnéticas:
𝑖) 𝛻 ∙ 𝑬 = 0 𝑖𝑖) 𝛻 ⨯ 𝑬 = 𝑖𝜔𝑯
𝑖𝑖𝑖) 𝛻 ∙ 𝑩 = 0 𝑖𝑣) 𝛻 ⨯ 𝑯 = −𝑖𝜔𝑬 (41)
Para facilitar el análisis de frontera que se hará posteriormente, se busca expresar los campos electromagnéticos en
series infinitas haciendo uso de un conjunto conformado por dos funciones vectoriales ortogonales 𝑴 y 𝑵:
∞ ∞ ∞ ∞
Estas funciones vectoriales se construyen de la siguiente forma: se supone la función escalar 𝜓 dada y un vector
arbitrario 𝑐 constante, de tal manera que cumplan con las siguientes relaciones:
𝜵 ⨯ (𝒄𝝍) (44)
𝑴 = 𝜵 ⨯ (𝒄𝜓) = −𝒄 ⨯ 𝜵𝜓 𝑵=
𝑘
Estos vectores N y M reciben el nombre de vectores armónicos, y deben cumplir con todas las propiedades
requeridas por los campos electromagnéticos: Primero, satisfacer la ecuación de onda vectorial; segundo, tener
divergencias iguales a cero; y tercero, el rotacional de N debe ser proporcional a M y el rotacional de M debe ser
proporcional a N.
22
𝜵𝟐 𝑴 + k 2 𝑴 = 0 𝜵∙𝑴 = 0
(45)
𝜵𝟐 𝑵 + k 2 𝑵 = 0 𝜵∙𝑵 =0
Al reemplazar las expresiones 44 en las ecuaciones de onda (expresiones 44), se establece que, para que 𝑀 y N
satisfagan la ecuación de onda vectorial, 𝜓 debe ser una solución de la ecuación de onda escalar:
𝛻 2𝜓 + 𝑘 2 𝜓 = 0 (46)
Por esta razón, el problema de resolver la ecuación de onda se reduce entonces a encontrar la expresión para 𝜓,
también denominada función generadora, mediante la resolución de la ecuación diferencial (expresión 46). El
problema tratado presenta una simetría esférica, y por tal motivo los vectores armónicos deben expresarse en
coordenadas esféricas. Teniendo esto presente, el vector constante c se asume como el vector radial r; de este modo,
la expresión para M queda de la siguiente forma:
𝑴 = 𝛻 ⨯ (𝒓𝜓) (47)
Esta ecuación diferencial es de segundo orden con tres variables independientes acopladas. El primer paso para
solucionarla es desacoplarla. Para lograr esto, se escoge una solución particular dada por el producto de tres
funciones con variables independientes: radial, polar y azimutal (ecuación 49); y se reemplaza en la expresión
diferencial acoplada (expresión 48).
𝜓(𝑟, 𝜃, 𝜙) = 𝑅(𝑟) 𝛩(𝜃) 𝛷(𝜙) (49)
Ahora, el trabajo se reduce a solucionar cada una de las tres ecuaciones diferenciales resultantes. En la primera de
ellas (expresión 50), se debe tener en cuenta la periodicidad del ángulo azimutal que impone la restricción del
𝑙𝑖𝑚 𝜓(𝜙 + 𝜈) = 𝜓(𝜙). En consecuencia, al resolver esta ecuación diferencial se encuentra que 𝛷(𝜙) tiene dos
𝜈→2𝜋
soluciones linealmente independientes:
𝛷𝑒 = 𝑐𝑜𝑠 𝑚𝜙 𝛷𝑜 = 𝑠𝑖𝑛 𝑚𝜙 (53)
En donde e y o denotan si la solución es par o impar respectivamente, y m toma valores desde 0 hasta infinito.
En la segunda ecuación diferencial (ecuación 51, que es dependiente de 𝜃), se debe tener presente que la solución
tiene que ser finita para 𝜃 = 0 y 𝜃 = 𝜋. Con estas dos restricciones, se determina que los Polinomios asociados de
Legendre del primer tipo son solución de la ecuación diferencial (es decir, 𝑃𝑛𝑚 (𝑐𝑜𝑠 𝜃) de grado n y orden m).
23
Finalmente, para solucionar la última ecuación diferencial, se debe introducir una variable adimensional 𝜌 = 𝑘𝑟 y
la función 𝑍 = 𝑅√𝜌 , de tal manera que al reescribir la ecuación 52, queda de la siguiente forma:
𝑑 𝑑𝑍 1 2
𝜌 (𝜌 ) + [𝜌2 − (𝑛 + ) ] 𝑍 = 0 (54)
𝑑𝜌 𝑑𝜌 2
La solución para la ecuación anterior son las funciones de Bessel de primer y segundo orden (Jν y Yν
respectivamente, en donde ν = n + 1⁄2), de tal manera que las soluciones linealmente independientes para la
ecuación 52 son las funciones esféricas de Bessel, las cuales se expresan en términos de las funciones de Bessel
como:
𝜋 𝜋
𝑗𝑛 (𝜌) = √ 𝐽 (𝜌 ) 𝑦𝑛 (𝜌) = √ 𝑌 (𝜌) (55)
2 𝜌 𝑛+1⁄2 2 𝜌 𝑛+1⁄2
En donde, las funciones esféricas de Bessel satisfacen las siguientes relaciones de recurrencia:
2𝑛+1 𝑑
𝑧𝑛−1 (𝜌) + 𝑧𝑛+1 (𝜌) = 𝑧𝑛 (𝜌) (2 𝑛 + 1) 𝑧 (𝜌) = 𝑛𝑧𝑛−1 (𝜌) − (𝑛 + 1)𝑧𝑛+1 (𝜌)
𝜌 𝑑𝜌 𝑛 (56)
Cuyos valores iniciales son:
𝑠𝑖𝑛 𝜌 𝑠𝑖𝑛 𝜌 𝑐𝑜𝑠 𝜌 𝑐𝑜𝑠 𝜌 𝑐𝑜𝑠 𝜌 𝑠𝑖𝑛 𝜌
𝑗𝑜 (𝜌) = 𝑗1 (𝜌) = − 𝑦𝑜 (𝜌) = − 𝑦1 (𝜌) = − −
𝜌 𝜌2 𝜌 𝜌 𝜌2 𝜌 (57)
Es importante mencionar que, cualquier combinación lineal entre 𝑗𝑛 (𝜌) y 𝑦𝑛 (𝜌), también son soluciones:
(1) (2) (58)
ℎ𝑛 (𝜌) = 𝑗𝑛 (𝜌) + 𝑖𝑦𝑛 (𝜌) ℎ𝑛 (𝜌) = 𝑗𝑛 (𝜌) − 𝑖𝑦𝑛 (𝜌)
Siendo estas expresiones las funciones esféricas de Bessel de tercer tipo, también llamadas funciones esféricas de
Hankel.
Con todo este desarrollo, ya se realizó el trabajo suficiente para construir la función generadora:
𝜓𝒆𝒎𝒏 = 𝑐𝑜𝑠 𝑚𝜙 𝑃𝑛𝑚 (𝑐𝑜𝑠 𝜃)𝑧𝑛 (𝑘𝑟) 𝜓𝒐𝒎𝒏 = 𝑠𝑖𝑛 𝑚𝜙 𝑃𝑛𝑚 (𝑐𝑜𝑠 𝜃 )𝑧𝑛 (𝑘𝑟) (59)
24
𝑃𝑛𝑚 (𝑐𝑜𝑠 𝜃) 1 𝑑
− 𝑚 𝑠𝑖𝑛 𝑚𝜙 [𝜌𝑧𝑛 (𝜌)]𝒆̂𝝓
𝑠𝑖𝑛 𝜃 𝜌 𝑑𝜌
𝑧𝑛 (𝜌) 𝑑𝑃𝑛𝑚 (𝑐𝑜𝑠 𝜃) 1 𝑑
𝑵𝒐𝒎𝒏 = 𝑠𝑖𝑛 𝑚𝜙 𝑛(𝑛 + 1) 𝑃𝑛𝑚 (𝑐𝑜𝑠 𝜃 )𝒆̂𝒓 + 𝑠𝑖𝑛 𝑚𝜙 [𝜌𝑧𝑛 (𝜌)]𝒆̂𝜽
𝜌 𝑑𝜃 𝜌 𝑑𝜌
𝑃𝑛𝑚 (𝑐𝑜𝑠 𝜃) 1 𝑑
+ 𝑚 𝑐𝑜𝑠 𝑚𝜙 [𝜌𝑧𝑛 (𝜌)]𝒆̂𝝓
𝑠𝑖𝑛 𝜃 𝜌 𝑑𝜌
Al determinar cada uno de los coeficientes se encuentra que 𝐵𝑜𝑚𝑛 = 𝐴𝑒𝑚𝑛 = 0 para todo n y m, esto debido a la
ortogonalidad de las funciones. De la misma manera se determina que todos los coeficientes toman el valor de cero
para todo m diferente de 1. Por estas razones los coeficientes 𝐵𝑜1𝑛 y 𝐴𝑒1𝑛 se expresan:
2𝑛 + 1 2𝑛 + 1
𝐵𝑜1𝑛 = 𝑖 𝑛 𝐸𝑜 𝐴𝑒1𝑛 = −𝑖𝐸𝑜 𝑖 𝑛 (64)
𝑛(𝑛 + 1) 𝑛 (𝑛 + 1)
Como el campo incidente es finito en el origen, entonces 𝑗𝑛 es la función de Bessel más apropiada para
caracterizarlos. Por este motivo, los vectores armónicos son denotados con un uno entre paréntesis (función de
Bessel de primer orden).
∞ ∞
2𝑛 + 1 −𝑘 2𝑛 + 1
(𝑴(1) (1)
(𝑴(1)
𝑛 (1)
𝑬𝒊 = 𝐸𝑜 ∑ 𝑖 𝒐𝟏𝒏 + 𝑖𝑵𝒆𝟏𝒏 ) 𝑯𝒊 = 𝐸 ∑ 𝑖𝑛 𝒆𝟏𝒏 + 𝑖𝑵𝒐𝟏𝒏 ) (65)
𝑛 (𝑛 + 1) 𝜔𝜇 𝑜 𝑛 (𝑛 + 1)
𝑛=1 𝑛=1
25
3.5.3 Campos internos y dispersados.
Una vez expresada la onda incidente en términos de una suma infinita, se determinan los campos internos y
dispersados por la esfera. Para esto, se evalúan las condiciones de frontera mencionados previamente:
(𝑬𝒊 + 𝑬𝒔 − 𝑬𝟏 ) ⨯ 𝒆̂𝒓 = (𝑯𝒊 + 𝑯𝒔 − 𝑯𝟏 ) ⨯ 𝒆̂𝒓 = 0 (66)
Debido a la naturaleza del fenómeno, se sabe que la onda dispersada presenta una dependencia radial, de manera
(1)
que 𝑧𝑛 debe ser igual a ℎ𝑛 (𝜌). Por esta razón, que se denotan los vectores armónicos de los campos dispersados
con un tres entre paréntesis. Además de encontrar las expresiones generales de los campos, las condiciones de
frontera (𝑟 = 𝑎) permiten también determinar los coeficientes 𝑎𝑛 , 𝑏𝑛 , 𝑐𝑛 y 𝑑𝑛 . Para esto, primero se plantean las
siguientes 4 ecuaciones que son el resultado de evaluar las condiciones de frontera:
𝑬𝒊𝜽 + 𝑬𝒔𝜽 = 𝑬𝟏𝜽 𝑬𝒊𝝓 + 𝑬𝒔𝝓 = 𝑬𝟏𝝓
𝑯𝒊𝜽 + 𝑯𝒔𝜽 = 𝑯𝟏𝜽 𝑯𝒊𝝓 + 𝑯𝒔𝝓 = 𝑯𝟏𝝓 (69)
Siendo 𝑎 el radio de la esfera, N y 𝑁1 los índices de refracción del medio y de la esfera, respectivamente.
26
Ahora por conveniencia en el análisis y en la notación, se definen las siguientes relaciones:
𝑃𝑛1 𝑑𝑃𝑛1
𝜋𝑛 = 𝜏𝑛 = (76)
𝑠𝑖𝑛 𝜃 𝑑𝜃
Las cuales, cumplen las siguientes relaciones recursivas:
2𝑛 − 1 𝑛
𝜋𝑛 = 𝜇 𝜋𝑛−1 − 𝜋 𝜏𝑛 = 𝑛 𝜇 𝜋𝑛 − (𝑛 + 1) 𝜋𝑛−1
𝑛−1 𝑛 − 1 𝑛−2 (77)
Cuyos valores iniciales son:
𝜋0 = 0 𝜋1 = 1 (78)
En donde 𝜇 = cos 𝜃.
Reescribiendo los vectores armónicos esféricos en términos de las relaciones 76, finalmente se obtiene:
𝑴𝒐𝟏𝒏 = 𝑐𝑜𝑠 𝜙 𝜋𝑛 (𝑐𝑜𝑠 𝜃)𝑧𝑛 (𝜌)𝒆̂𝜽 − 𝑠𝑖𝑛 𝜙 𝜏𝑛 (𝑐𝑜𝑠 𝜃 )𝑧𝑛 (𝜌)𝒆̂𝝓
𝑴𝒆𝟏𝒏 = − 𝑠𝑖𝑛 𝜙 𝜋𝑛 (𝑐𝑜𝑠 𝜃 )𝑧𝑛 (𝜌)𝒆̂𝜽 − 𝑐𝑜𝑠 𝜙 𝜏𝑛 (𝑐𝑜𝑠 𝜃)𝑧𝑛 (𝜌)𝒆̂𝝓
𝑧𝑛 (𝜌) 1 𝑑
𝑵𝒐𝟏𝒏 = 𝑠𝑖𝑛 𝜙 𝑛(𝑛 + 1) 𝑠𝑖𝑛 𝜃 𝜋𝑛 (𝑐𝑜𝑠 𝜃 ) 𝒆̂𝒓 + 𝑠𝑖𝑛 𝜙 𝜏𝑛 (𝑐𝑜𝑠 𝜃 ) [𝜌𝑧𝑛 (𝜌)]𝒆̂𝜽
𝜌 𝜌 𝑑𝜌
1 𝑑
+ 𝑐𝑜𝑠 𝜙 𝜋𝑛 (𝑐𝑜𝑠 𝜃 ) [𝜌𝑧𝑛 (𝜌)]𝒆̂𝝓 (79)
𝜌 𝑑𝜌
𝑧𝑛 (𝜌) 1 𝑑
𝑵𝒆𝟏𝒏 = 𝑐𝑜𝑠 𝜙 𝑛(𝑛 + 1) 𝑠𝑖𝑛 𝜃 𝜋𝑛 (𝑐𝑜𝑠 𝜃 ) 𝒆̂𝒓 + 𝑐𝑜𝑠 𝜙 𝜏𝑛 (𝑐𝑜𝑠 𝜃) [𝜌𝑧𝑛 (𝜌)]𝒆̂𝜽
𝜌 𝜌 𝑑𝜌
1 𝑑
− 𝑠𝑖𝑛 𝜙 𝜋𝑛 (𝑐𝑜𝑠 𝜃 ) [𝜌𝑧𝑛 (𝜌)]𝒆̂𝝓
𝜌 𝑑𝜌
Usando un análisis combinado de óptica geométrica y teoría de difracción, se determina que los términos 𝑆𝑖
dependen de las funciones 𝜋𝑛 , 𝜏𝑛 y de los coeficientes de dispersión, de la siguiente forma:
𝑛𝑐
𝑒 𝑖𝑘𝑟 2𝑛 − 1
𝑬𝒔𝜽 ~ 𝐸0 cos 𝜙 𝑆2 (cos 𝜃) 𝑆2 = ∑ (𝑎 𝜏 + 𝑏𝑛 𝜋𝑛 ) (81)
−𝑖𝑘𝑟 𝑛−1 𝑛 𝑛
𝑛=1
𝑛𝑐
𝑒 𝑖𝑘𝑟 2𝑛 − 1
𝑬𝒔𝝓 ~ − 𝐸0 sin 𝜙 𝑆1 (cos 𝜃) 𝑆1 = ∑ (𝑎 𝜋 + 𝑏𝑛 𝜏𝑛 ) (82)
−𝑖𝑘𝑟 𝑛−1 𝑛 𝑛
𝑛=1
En donde, es posible truncar las sumatorias para un valor 𝑛𝑐 lo suficientemente grande, de manera que el error en
la aproximación tienda a un valor muy pequeño.
De la misma forma, se encuentra que la relación entre los parámetros de Stokes de la onda incidente y dispersada
está dada por:
27
(83)
Analizando las expresiones 83, se puede comprobar que si la luz incidente tiene una polarización completamente
paralela al plano de dispersión, los parámetros de Stokes de la onda dispersada son iguales a:
𝐼𝑠 = (𝑆11 + 𝑆12 )𝐼𝑖 , 𝑄𝑠 = 𝐼𝑠 , 𝑈𝑠 = 𝑉𝑠 = 0 (84)
En cambio, si la luz incidente está completamente polarizada perpendicularmente al plano de dispersión, se tiene
que:
𝐼𝑠 = (𝑆11 − 𝑆12 )𝐼𝑖 , 𝑄𝑠 = −𝐼𝑠 , 𝑈𝑠 = 𝑉𝑠 = 0 (86)
28
3.7 Dispersión dinámica de luz.
Más conocida como espectroscopia de correlación de fotones (PCS), esta técnica de medición se fundamenta en un
haz incidente de luz láser sobre nanopartículas suspendidas en un medio, que debido a su tamaño, dispersan la luz
en todas direcciones. En contraposición con la dispersión estática de la luz, donde el interés es determinar el
comportamiento de la intensidad de luz en función del ángulo de dispersión, en esta técnica se escoge un ángulo
fijo y se miden las fluctuaciones de la intensidad de la luz en función del tiempo. Estas variaciones en la intensidad
de la luz se deben al movimiento aleatorio (Browniano) de las partículas en el medio (ver Figura 16). Para establecer
el diámetro hidrodinámico de dichas partículas, primero se determina el coeficiente de difusión traslacional a partir
de las fluctuaciones en la señal de intensidad de luz, y consecutivamente se emplea la relación de Stokes-Einstein:
𝑘𝐵 𝑇
𝑅𝐻 = (90)
6𝜋𝜂𝐷
El coeficiente de difusión se determina por medio del análisis de la señal de intensidad de luz en función del tiempo.
A partir de ella se halla la función de autocorrelación (ACF), definida en la ecuación 91, la cual proporciona
información sobre cuán similar es la señal de intensidad de luz consigo misma después de transcurrido un intervalo
de tiempo 𝜏:
1 𝑇
𝐺 (2) (𝑞, 𝜏) = lim ∫ 𝐼 (𝑡)𝐼(𝑡 + 𝜏)𝑑𝑡 = 〈𝐼(𝑡)𝐼(𝑡 + 𝜏)〉 (91)
𝑇→∞ 𝑇 0
Siendo posible escribir la ACF de la intensidad de luz en su forma normalizada 𝑔(2) (𝑞, 𝜏), y definiéndola en términos
de la funcion de autocorrelacion del campo electrico 𝑔(1) (𝑞, 𝜏) :
〈𝐼(𝑡)𝐼(𝑡 + 𝜏)〉 2
𝑔 (2) (𝑞, 𝜏) = = 1 + 𝛽|𝑔(1) (𝑞, 𝜏)| (92)
〈𝐼 ( 𝑡 ) 𝐼 〉2
〈𝐸 (𝑡)𝐸 (𝑡 + 𝜏)〉
𝑔(1) (𝑞, 𝜏) = (93)
〈𝐸 ( 𝑡 ) 𝐼 〉2
En donde 〈𝐼(𝑡)𝐼〉 es el valor medio de la intensidad de luz y 𝛽 es el parámetro que proporciona una medida de la
relación señal-ruido del montaje experimental, el cual se expresa como [70,71,72]:
29
Para el caso de suspensiones de partículas monodispersas, la AFC de la intensidad de luz y del campo eléctrico
exhibe un comportamiento exponencial decreciente, donde su constante de tiempo es función del coeficiente de
difusión de las partículas:
Para el caso de suspensiones poli-dispersas de partículas, 𝑔(1) (𝑞, 𝜏) no puede ser expresada por una sola función
exponencial decadente, sino que debe ser representada por una suma infinita de ellas:
+∞
(99)
𝑔(1) (𝑞, 𝜏) = ∫ 𝐺(Γ)𝑒𝑥𝑝(−Γ𝜏)𝑑Γ
0
𝐺(Γ) es la distribución de la constante de decaimiento, el cual depende del coeficiente de difusión, y por ende del
tamaño de las partículas. La ecuación 98 no es más que la transformada de Laplace de 𝐺(Γ), cuya solución puede
ser obtenida mediante el método llamado Cumulants [70,71,72]. Este método es el más utilizado para determinar la
distribución de tamaño de las partículas en DLS, y se basa en reescribir el término 𝑒𝑥𝑝(−Γ𝜏) en términos del valor
medio de Γ y posteriormente realizar una expansión en serie de Taylor alrededor de ese valor:
Reemplazando la ecuación 99 en la expresión 100, y truncando la serie hasta el termino de orden 3, se tiene:
∞ (Γ − Γ̅)2 2
𝑔(1) (𝑞, 𝜏) ≅ 𝑒𝑥𝑝(−Γ̅𝜏) ∫ 𝐺(Γ) [1 − (Γ − Γ̅)𝜏 + 𝜏 ] 𝑑Γ
0 2!
∞ ∞ ∞
𝜏2 ∞ (101)
𝑔(1) (𝑞, 𝜏) ≅ 𝑒𝑥𝑝(−Γ̅𝜏) [∫ 𝐺 (Γ)𝑑Γ − 𝜏 ∫ Γ 𝐺 (Γ)𝑑Γ + 𝜏Γ̅ ∫ 𝐺 (Γ)𝑑Γ + ∫ (Γ − Γ̅)2 𝐺 (Γ)𝑑Γ]
0 0 0 2 0
Por definición, el valor medio y la varianza para la distribución 𝐺(Γ) se expresan respectivamente como:
∞
Γ̅ = ∫ Γ 𝐺 (Γ)𝑑Γ (102)
0
∞
𝜇2 = ∫ (Γ − Γ̅)2 𝐺 (Γ)𝑑Γ (103)
0
Así, la AFC para el campo eléctrico se puede expresar como:
𝜇2 2
𝑔(1) (𝑞, 𝜏) = 𝑒𝑥𝑝(−Γ̅𝜏) [1 + 𝜏 ]
2! (104)
30
En el caso en que 𝜇2 𝜏 2 ≪ 1, la ecuación 104 se puede transformar como:
𝜇2 2
𝑔(1)(𝑞, 𝜏) = 𝑒𝑥𝑝 (−Γ̅𝜏 + 𝜏 )
2! (105)
Por lo general, en la implementación de la DLS se utiliza un tubo fotomultiplicador (PMT) para realizar la detección
de intensidad de luz. En este caso se debe tener en consideración que toda el área de detección del PMT se puede
dividir en N elementos de área más pequeños, así que la señal de intensidad de luz es la superposición de todas las
señales captadas. Si se considera que la intensidad de luz detectada por cada elemento es una variable aleatoria y
dichos elementos de área son suficientemente grandes, tal que el movimiento de las partículas captado por cada
elemento de área es independiente de los otros elementos, entonces la intensidad de luz dispersada total será la
sumatoria de N variables aleatorias independientes. Bajo estas consideraciones, el teorema del límite central
manifiesta que la señal de intensidad de luz es una variable aleatoria que presenta una distribución normal [73].
31
4. MATERIALES Y MÉTODOS
Para la implementación del sistema de medición del tamaño de partículas, primero se realizó una simulación de las
técnicas de dispersión de luz seleccionadas, con el propósito de identificar puntos de operación y parámetros más
adecuados para el desarrollo del sistema de medición. Una vez hechas las simulaciones, se realizó el diseño e
implementación de la estación óptica, la cual permitió emplear las dos técnicas de medición escogidas.
Las simulaciones de las dispersiones de luz se desarrollaron en el sistema de cómputo numérico Matlab versión
2015, basándose en la teoría desarrollada en las secciones 3.5 Dispersión de Mie y 3.7 Dispersión dinámica de luz.
c. Cálculo de las funciones dependientes del ángulo 𝜽: En esta rutina se computan las funciones 𝜋𝑛 y 𝜏𝑛
haciendo uso de las relaciones recursivas establecidas en las ecuaciones 77 y 78.
d. Cálculo de los parámetros 𝑺𝟏 y 𝑺𝟐 : En esta etapa son determinados los parámetros 𝑆1 y 𝑆2 necesarios para
describir los campos de la onda dispersada por las partículas esféricas. El cálculo de estos parámetros se realizó
mediante el cómputo de las expresiones 81 y 82, las cuales son dependientes de los coeficientes de dispersión
y de las funciones 𝜋𝑛 y 𝜏𝑛 .
e. Cómputo de la intensidad de luz en función del ángulo: A partir del cálculo de los parámetros 𝑆1 y 𝑆2 , esta
rutina calcula los parámetros de Stokes de la onda dispersada. De esta manera, determina las intensidades
relativas para el tipo de polarización seleccionada.
f. Visualización de la señal de intensidad de luz: En esta etapa se visualiza de forma gráfica la intensidad de
luz en función del ángulo resultante, el cual depende del tipo de polarización de la onda incidente.
Para validar el funcionamiento de la simulación, se tomó un ejemplo desarrollado en la unidad “4.4.5 An Example
of angle-Dependent Scattering” en la referencia [66]. En dicha sección se muestra la dispersión de luz por gotas
esféricas de agua suspendidas en aire (Figura 17a). En el ejemplo se empleó un tamaño de partícula de 260 nm y
una longitud de onda de 550 nm. Para esta longitud de onda, el índice de refracción del agua y del aire son de
1.33 + 𝑖10−8 y 1 respectivamente.
En la Figura 17b se ilustra el resultado obtenido por las funciones de dispersión de Mie implementadas, tomando
las mismas características usadas en el ejemplo mencionado, y exportándolo al software de análisis de datos y
gráficos Origin versión 8. Al comparar las dos figuras, se puede observar que las funciones implementadas
reproducen adecuadamente la señal de intensidad de luz dispersada por las esferas de tamaño 260 nm. Se obtiene
32
prácticamente el mismo resultado tanto para una polarización perpendicular como también para una paralela al
plano de dispersión.
Figura 17. Simulación de la dispersión de Mie: (a) Imagen tomada de la referencia [66]. (b) Simulación realizada.
Finalmente, debido a que el sistema a implementar debe medir partículas entre un valor de 100 nm a 2.5 m, se
decidió simular la dispersión de partículas con cuatro diámetros diferentes: 100 nm, 900 nm, 1.7 m y 2.5 m (ver
Figura 18). Para esta simulación se utilizó esferas de dióxido de silicio (SiO2), con las que se pretende calibrar el
sistema de medición, y que poseen un índice de refracción de 1.46 [75,76]. También se empleó un haz incidente con
una longitud de onda de 632 nm y un medio conformado por agua, con un índice de refracción de 1.33 + 𝑖 10−8
[66].
Figura 18. Simulación de dispersión de Mie con partículas esféricas de SiO2 para cuatro diámetros diferentes: (a) 100 nm. (b) 900 nm. (c) 1700 nm.
(d) 2500 nm.
33
4.2 Dispersión dinámica de la luz.
La simulación de la dispersión dinámica de la luz se basó en modelo exponencial propuesto en 2010 por Wang et
al. [77]. Bajo este modelo, la señal la intensidad de luz dispersada I(t) es descrita como un proceso aleatorio
gaussiano estacionario con media cero, resultado de hacer pasar una señal aleatoria gaussiana estacionaria w(t) a
través de un sistema lineal h(t):
+∞
𝐼(𝑡) = 𝑤(𝑡) ∗ ℎ(𝑡) = ∫ ℎ(𝜏)𝑤(𝑡 + 𝜏)𝑑𝜏 (108)
−∞
Al discretizar la ecuación 87 y al asegurarse que el valor esperado de w(t) sea igual a I(t), se llega la siguiente
expresión para intensidad de luz:
+∞
𝐼(𝑛) = [1 − exp (−𝛾)] ∑ 𝑤(𝑛 − 𝑚)ℎ(−𝛾𝑚)
0 (109)
En donde 𝛾 = 2Γ𝑇𝑠, siendo Ts el tiempo de muestreo. En la expresión 109 se presenta la forma recursiva para la
ecuación 86 de la intensidad de luz.
En la Figura 19b se ilustra la metodología seguida para el desarrollo de las rutinas encargadas de reproducir la
dispersión dinámica empleando el modelo exponencial descrito anteriormente. También se determina el tamaño de
partícula a partir de la ACF y el método Cumulants. Los algoritmos implementados se dividen en siete etapas
fundamentales, que funcionan de la siguiente manera:
Figura 19. Metodologías empleadas en las simulaciones: (a) Dispersión de Mie (b) Dispersión dinámica de la luz [74,¡Error! Marcador no definido.].
a. Definición de los parámetros de simulación: En esta etapa son definidos el tamaño de partículas, el índice de
refracción y viscosidad del medio, temperatura, la longitud de onda de la luz incidente, ángulo de dispersión,
tiempo de muestreo y la longitud de los datos.
b. Determinación de constantes: En esta etapa se calcula el vector de dispersión y el coeficiente de difusión con
las expresiones 98 y 90 respectivamente.
c. Cálculo de señal w(t) y vector de tiempo: En esta parte del algoritmo, son generados la señal aleatoria
gaussiana estacionaria y el vector de tiempo, dependiendo tanto del tiempo de muestreo como de la longitud de
los datos que sean definidos.
34
d. Cálculo de la señal de intensidad de luz: En esta etapa se calcula la intensidad de luz dispersada, haciendo
uso de la expresión 110 para la intensidad de luz del modelo exponencial y de la señal w(t), determinada en la
etapa anterior.
e. Cálculo de la ACF: En esta etapa se calcula la función autocorrelación normalizada 𝑔(2) (𝑞, 𝜏) a partir de la
señal de intensidad de luz generada en la etapa anterior. A continuación, se determina 𝑔(1)(𝑞, 𝜏) mediante la
expresión 92.
f. Visualización de la señal de intensidad de luz y la ACF: En esta etapa se visualiza de forma gráfica la
intensidad de luz en función del tiempo y la ACF 𝑔(2)(𝑞, 𝜏) resultantes.
g. Determinación del tamaño de partícula a partir de la ACF: En esta etapa de la simulación, se determina el
radio de las partículas para una solución monodispersa. Adicionalmente se calcula el valor medio y la varianza
en el tamaño de partículas, independientemente de su dispersión de tamaño.
En la Figura 20 se muestra la intensidad de luz resultante de la simulación para cuatro diámetros de partícula
diferentes: 100 nm, 900 nm, 1.7 m y 2.5 m. En dicha simulación se emplea una onda incidente con una longitud
de onda de 632 nm, un medio conformado por agua, un tiempo de muestreo 50 s, un ángulo de dispersión de 90°
y un número de muestras de 106 .
Figura 20. Simulación de la dispersión de Dinámica con partículas esféricas de SiO2 mono-dispersas para cuatro diámetros diferentes: (a) 100 nm.
(b) 900 nm. (c) 1700 nm. (d) 2500 nm.
En la Figura 21 se muestra la comparación entre las ACF simuladas a partir de las señales de intensidad de luz
dispersada (para cuatro tamaños de partícula: 100 nm, 900 nm, 1.7 m y 2.5 m), y las AFC teóricas obtenidas a
35
partir de la expresión 74. Se observa que las ACF simuladas presentan una gran correspondencia con sus respectivos
valores teóricos.
Finalmente, en la Tabla 4 se presenta el cálculo del radio de las partículas mediante la regresión exponencial de las
ACF 𝑔(2)(𝑞, 𝜏) calculadas y el método de Cumulants. Para esto se realizaron 150 simulaciones por cada tamaño de
partícula, y se determinó el tamaño medio con su respectiva varianza para cada método de cálculo.
Regresión exponencial de Método de Cumulants.
Diámetro de partícula 𝒈(𝟐) (𝒒, 𝝉)
Valor medio Desviación Valor medio Desviación
estándar estándar
100 nm 100.01 nm ± 0.53 nm 98.92 nm ± 4.59 nm
900 nm 901.94 nm ± 14.53 nm 896.20 nm ± 48.10 nm
1.7 m 1.7057 m ± 40.65 nm 1.6880 m ± 108.95 nm
2.5 m 2.5164 m ± 68.62 nm 2.475 m ± 168 nm
Tabla 4. Cálculo del diámetro de las partículas.
36
conjunto de 16 fibras ópticas, distribuidas a distancias iguales alrededor de las partículas en ángulos de separación
de 10°, cuyas señales son procesadas a través de un multiplexor óptico de 16 canales (uno para cada fibra). El
sistema de caracterización de partículas se realizó sobre una mesa óptica anti-vibratoria Thorlabs con dimensiones
1 m x 2 m x 110 mm (W x L x H). Con esto, se minimiza el desfase en los tiempos de detección de señales
provenientes a diferentes ángulos de dispersión y se asegura la estabilidad mecánica del montaje experimental,
mejorando la precisión de las mediciones. La Figura 22 ilustra el esquema de tres montajes experimentales
propuestos: determinación del tamaño de partículas por dispersión Mie, estimado de la concentración de partículas
por absorción de luz, y determinación del tamaño de partículas por dispersión dinámica de la luz.
El montaje para Dispersión Mie se ilustra en la parte superior de la Figura 22. El haz de un láser de HeNe (632.8
nm 5.0 mW) se hace pasar a través un polarizador, y posteriormente se hace incidir sobre la muestra que contiene
una suspensión coloidal, cuyas partículas dispersan la luz en diferentes direcciones, debido a su tamaño y número.
La fuente láser se enciende previamente durante al menos dos horas, para asegurar la estabilidad de la intensidad
de la luz incidente. La luz dispersada por la suspensión es registrada por todas las 16 fibras ópticas dispuestas
simétricamente alrededor del portamuestras cada 10º. El multiplexor está controlado por el PC, y permite hacer un
barrido secuencial de la señal recolectada por cada una de las fibras ópticas. De esta manera, a la salida del
multiplexor se captura la intensidad de la luz dispersada en función del ángulo donde se encuentra ubicada cada
fibra, reemplazando eficazmente la función que realizaría un motor de paso. Para procesar la señal lumínica, primero
se hace pasar por un monocromador sintonizado a la longitud de onda del láser. La luz emergente del monocromador
se detecta con un tubo fotomultiplicador (alimentado por una fuente de voltaje continua de 1000 V), el cual es un
transductor cuyo voltaje de salida es proporcional a la intensidad de luz que incide sobre el detector. Para eliminar
la influencia de otras señales lumínicas y el ruido electrónico asociado a los instrumentos de medición, la luz
emergente del monocromador se hace pasar por un chopper cuya función es alternar el paso de la luz a una
frecuencia de referencia escogida, con el fin de originar una señal cuadrada como respuesta del tubo
fotomultiplicador a la misma frecuencia de referencia controlada por el amplificador Lock-In. Así, el transductor
se acopla a un amplificador Lock-In, que sintonizado a la frecuencia de rotación del chopper, son los responsables
de amplificar las señales captadas y disminuir el ruido. La implementación de esta técnica permite determinar el
tamaño de partícula.
37
Para determinar la concentración de partículas, se recurre a otro montaje experimental basado en la Ley de Beer-
Lambert, que usa las propiedades de absorción de la luz por un medio material, el cual se ilustra en la parte inferior
de la Figura 22. El haz del láser se hace pasar por un espejo semitransparente, alineado de tal forma que divide el
haz transmitido y reflejado. La intensidad relativa de estos dos haces se determina con gran exactitud para poder
conocer la potencia de la radiación incidente sobre la solución coloida. Esta calibración previa se realiza con el
radiómetro (Powermeter), el cual es un medidor de potencia óptica de la radiación. La potencia del haz reflejado
por el espejo semitransparente se mide con el sensor #1 (fotodiodo de Si), mientras que la luz transmitida pasa a
través de la suspensión coloidal donde parcialmente se absorbe y su potencia se registra por el sensor #2. Como ésta
es una medición en la que el valor de la intensidad de luz medido es muy crítico, el segundo sensor está acoplado a
una esfera integradora, cuya función es recolectar toda la luz dispersada por la solución coloidal, y de esta manera
reducir pérdidas en la recolección de la señal. La salida de estos sensores está conectada al Radiómetro, encargado
de digitalizar la señal y enviarla al PC para su procesamiento.
El montaje experimental empleado para dispersión dinámica de la luz (DLS) se ilustra en la parte inferior de la
Figura 22. En este caso se utiliza la señal proveniente de solo una fibra óptica en función del tiempo, que está
localizada a un ángulo de dispersión fijo, y su intensidad es recolectada por un fotodiodo (Sensor #3). La señal
registrada por el instrumento es amplificada y digitalizada a través de un módulo NI de adquisición de datos, que a
su vez está comunicado con el computador. La razón de utilizar el módulo de adquisición de datos se debe a que
éste permite al usuario tener control sobre la rata de muestreo, el cual es un parámetro esencial para interpretar las
mediciones de la intensidad de la luz en función del tiempo a la luz del modelo de dispersión dinámica.
Para el procesamiento de la información todas estas técnicas ópticas de medición, se contó con un computador con
un procesador de alto rendimiento (Procesador Intel Core I7, RAM 32 GB) para la implementación de los algoritmos
de análisis estadístico. La Tabla 5 muestra una lista de todos los equipos utilizados en la construcción de la estación
óptica, detallando para cada uno marca, modelo y especificaciones técnicas.
38
Módulo de adquisición. National NI USB-6366 Número de canales: 8 diferenciales.
Instruments Resolución del ADC: 16 bits.
Sample rate-Single channel maximum:2.00 MS/s
Rango de voltaje de entrada: ±1 V, ±2 V, ±5 V, ±10 V.
Sensores de luz. Newport 818-UV-L Rango espectral (nm): 200 a 1100.
Máxima potencia medible: 1500 mW
Mínima potencia medible:20 pW
Corriente de salida: 3 mA.
Computador Dell D18M Procesador: Intel Core i7-6700 @ 3.40GHz.
Memoria instalada (RAM): 32,0 GB
Tipo de sistema: Sistema operativo 64 bits
Sistema operativo: Windows 7 Enterprise.
Tabla 5. Especificaciones de equipos utilizados en la estación óptica.
Como se ve en la Figura 22, durante el proceso de diseño e implementación de la estación óptica, se requirió diseñar
y fabricar un molde robusto que permita el acople de las 16 fibras ópticas alrededor de una muestra ubicada en su
centro geométrico. La muestra consiste en una cubeta transparente que contiene una suspensión coloidal con
partículas de tamaño seleccionado. A continuación, se detalla el diseño y fabricación del molde.
39
Figura 24. Soporte para las muestras: (a) Pieza adaptada. (b) Pieza incorporada a la estación óptica.
Por último, en las Figuras 25 y 26 se muestra la implementación completa de la estación óptica resaltando cada una
de sus partes.
40
Figura 26. Equipos utilizados en la implementación de la estación óptica: (a) Laser y sensor 1. (b) Sensor 2. (c) Modulo NI, Power Meter y Sensor 3.
(d) Chopper, fotomultiplicador, monocromador y multiplexor óptico. (e) Controlador del Chopper, PC, Amplificador Lock-In, Controlador del
monocromador y fuente de alimentación del fotomultiplicador.
41
5. RESULTADOS
5.1 Implementación de las técnicas ópticas para estimación de tamaño y concentración de partículas en
suspensiones coloidales.
Para validar el funcionamiento de las técnicas ópticas (dispersión de Mie, ley de Beer-Lambert y dispersión
dinámica) para estimar tamaño y concentración de partículas en una suspensión coloidal, se siguió el siguiente
protocolo de pruebas:
• Alineación y ajuste de la intensidad de luz captada en cada una de las fibras ópticas.
• Verificación de la estabilidad del láser en el tiempo.
• Preparación de las suspensiones coloidales con partículas de tamaño conocido a distintas concentraciones para
las dos técnicas de dispersión de luz: 250 nm, 500 nm y 1 µm de diámetro.
• Integración del sistema de mediciones con base en el desarrollo de aplicaciones de software para control y
adquisición de datos registrados por los instrumentos que componen los dos tipos montaje experimental.
• Implementación de los algoritmos de análisis de las mediciones experimentales.
5.1.1 Ajuste de la señal de intensidad de luz captada en cada una de las fibras ópticas.
Para la implementación de la dispersión de Mie, se debió garantizar que para cada una de las fibras se midiera la
misma intensidad de luz proveniente de una fuente de luz en su centro. Para satisfacer esta condición se requiere
que la estructura cilíndrica esté muy bien diseñada, de tal manera que permita que todas las fibras ópticas estén a la
misma altura de la fuente lumínica, se encuentren a la misma distancia radial y estén alineadas de tal forma que
apunten directamente al centro del cilindro. La más mínima desviación angular en sentido polar o azimutal de la
cavidad que aloja las fibras ópticas ocasionará diferencias significativas en la señal capturada.
Para ajustar este aspecto en la estación óptica, se ubicó una lámpara halógena de vapor de mercurio T5 con
geometría cilíndrica (máximo de emisión a 450 nm) en el centro de estructura de soporte de las fibras. A
continuación, se realiza manualmente el ajuste fino de la posición de cada una de las fibras sobre el soporte
cilíndrico, como se muestra en la Figura 27.
Figura 27. Montaje para el ajuste de la intensidad de luz en cada fibra óptica.
La señal capturada por las 16 fibras ópticas es guiada al multiplexor, el cual deja transmitir secuencialmente la
intensidad de luz proveniente de cada una de ellas hacia el fotomultiplicador. Este sensor registra una corriente
proporcional a la intensidad de la luz incidente. En la Figura 28 se muestra el resultado de las mediciones obtenidas
con el tubo fotomultiplicador para cada una de las fibras ópticas. En total, se efectuaron 59 mediciones para cada
fibra (Figura 28a) y posteriormente se realizó un promedio de todas las mediciones (Figura 28b), con su respectiva
desviación estándar. El análisis muestra que la variación de la intensidad de la luz medida entre las fibras no supera
42
el 2%, y esta variación se encuentra dentro de la desviación estándar. Esto permite concluir que bajo el montaje
experimental empleado, se garantiza que no hay diferencias significativas entre las señales de intensidad de luz
registradas entre las diferentes fibras ópticas. Este hecho es muy importante porque permite probar una de las
ventajas de este montaje experimental basado en fibras ópticas en vez del empleo de un motor de paso.
Figura 28. Intensidad de corriente del fotomultiplicador, proporcional a la intensidad de luz registrada por cada una de las fibras. (a) Datos
recolectados en 59 barridos. (b) Promedio y desviación estándar de todos los barridos efectuados.
Figura 29. Potencia del láser en función del tiempo: (a) Medición 1. (b) Medición 2. (c) Medición 3.
El análisis de la evolución de la potencia del láser a través del tiempo en cada prueba muestra que el láser empieza
a estabilizar su valor de potencia después de las dos horas de encendido, presentando una variación de 2 mWcm-2
en un lapso de 16 horas de operación. También se observa que el valor de potencia en estado estacionario varía con
cada prueba: en el primer caso, el valor se estabilizó al alrededor de 82 mW/cm 2, mientras que en los dos casos
posteriores la potencia se estabilizó en 78 y 72 mW/cm2, respectivamente. Esto es consecuencia de las variaciones
43
en la potencia de la red eléctrica local del edificio donde se localiza el Laboratorio de Películas Delgadas y
Nanofotónica, lugar donde se llevó a cabo el desarrollo experimental de este trabajo. Sin embargo, la variación
porcentual de la potencia en este lapso de 16 horas solo alcanza valores entre 2,44% y 2.78%.
Esta variación del valor de la potencia media emitida por el láser puede reducirse aún más, conectándolo a una
fuente de corriente proveniente de un sistema de alimentación ininterrumpida UPS. Pero para mejorar la precisión
en los resultados de los experimentos, siempre se busca que la adquisición de datos se realice de la manera más
rápida posible con datos suficientes para reducir su varianza, monitoreando constantemente la potencia de la
radiación proveniente de la fuente de luz para tenerla como referencia en el procesamiento de los datos.
En donde 𝑚𝑝𝑎𝑟𝑡í𝑐𝑢𝑙𝑎𝑠 es la masa de las partículas y 𝑚𝐻2𝑂 es la masa de agua requerida. Posteriormente a partir de
la solución madre, se redujo la concentración de la solución para cada una de las partículas seleccionadas,
obteniéndose suspensiones coloidales a 0.06%, 0.04%, 0.02% y 0.01%.
44
implementación de la dispersión de Mie y la otra en la ley de Beer-Lambert, basada en la medición de la absorbancia
de la radiación a través de un medio material, en este caso, una suspensión coloidal de esferas de sílica.
La aplicación controla al multiplexor mediante un puerto USB (protocolo RS-232), el cual deja pasar la luz
proveniente de cada fibra óptica secuencialmente, mediante la rotación de un motor de paso que se acopla a cada
45
una de las 16 posiciones (canales) donde se ubican las acometidas de cada fibra. Este proceso de rotación mecánica
del motor de paso a cada posición del canal tarda aproximadamente 200 ms, y teniendo en cuenta el tiempo de
procesamiento de comandos, se deja un tiempo prudencial de 250 ms de intervalo entre lecturas para cada fibra
óptica. Esto naturalmente, va en detrimento de la condición de simultaneidad en la toma de mediciones exigida por
el modelo teórico, pero sin duda es mucho más rápida, efectiva y precisa que implementar una rotación de un sensor
alrededor de la muestra, como el montaje tradicional de esta técnica lo sugiere.
La luz de cada canal es guiada de esta manera al monocromador (controlado por puerto RS-232) para sintonizarla
a la longitud de onda del láser. La luz pasa por un chopper para generar señales alternas cuadradas sintonizado a la
señal del amplificador Lock-In, el cual se controla mediante un puerto GPIB, y por último se registra N veces el
valor de corriente medida por el fotomultiplicador (conectado al amplificador Lock-In) y se promedia. Las
cantidades medidas por los instrumentos se muestran de forma numérica en la Figura 30 tanto en el display como
en la gráfica, el cual muestra la corriente promedio medida por el fotomultiplicador para cada una de las 16 fibras
óptica. Teniendo en cuenta que la corriente medida por el fotomultiplicador es proporcional a la intensidad de la
Luz, la gráfica de la aplicación permite visualizar la señal intensidad de luz en función del ángulo de dispersión.
Los datos mostrados en la gráfica son almacenados en un archivo de texto (Formato ASCII), los cuales pueden ser
interpretados y manipulados por cualquier tipo de hoja electrónica. El diagrama de flujo de esta aplicación se
describe en la Figura 31.
Figura 31. Diagrama de flujo de la aplicación LabVIEW para implementación de la dispersión Mie.
El correspondiente código fuente de las aplicaciones basadas en LabVIEW para la implementación de la técnica de
dispersión de Mie se muestra en la Figura 32.
46
a) b)
c)
Figura 32. Código fuente de la aplicación basada en LabVIEW para la implementación de la técnica por dispersión de Mie.
La Figura 32a del código LabVIEW muestra los parámetros de ingreso del usuario (nombre de archivo, tamaño de
la muestra, número de barridos y longitud de onda) en el primer Frame. En el segundo Frame, se mueve el
monocromador a la longitud de onda seleccionada. Las instrucciones ASCII se transmiten a través de puerto serial
47
usando el protocolo RS-232. El tercer frame deja un tiempo de espera prudencial (1s) mientras que el motor de
paso que controla la rejilla del monocromador alcance su posición final. La Figura 32b muestra que los datos
procesados son organizados en forma de columna delimitadas por un tabulador y en formato científico con 6 dígitos
decimales, los cuales son posteriormente incorporados al archivo ya creado previamente y se cierra cuando se han
completado todos los barridos definidos por el usuario. El último marco hace que el multiplexor retorne a su
posición inicial, listo para iniciar otra medición cuando se vuelva a ejecutar la aplicación.
El núcleo central de la adquisición y procesamiento de datos se muestra en la Figura 32c. Se definen dos bucles
anidados. El bucle interior hace un barrido sobre todos los 16 canales conectados a las fibras ópticas, para habilitar
el paso de la luz secuencialmente hacia el detector. El bucle externo define el número de barridos deseados por el
usuario. Dentro del bucle interior, el primer frame hace que el motor de paso del multiplexor se mueva hasta la
posición que habilita el paso de la luz incidente en el canal i-ésimo donde se localiza una de las 16 fibras ópticas.
El comando ASCII se transmite por Puerto serial USB.
En el Segundo frame se registra la lectura promediada del valor del corriente medida por el fotomultiplicador que
está conectado al amplificador Lock-In. La comunicación se realiza a través de un Puerto GPIB. Cuando el barrido
a través de todos los 16 canales se ha completado, los datos se organizan en forma de columna, se grafican y se
escriben al archivo.
48
Figura 33. Diagrama de bloques de la aplicación implementada en LabVIEW para medir absorción de luz.
La interfaz de usuario de la aplicación usada para la implementación de la técnica de absorción de luz se observa
en la Figura 34.
Figura 34. Interfaz de usuario de la aplicación LabVIEW para implementación de la técnica de absorción de luz.
El usuario suministra un nombre de archivo y el número de mediciones a promediar para ambos sensores (A y B).
La respuesta de la aplicación es el valor promedio de la potencia óptica registrada por cada sensor con su respectiva
desviación estándar. Los resultados se grafican en función del tiempo del procesador. El correspondiente código
fuente de las aplicaciones basadas en LabVIEW para la implementación de la técnica de absorción de luz se muestra
en la Figura 35. Las Figuras 35a y 35b del código LabVIEW muestran el manejo de los archivos de texto. Los
49
parámetros de ingreso del usuario (nombre de archivo y tamaño de la muestra) están en el primer Frame. El Segundo
Frame prepara los encabezados de las columnas que contienen fecha y hora de la medición, junto con las cantidades
físicas y sus respectivas unidades. El tercer frame crea el archivo con su nombre y respectivos encabezados. El
último marco recibe los datos procesados en forma de columnas delimitadas por un tabulador y en formato de punto
flotante con 3 dígitos decimales. Posteriormente, los datos son incorporados al archivo y se cierra cuando se han
completado todos los barridos definidos por el usuario.
b)
a)
c)
Figura 35. Código fuente de la aplicación basada en LabVIEW para la implementación de la técnica por absorción de luz.
La esencia de la aplicación está contenida en la Figura 35c. El cronómetro se inicia simultáneamente con la
ejecución del bucle. Previamente, se ha iniciado la librería que contiene los comandos ASCII a ejecutar por el
medidor de potencia óptica. El primer marco selecciona el canal A, que está conectado a un sensor tipo fotodiodo
donde se va a registrar la potencia óptica medida. La medición se repite con el muestreo seleccionado y se obtiene
la potencia promedio con su desviación estándar. Esta información está en formato de tipo string, y se muestra en
50
los indicadores de la interfaz del usuario. En el segundo frame, esta información junto con la lectura del tiempo
transcurrido desde el inicio del bucle, se convierte a valores numéricos y se organiza en columnas para poder ser
incorporados a la gráfica (marco 3), incorporando nuevos valores medidos para cada iteración. Los marcos 4, 5 y 6
ejecutan las mismas operaciones indicadas para los valores de potencia registrados por el segundo sensor que está
conectado al canal B.
Esta técnica se basa en monitorear la intensidad de la radiación proveniente de solo una fibra óptica en función del
tiempo, que está localizada a un ángulo de dispersión fijo, cuya potencia es recolectada por un fotodiodo (Sensor
#3). La señal registrada por el instrumento es amplificada y digitalizada a través de un módulo NI de adquisición
de datos, que permite controlar la tasa de muestreo, parámetro esencial para interpretar las mediciones de la
intensidad de la luz en función del tiempo a la luz del modelo de dispersión dinámica. Para la medición de la señal
de intensidad de luz en función del tiempo dispersada por las partículas, se implementó un programa DAQmx
SignalExpress, el cual se encarga de tomar y mostrar en la pantalla la señal de intensidad de luz en función del
tiempo y su transformada de Fourier, para exportarlas en un archivo de texto. La interfaz de usuario de la aplicación
DAQmx desarrollada por National Instruments y usada para la adquisición de datos en este experimento, se muestra
en la Figura 36.
Figura 36. Interfaz de usuario de la aplicación LabVIEW para implementación de la técnica de absorción de luz.
La aplicación DAQmx permite adquirir señales análogas de voltaje provenientes del sensor, que se acoplan a un
conversor análogo-digital a tasas de muestreo seleccionadas. Adicionalmente, esta aplicación permite determinar el
espectro de frecuencias de esta señal mediante la aplicación de una transformada rápida de Fourier.
51
5.1.5. Implementación de los algoritmos de análisis de las mediciones experimentales
Figura 37. Curvas experimentales de dispersión de luz obtenidas por la estación óptica. (a) 1 µm, (b) 500 nm y (c) 250 nm.
Las curvas de la Figura 37 que muestran la intensidad de corriente (proporcional a la intensidad de la luz) en función
del ángulo de dispersión, en general poseen una forma que se ajusta al comportamiento previsto por la teoría de
Mie. Debido a que esta técnica permite deducir el tamaño de partícula, la variación en la intensidad de la luz no
depende de la concentración de partículas en la solución coloidal. Por consiguiente, las variaciones en la intensidad
de luz observadas en el experimento, de hasta 10 nWcm-2, pueden atribuirse a variaciones en la potencia del haz
incidente proveniente del láser. Para eliminar este inconveniente, los análisis se efectúan normalizar los datos de
potencia óptica recolectados por el fotomultiplicador a la unidad (Figura 39).
Para estimar el tamaño de partículas en cada solución coloidal, se implementó un algoritmo de análisis en versión
de 2015 de Matlab, el cual se encarga de leer los datos procedentes del programa anteriormente descrito en
LabVIEW y calcular el tamaño de las partículas, haciendo una comparación por mínimos cuadrados de las señales
de intensidad de luz dispersada por partículas con respecto al modelo teórico dado por la ecuación 89. En la Figura
52
38 se ilustra la metodología empleada para el desarrollo del algoritmo de detección para la dispersión de Mie,
mientras que en la sección Algoritmos de análisis estadístico de los anexos se encuentra el script implementado.
a. Lectura de datos de un archivo de texto: En esta etapa se leen los datos provenientes del programa de
LabVIEW anteriormente descrito.
b. Definición de los parámetros físicos: En esta etapa se definen el tamaño de partícula, los índices de refracción
del medio y de la partícula, la longitud onda y tipo de polarización de la onda incidente.
c. Normalización de la señal de intensidad de luz: En esta rutina se normalizan las señales de dispersión de
dispersión de luz.
d. Generación de las curvas teóricas de dispersión de Mie: En esta etapa son determinadas las curvas teóricas
de dispersión de luz por partículas cuyos radios están comprendidos entre 50 nm y 1000 nm, y posteriormente
las normaliza.
e. Mínimos Cuadrados: En esta etapa se compara la señal de intensidad de luz obtenida experimentalmente con
cada una de las curvas teóricas determinadas en la etapa anterior, para encontrar así la que más se le aproxime.
f. Visualización de las curvas y determinación del tamaño de partícula: En esta etapa se visualiza de forma
gráfica la señal de intensidad de luz normalizada experimental y la curva teórica resultante de la aplicación de
los mínimos cuadrados.
En la Figura 39 son mostradas las curvas experimentales normalizadas de la potencia óptica de la luz dispersada
para cada una de las suspensiones coloidales conteniendo partículas de tres tamaños diferentes, medidas a diferentes
concentraciones. Las diferencias entre cada una de las curvas del mismo conjunto son atribuibles a las variables
aleatorias propias del experimento, puesto que se trata de una suspensión coloidal medida en diferentes instantes de
tiempo. Teniendo en cuenta que las fibras ópticas están distribuidas concéntricamente cada 10º alrededor de la
muestra en una disposición semicircular (Figura 22), las gráficas de la parte izquierda de la Figura 39 representan
la intensidad relativa de la luz recolectada por las 8 fibras ópticas situadas entre 10º y 80º a la derecha del haz
incidente. De manera análoga, las gráficas de la parte derecha de la derecha de la Figura 39 representan la intensidad
relativa de la luz recolectada por las 8 fibras ópticas situadas entre 10º y 80º a la izquierda del haz incidente. Estas
gráficas deben ser idealmente simétricas, lo cual puede comprobarse en la Figuras 37 y 40, con ligeras variaciones
atribuibles a la aleatoriedad y grado de precisión del montaje experimental.
53
Figura 39. Curvas experimentales normalizadas de la dispersión de Mie: (a) 1 µm, (b) 500 nm y (c) 250 nm.
En la Figura 40 se compara la intensidad de luz dispersada por suspensiones coloidales de partículas con
diámetros nominales de 250 nm, 500 nm y 1 µm, con respecto a su curva teórica obtenida por el algoritmo hecho
en MATLAB. Se puede apreciar que en general hay una buena correspondencia entre los datos experimentales y
la ecuación teórica. A partir de este ajuste, se puede estimar el tamaño promedio de las partículas de sílica
contenidas en la suspensión coloidal. Esto permite afirmar que la implementación del método de Dispersión de
Mie, con base en un conjunto estacionario de fibras ópticas colocadas a diversos ángulos de dispersión efectuada
en el marco del presente trabajo es una técnica óptica válida que puede refinarse aún más para estimar el tamaño
promedio de partículas contenidas en una suspensión coloidal.
54
Figura 40. Comparación entre las curvas teóricas y los datos experimentales obtenidos mediante la técnica de dispersión Mie para suspensiones
coloidales con partículas de sílica para tres diferentes diámetros nominales: 250 nm, 500 nm y 1 µm.
El algoritmo desarrollado en MATLAB 2015 se empleó para estimar el tamaño de partícula a partir de los datos
experimentales proporcionados por cada conjunto de datos tomado a diferentes concentraciones mostrados en la
Figura 39. Los resultados de esta simulación se muestran en la Tablas 6 a 8.
55
0.02% W/W (199.4 ± 2.6)nm (209.9 ± 3.8)nm
0.01% W/W (198.0 ± 5.0)nm (213.4 ± 8.5)nm
Tabla 7. Resultados del radio estimado para partículas con diámetro nominal de 500 nm.
El modelo de dispersión Mie no depende de la concentración de partículas, sin embargo, los datos experimentales
muestran que la precisión de este modelo es mayor a bajas concentraciones. A concentraciones elevadas (mayores
a 0.1%), el modelo pierde precisión en el cálculo del tamaño en el caso de las partículas de 500 nm y 1 µm. Teniendo
en cuenta la simetría de las curvas y su independencia de la concentración, la Tabla 9 resume los valores promedio
de tamaño de partícula obtenidos por la técnica de Dispersión Mie a partir de los datos experimentales recolectados
con la técnica óptica implementada en este trabajo. Estos valores se comparan con los estimados experimentalmente
a partir de imágenes de microscopía electrónica de barrido (SEM) [78]
Radio nominal / nm Estimado por Dispersión Mie / nm Estimado / nm
125 156 ± 26 125 ± 25 (Nominal de fábrica)
250 195 ± 11 249.03 ± 21.48 (Por SEM)
500 315 ± 54 500 ± 100 (Nominal de fábrica)
Tabla 9. Comparación entre el radio estimado para partículas por dispersión Mie y por imágenes SEM.
En donde 𝑐 es la concentración de las partículas, ℓ es longitud de paso óptico que contiene la muestra y 𝜀 la
absortividad, la cual depende de la longitud de onda de la luz incidente.
Los resultados de este análisis son mostrados en la Figura 41, en donde se graficó la intensidad relativa medida
(𝐼⁄𝐼 ) en función de la concentración de suspensiones coloidales basadas en 3 diferentes de tamaños de partícula a
0
varias concentraciones. A estos datos experimentales se les realizó el ajuste exponencial previsto en la ley de Beer-
Lambert.
56
Figura 41. Intensidad relativa vs Concentración para cada una las soluciones coloidales basadas en partículas con diferente diámetro nominal: (a) 1
µm, (b) 500 nm y (c) 250 nm.
Al observar las gráficas de la Figura 41, se detalla que todas presentan el comportamiento exponencial esperado
por la ley Lamber-Beer, en donde el factor de correlación en el ajuste por mínimos cuadrados en todos los casos fue
mayor al 99%. La ecuación 112 puede expresarse de manera alternativa como:
𝐼
= 𝑒𝑥𝑝(−𝜀ℓ𝑐 ) = 𝑒𝑥𝑝(− 𝛼𝑐 )
𝐼𝑜 (113)
Donde el parámetro 𝛼 es el coeficiente de absorción que corresponde al producto de 𝜀 por ℓ, el cual varía con el
tamaño de partícula, como puede apreciarse en los resultados del ajuste de la Figura 41. De esta manera:
𝛼 = 𝜀ℓ (114)
En el experimento, la suspensión coloidal está contenida en una cubeta con un camino óptico de aproximadamente
1 cm, el cual permaneció constante para todas las mediciones. De esta manera, el coeficiente de absorción es
directamente proporcional a la absortividad. Esta cantidad es una propiedad intrínseca, denominada
alternativamente como coeficiente de atenuación molar, y es una medida de cuán intensa es la atenuación de la luz
por una especie química a una longitud de onda dada. Para el sistema internacional de unidades (SI) esta cantidad
se expresa en metro cuadrado por mol (𝑚2 ⁄𝑚𝑜𝑙 ).
57
La relación entre el coeficiente de absorción y los diferentes tamaños de partículas se muestra en la Figura 42.
Encontrando una aparente dependencia lineal entre estos dos parámetros, que se verificó mediante un ajuste lineal
de la curva, del que se obtuvo la siguiente ecuación lineal:
Figura 42. Gráfica del coeficiente de absorción vs diámetro nominal de partículas en una suspensión coloidal.
En teoría para soluciones homogéneas, la absortividad molar es un parámetro intrínseco. Esto quiere decir que es
independiente de la geometría y tamaño de los objetos. Sin embargo, al tratarse de una suspensión coloidal, es
posible que estos efectos geométricos de las esferas de sílica que ocasionan dispersión de luz, influyan sobre la
absorbancia medida, tal como se observa experimentalmente.
Finalizado el anterior análisis, se desarrolló el algoritmo para la detección de concentración de partículas, cuya
implementación se describe en el diagrama de bloques de la Figura 43, el cual emplea las ecuaciones 113 y 114.
La Tabla 10 resume la intensidad relativa medida para cada tamaño de partícula seleccionado a diferentes
concentraciones. Debido a que el algoritmo requiere como parámetro el tamaño de partículas, se usaron los valores
nominales para el cálculo.
58
Concentración (% W/W) Concentración Calculada (% W/W)
250 nm 500 nm 1 µm
0.1 0.109±0.001 0.090±0.001 0.099±0.002
0.06 0.066±0.001 0.056±0.001 0.053±0.001
0.04 0.044±0.001 0.037±0.001 0.040±0.001
0.02 0.022±0.001 0.019±0.001 0.021±0.001
0.01 0.015±0.004 0.009±0.001 0.010±0.001
Tabla 10. Resultados del algoritmo del algoritmo de concentración de partículas.
Con el propósito de contrastar el resultado actual del sistema de medición de partículas, se tomaron resultados
representativos obtenidos por el método de dispersión Mie para cada tamaño de partícula, y mediante el algoritmo
se calculó la concentración de partículas en cada caso. Los resultados se consignan en las Tablas 11 a 13.
Al comparar los resultados obtenidos para la concentración de partículas por el método de absorción de luz con
aquellos obtenidos por dispersión Mie, se encuentra que el primer método arroja tamaños de partícula más cercanos
al valor nominal.
5.1.5.3 Algoritmos de análisis en dispersión dinámica de la luz.
Para el procesamiento de la señal de intensidad de luz, se desarrolló un script en Matlab, el cual se encarga de
determinar el tamaño de las partículas de las muestras mediante la implementación del método de Cumulants. Para
lograr esto, el programa debe leer los datos de un archivo de texto procedentes de SignalExpress y, posteriormente,
determinar la función de auto correlación de la señal de intensidad de luz y del campo eléctrico. El tamaño de las
partículas es determinado mediante ln[𝑔(1) (𝑞, 𝜏)].
59
En la Figura 44 se muestra la metodología empleada para el desarrollo del algoritmo de caracterización por
dispersión dinámica de luz, mientras que en la sección Algoritmos de análisis estadístico de los anexos se halla el
script desarrollado.
Figura 44. Metodología empleada en el algoritmo de detección empleando Dispersión dinámica de la luz.
a. Definición de los parámetros de simulación: En esta etapa son definidos el tamaño de partículas, el índice de
refracción y viscosidad del medio, temperatura, la longitud de onda del haz luz incidente, ángulo de dispersión,
tiempo de muestreo y la longitud de los datos.
b. Determinación de constantes: En esta etapa se calcula el vector de dispersión y el coeficiente de difusión con
las expresiones 74 y 75 respectivamente.
c. Lectura de datos de un archivo de texto: En esta etapa del código se leen los datos provenientes de
SignalExpress.
d. Cálculo de la ACF: En esta etapa se calcula la función autocorrelación normalizada 𝑔(2) (𝑞, 𝜏) a partir de la
señal de intensidad de luz. A continuación se determina 𝑔(1) (𝑞, 𝜏), mediante la expresión 72.
e. Determinación del tamaño de partícula a partir de la ACF: En esta etapa, se determina el radio de las
partículas para una solución monodispersa. Adicionalmente, se calcula el valor medio y la varianza en el tamaño
de partículas, independientemente de su dispersión de tamaño.
Al observar los resultados obtenidos en la Tabla 14, se puede concluir que el algoritmo de caracterización no está
discriminando las partículas por su tamaño. Por esta razón, en la Figura 45 se graficó la función de autocorrelación
(ACF) para todos los distintos tamaños de partículas, y así determinar si el error se encontraba en el algoritmo o en
la señal captada. Al analizar estas curvas, se encuentra que todas presentan el mismo comportamiento. Por tal
motivo, se puede inferir que el sistema de medición no está captando el movimiento aleatorio de las partículas de
interés. En otras palabras, la base de ruido del sistema actual es más grande que las variaciones de luz producidas
60
por movimiento browniano de las partículas. Lo que produce que el algoritmo de caracterización no funcione de
manera correcta.
Figura 45. ACF de las señales de intensidad de luz medida para todos los casos.
61
6. CONCLUSIONES
Con la elaboración del presente proyecto se logró implementar técnicas de dispersión de luz contempladas para la
caracterización de material particulado, y además construir los algoritmos para análisis de las mediciones ópticas
que permiten estimar el tamaño y concentración de partículas en una suspensión coloidal. Para la dispersión estática
de la luz (dispersión Mie y absorbancia), los datos experimentales se ajustan bastante bien al comportamiento
teórico de las señales de intensidad de luz en función del ángulo de dispersión, resultante de la complicada
interacción física entre la luz y una partícula de tamaño determinado. Se tuvieron en cuenta diferentes aspectos
físicos involucrados, como son los índices de refracción del medio y de la partícula, la longitud onda, el tipo de
polarización de la onda incidente y el tamaño de partícula. Para la dispersión dinámica de la luz, se logró simular el
movimiento aleatorio de las partículas suspendidas en un medio a través de la determinación de la señal de
intensidad de luz en función del tiempo.
En el desarrollo de la estación óptica, se logró implementar el montaje experimental que permitió la medición de
las técnicas ópticas (dispersión de Mie, ley de Beer-Lambert y dispersión dinámica) para estimar el tamaño y la
concentración de partículas en una suspensión coloidal. Para su diseño, se optó por un esquema basado en un
conjunto de 16 fibras ópticas distribuidas a distancias iguales alrededor de las partículas en ángulos de separación
de 10° encargadas de medir la dispersión de luz producidas por las partículas, las cuales son procesadas por un
multiplexor óptico de 16 canales. De esta manera se evitaron los problemas relacionados al montaje convencional
basados en motores de paso. Así mismo, para la correcta operación y funcionamiento de la estación óptica, se
desarrollaron aplicaciones de software en LabVIEW para el control y la adquisición de datos registrados por los
instrumentos que componen los dos tipos de montaje experimental desde el sistema de cómputo.
En el caso de la dispersión de Mie, se logró un sistema de detección capaz de trazar diferentes curvas experimentales
de dispersión de luz para los distintos tamaños y concentraciones de partículas, encontrando una buena
correspondencia de los datos experimentales con las curvas teóricas obtenidas por simulación. Eso permitió el
desarrollo de un algoritmo de caracterización para calcular el tamaño de partícula para las distintas concentraciones.
Al comprobar el funcionamiento del algoritmo, se observó que el modelo de dispersión de Mie no dependía de la
misma forma de los datos experimentales, por lo que el modelo presentó mayor precisión a concentraciones bajas
(aproximadamente 0.01 %). A concentraciones elevadas, es decir mayores a 0.1%, el algoritmo pierde precisión en
el cálculo del tamaño en el caso de las partículas de 500 nm y 1 µm.
Para la dispersión dinámica de la luz se logró implementar un montaje experimental de esta técnica mediante el uso
de un módulo NI de adquisición de datos que permitió el control sobre la tasa de muestreo. Parámetro esencial para
el cálculo de la función de auto-correlación (ACF) con base en las mediciones de la intensidad de la luz en función
del tiempo a la luz. A partir de las simulaciones de la técnica, se implementaron algoritmos de detección basados
en la determinación de las ACF para el cálculo del tamaño de partícula. Al momento de analizar los resultados, se
encontró una discrepancia con las funciones de autocorrelación descritas en la teoría. Después de una revisión del
sistema, se detectó que el inconveniente se debía a que el ruido que se le introduce al sistema es mayor que las
variaciones de la señal de intensidad de luz producidas por el movimiento browniano de las partículas.
Para la caracterización de la concentración, se logró implementar un algoritmo capaz de determinar la concentración
de una suspensión de partículas a partir de la medición de la intensidad de la radiación transmitida a través de una
solución y la intensidad de la radiación incidente mediante la ley de Lambert–Beer. Durante el desarrollo del
algoritmo, se encontró que el coeficiente de absorción depende del tamaño de las partículas. Ese resultado fue
bastante interesante debido a que la absorbancia es una propiedad intrínseca que en principio no debería depender
del tamaño de partícula. Dicha dependencia tiene un comportamiento aparentemente lineal, la cual fue introducida
en el algoritmo de detección de partículas. Adicionalmente, en el desarrollo de las pruebas, se observó que el
algoritmo implementado presentó gran susceptibilidad en el cálculo de la concentración a pequeñas variaciones del
62
parámetro del tamaño cuando se analizaron las partículas de 250 nm. Sin embargo, para los otros grupos de
partículas dicha susceptibilidad al tamaño de partícula fue disminuyendo.
Finalmente, recopilando lo expuesto anteriormente, se concluye que el sistema óptico propuesto logró cumplir el
objetivo final de diseñar e implementar un sistema de caracterización de partículas. En él, se logró validar la técnica
de medición basada en la ley de Lambert–Beer para la caracterización de la concentración de partículas, obteniendo
resultados muy prometedores al probar el algoritmo con los valores nominales de las partículas. Así mismo, en el
desarrollo de la dispersión de Mie, los resultados experimentales demuestran que la solución propuesta, basada en
un conjunto de fibras ópticas fijas acopladas a un multiplexor óptico de 16 canales, es una técnica válida para
estimar el tamaño promedio de partículas de una suspensión, y cuyo desarrollo se puede refinar aún más. Por esta
razón, en un futuro trabajo de desarrollo, se propone modificar la estructura de soporte de las fibras ópticas para
tomar las medidas de dispersión de luz cada 5° en vez 10°, y obtener así, curvas experimentales mucho más
detalladas. Adicional a esto, se propone la alternativa de explorar el desarrollo de algoritmos inteligentes para la
identificación de partículas y comparar su desempeño con el trabajo desarrollado en este proyecto.
63
7. BIBLIOGRAFÍA
[1] Kouimtzis T., Samara C. (1995) Airborne particulate matter. New York. Springer-Verlag Berlin Heidelberg. https://doi.org/10.1007/978- 3-540-49145-3.
[2] Agranovski I. (2010) Aerosols – Science and Technology. Weinheim. WILEY-VCH verlag GmbH & Co. KGaA.
[3] Kokhanovsky A. A. (2010). Aerosol Optics: Light Absorption and Scattering by Particles in the Atmosphere. Chichester, UK. Praxis Publishing Ltd.
[4] Van Setten B., Makkee M., Moulijn J. A, et al. (2001). Science and technology of catalytic diesel particulate filters, Catalysis Reviews, 43:4, 489-564,
https://doi.org/10.1081/CR-120001810.
[5] May A.A., Nguyen N.T., Presto A.A, Gordon T.D., Lipsky E.M., Karve M., Gutierrez A., Robertson W.H., Zhang M., Brandow C., Chang O., Chen S., Cicero-Fernandez
P., Dinkins L., Fuentes M., Huang S.M., Ling R., Long J., Maddox C., Massetti J., McCauley E., Miguel A., Na K., Ong R., Pang Y., Rieger P., Sax T., Truong T., Vo
T., Chattopadhyay S., Maldonado H., Maricq M.M., Robinson A.L., et al. (2014). Gas- and particle-phase primary emissions from in-use, on-road gasoline and diesel
vehicles. Atmos. Environ. 88, 247–260. https://doi.org/10.1016/j.atmosenv.2014.01.046.
[6] The U.K. Department of the Environment (1993) Urban air quality in the United Kingdom. First Report of the Quality of Urban Air Review Group, London.
[7] Kim K, Kabir E, Kabir S, et al. (2015). A review on the human health impact of airborne particulate matter. Environ Int 2015; 74:136–43.
https://doi.org/10.1016/j.envint.2014.10.005.
[8] Li, Z., Wen, Q., Zhang, R., et al. (2017). Sources, health effects and control strategies of indoor fine particulate matter ( PM 2.5): a review. Sci. Total Environ.
https://doi.org/10.1016/j.scitotenv.2017.02.029.
[9] Watts N, Amann M, Ayeb-Karlsson S, Belesova K, Bouley T, Boykoff M, et al. (2017). The Lancet countdown on health and climate change: from 25 years of inaction
to a global transformation for public health. The Lancet 2018;391(10120):581e630. https://doi.org/ 10.1016/S0140-6736(17)32464-9.
[10] Comisión europea. (2001). PARTICULATES: Characterisation of Exhaust Particulate Emissions from Road Vehicles. Deliverable 2: Vehicle exhaust particulates
characterisation, properties, instrumentation and sampling requirements.
[11] Chiang H.L., Lai Y.M., Chang S.Y., et al. (2012). Pollutant constituents of exhaust emitted from light-duty diesel vehicles. Atmos. Environ. 399-406.
https://doi.org/10.1016/j.atmosenv.2011.10.045.
[12] Ramírez, O., Sánchez de la Campa A.M., Amato F., Catacolí R., Rojas N., de la Rosa J., et al. (2018). Characteristics and temporal variations of organic and elemental
carbon aerosols in a high–altitude, tropical Latin American megacity. Atmospheric Research. 210, 110–122. https://doi.org/10.1016/j.atmosres.2018.04.006.
[13] Ramírez O., Sánchez de la Campa A.M., Amato F., Catacolí R., Rojas N., de la Rosa J., et al. (2018). Chemical composition and source apportionment of PM10 at an
urban background site in a high–altitude Latin American megacity (Bogota, Colombia). Environ. Pollut. 233, 142–155. https://doi.org/10.1016/j.envpol.2017.10.045.
[14] Burtscher H. (2005). Physical characterization of particulate emissions from diesel engines: a review. J Aerosol Sci 2005;36(7):896–932.
https://doi.org/10.1016/j.jaerosci.2004.12.001.
[15] Matti Maricq M. (2007). Chemical characterization of particulate emissions from diesel engines: a review. J Aerosol Sci 2007; 38:1079–118.
https://doi.org/10.1016/j.jaerosci.2007.08.001.
[16] Kellog R., Winberry Jr. W. (1999). EPA compendium method IO-3.3: Determination of metals in ambient particulate matter using X-ray fluorescence (XRF)
spectroscopy. U.S. Environmental Protection Agency.
[17] Lough G. C., Schauer J. J., Park J. S., Shafer M. M., Deminter J. T., Weinstein, J. P, et al. (2005). Emissions of metals associated with motor vehicle roadways.
Environmental Science & Technology, 39, 826–836. https://doi.org/10.1021/es048715f.
[18] Small H. (1989). Ion chromatography. NewYork: Plenum.
[19] Schauer J. J., Kleeman M. J., Cass G. R., Simoneit B. R. T, et al. (1999a). Measurement of emissions from air pollution sources. 1. C1 through C29 organic compounds
from meat charbroiling. Environmental Science & Technology, 33, 1566–1577. https://doi.org/10.1021/es980076j.
[20] Schauer J. J., Kleeman M. J., Cass G. R., Simoneit, B. R. T, et al. (1999b). Measurement of emissions from air pollution sources. 2. C1 through C30 organic compounds
from medium duty diesel trucks. Environmental Science & Technology, 33, 1578–1587. https://doi.org/10.1021/es980081n.
[21] Lev-On M., Zielinska B. (2004). Compilation of PM characterization data for diesel fueled heavy-duty trucks and buses: Impact of tailpipe controls and fuel sulfur on
the EC/OC ratio and the particles’ chemical species content. SAE Technical Paper 2004-01-1991. https://doi.org/10.4271/2004-01-1991.
[22] Zielinska B., Sagebiel J., Arnott W. P., Rogers C. F., Kelly K. E.,Wagner D. A, et al. (2004). Phase and size distribution of polycyclic aromatic hydrocarbons in diesel
and gasoline vehicle emissions. Environmental Science & Technology, 38, 2557–2567. https://doi.org/10.1021/es030518d.
[23] Zielinska B., Sagebiel J., McDonald J. D., Whitney K., Lawson D. R, et al. (2004). Emission rates and comparative chemical composition from selected in-use diesel
and gasoline fueled vehicles. Journal of the Air Waste Management Association, 54, 1138–1150. https://doi.org/10.1080/10473289.2004.10470973.
[24] Henderson T. R., Sun J. D., Li A. P., Hanson R. L., Bechtold W. E., Harvey T. M. et al. (1984). GC/MS and MS/MS studies of diesel exhaust mutagenicity and emissions
from chemically defined fuels. Environmental Science & Technology, 18, 428–434. https://doi.org/10.1021/es00124a007.
[25] Bechtold W. E., Dutcher J. S., Mokler B. V., Lopez J. A., Wolf I., Li A. P, et al. (1984). Chemical and biological properties o f diesel exhaust particles collected during
selected segments of a simulated driving cycle. Toxicological Sciences, 4, 370–377. https://doi.org/10.1016/0272-0590(84)90194-5.
[26] Varenne F., Makky A., Gaucher-delmas M., Violleau F., Vauthier C, et al. (2016). Multimodal dispersion of nanoparticles: A comprehensive evaluation of size
distribution with 9 size measurement methods. Pharmaceutical Research, 33(5), 1220-1234. http://dx.doi.org/10.1007/s11095-016-1867-7.
[27] Linsinger T, Roebben G, Gilliland D, Calzolai L, Rossi F, Gibson N, et al. (2012). Requirements on measurements for the implementation of the European Commission
definition of the term Bnanomaterial^. JRC Reference Reports.
[28] Powers KW, Brown SC, Krishna VB, Wasdo SC, Moudgil BM, Roberts SM, et al. (2006). Research strategies for satefy evaluation of nanomaterials. Part VI.
Characterization of nanoscale particles for toxicological evaluation. Toxicol Sci. 2006;90(2):296–303. https://doi.org/10.1093/toxsci/kfj099.
[29] Gaumet M, Vargas A, Gurny R, Delie F, et al. (2008). Nanoparticles for drug delivery: the need for precision in reporting particle size parameters. Eur J Pharm Biopharm.
2008;69:1–9. https://doi.org/10.1016/j.ejpb.2007.08.001.
[30] Sowerby SJ, Broom MF, Petersen GB, et al. (2007). Dynamically resizable nanometre-scale apertures for molecular sensing. Sensors Actuators B. 2007;123:325–30.
https://doi.org/10.1016/j.snb.2006.08.031.
[31] Willmott GR, Vogel R, Yu SSC, Groenewegen LG, Roberts GS, Kozak D, et al. (2010) Use of tunable nanopore blockade rates to in vestigate colloidal dispersions. J
Phys-Condens Mat. 2010;22(45):1–11. https://doi.org/10.1088/0953-8984/22/45/454116.
[32] Vogel R, Willmott G, Kozak D, Roberts GS, Anderson W, Groenewegen L, et al. (2011). Quantitative sizing of nano/microparticle s with a tunable elastomeric pore
sensor. Anal Chem. 2011;83:3499– 506. https://doi.org/10.1021/ac200195n.
[33] Lespes G, Gigault J. (2011). Hyphenated analytical techniques for multidimensional characterisation of submicron particles: a review. Anal Chim Acta. 2011;692:26–
41. https://doi.org/10.1016/j.aca.2011.02.052.
[34] MINISTERIO DE AMBIENTE, VIVIENDA Y DESARROLLO TERRITORIAL República de Colombia. (2008). Protocolo para el monitoreo y seguimiento de la
calidad del aire [Online]. Available:
http://www.ideam.gov.co/documents/51310/527391/Protocolo+para+el+Monitoreo+y+seguimiento+de+la+calidad+del+aire.pdf/6b2f53c8-6a8d-4f3d-b210-
011a45f3ee88. [Accessed: 05- Abr-2020].
[35] IDEAM. (2016). Informe del Estado de la Calidad del Aire en Colombia en 2011-2015. [Online]. Available:
http://documentacion.ideam.gov.co/openbiblio/bvirtual/023637/Informe_del_Estado_de_la_Calidad_del_Aire_en_Colombia_2011-2015_vfinal.pdf. [Accessed: 02-
Nov-2018].
64
[36] IDEAM. (2018). Informe del Estado de la Calidad del Aire en Colombia en 2017. [Online]. Available:
http://www.andi.com.co/Uploads/Informe_ECalidadl_Aire_2017_636748401757382604.pdf. [Accessed: 26-Nov-2019].
[37] OMS. (2005). Guías de calidad del aire de la OMS relativas al material particulado, el ozono, el dióxido de nitrógeno y el dióxido de azufre. [Online]. Available:
https://www.who.int/phe/health_topics/AQG_spanish.pdf. [Accessed: 05- Abr-2020].
[38] Pope CA, Burnett R. T., Thun M. J., et al. (2002). Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution. Journal of the
American Medical Association, 287:1132– 1141. https://doi.org/10.1001/jama.287.9.1132.
[39] Dockery DW, Pope C. A., Spengler J. H., Ware J. H., Fay M. E., Ferris-Jr B. G., Speizer F. E., et al. (1993). An association between air pollution and mortality in six
U.S. cities. New England Journal of Medicine, 329:1753–1759. https://doi.org/10.1056/NEJM199312093292401.
[40] Pope CA, Thun M. J., Namboodiri M. M., Dockery D. W., Evans J. S., Speizer F. E., Heath-Jr C. W., et al. (1995). Particulate air pollution as a predictor of mortality
in a prospective study of U.S. adults. American Journal of Respiratory and Critical Care Medicine, 151:669–674. https://doi.org/10.1164/ajrccm.151.3.7881654.
[41] HEI (2000). Reanalysis of the Harvard Six-Cities study and the American Cancer Society study of particulate air pollution and mortality. A special report of the Institute’s
Particle Epidemiology reanalysis Project. Cambridge, MA, Health Effects Institute.
[42] Jerrett M, Burnett R. T., Ma R., Pope C. A., Krewski D., Newbold K. B., Thurston G., Shi Y., Finkelstein N., Calle E. E., Thun M. J., et al. (2005). Spatial analysis of
air pollution and mortality in Los Angeles. Epidemiology,16:727–736. https://doi.org/10.1097/01.ede.0000181630.15826.7d.
[43] Katsouyanni K., Touloumi G., Samoli E., Gryparis A., Le-Tertre A., Monopolis Y., Rossi G., Zmirou D., Ballester F., Boumghar A., Anderson H. R.; Wojtyniak B.,
Paldy A., Braunstein R., Pekkanen J., Schindler C., Schwartz J., et al. (2001). Confounding and effect modification in the short-term effects of ambient particles on total
mortality: results from 29 European cities within the APHEA2 project. Epidemiology, 12:521–531. https://doi.org/10.1097/00001648-200109000-00011.
[44] HEI International Oversight Committee (2004). Health effects of outdoor air pollution in developing countries of Asia: a lite rature review. Boston, MA, Health Effects
Institute (Special Report No. 15).
[45] Cohen A.J., Anderson H.R., Ostro B., Pandey K.D., Krzyzanowski M., Kuenzli N., Gutschmidt K., Pope C.A., Romieu I., Samet J.M., Smith K.R. , et al. (2004) Mortality
Impacts of Urban Air Pollution. ibid. pp.1353-1433.
[46] Ezzati M. et al., eds. Comparative quantification of health risks: global and regional burden of disease attributable to selected major risk factors. Ge neva, World Health
Organization:1353– 1434.
[47] Samet J.M., Zeger S. L., Dominici F., Curriero F., Coursac I., Dockery D. W., Schwartz J., Zanobetti A., et al. (2000). The National Morbidity, Mortality, and Air
Pollution Study. Part II: Morbidity and mortality from air pollution in the United States. Research Reports of the Health Eff ects Institute, 94:5–70.
[48] OMS. (2018). WHO Global Ambient Air Quality Database. [Online]. Available: https://www.who.int/airpollution/data/cities/en/. [Accessed: 05- Abr-2020].
[49] MINISTERIO DE AMBIENTE Y DESARROLLO SOSTENIBLE República de Colombia. (2017) RESOLUCIÓN NO. 2254 DE 2017 (noviembre 1): Por la cual se
adopta la norma de calidad del aire ambiente y se dictan otras disposiciones. [Online]. http://www.minambiente.gov.co/images/normativa/app/resoluciones/96-
res%202254%20de%202017.pdf.
[50] Fino D. (2007) Diesel emission control: catalytic filters for particulate removal, Sci.Technol. Adv. Mater. 8 (1) (2007) 93–100.
https://doi.org/10.1016/j.stam.2006.11.012.
[51] Di-Natale F., Carotenuto C. (2015). Particulate matter in marine diesel engines exhausts: Emissions and control strategies. Transport. Res. D: Transport Environ. 40,
166e191. https://doi.org/10.1016/j.trd.2015.08.011.
[52] W. Balachandran, R. Beleca, N. Manivannan, M. Abbod, et al. (2014). SNon-thermal plasma system for marine diesel engine emissions control. pp. 1-9., 2014.
https://doi.org/10.1109/TIA.2016.2518131.
[53] Tang X., Lu H., Lin L., Yao S., et al. (2012). Experimental Investigation of Plasma Oxidization of Diesel Particulate Matter. Plasma Chem. Plasma Process., vol. 33,
no. 1, pp. 281-292. https://doi.org/10.1007/s11090-012-9430-8.
[54] Takahashi Y., Hatano Y., Yasui S., Araki K., et al. (2014). Gas Cleaning Apparatus and Discharge Reaction Body Used for the Same. JP2004261717 (A).
[55] Seto H., Nakajima T.(2014) "Discharge Plasma Reactor," JP2014155917 (A).
[56] Thonglek N., Dechthummarong C., Kiatsiriroat T., et al. (2014). Soot Treatment by Using High Voltage Pulse Energized Electrostatic Precipitator. Energy Procedia,"
9(0), 292 - 298. http://doi.org/http://dx.doi.org/10.1016/j.egypro.2011.09.031, 2011.
[57] Babaie M., Davari P., Zare F., Rahman M.M., Rahimzadeh H., Ristovski Z., Brown R., et al. (2013). Effect of Pulsed Power on Particle Matter in Diesel Engine Exhaust
Using a DBD Plasma Reactor. Plasma Science, IEEE Transactions on, vol.41, no.8, pp.2349,2358. https://doi.org/10.1109/TPS.2013.2270015.
[58] Shuiliang Y., Kodama A., Yamamoto S., Mine C., Fujioka Y., Fushimi C., et al. (2019). Application of a Dielectric Barrier Discharge Reactor for Diesel PM Removal,"
in Electrostatic Precipitation, K. Yan, Ed. Berlin, Heidelberg: Springer Berlin Heidelberg, pp. 677-680. https://doi.org/10.1007/978-3-540-89251-9_141.
[59] Rajanikanth B. S., Mohapatro S. (2015). Studies on NOX Removal from Diesel Engine Exhaust using Duct Type DBD React or. Energy Procedia, 68(0), 370 - 380.
http://doi.org/http://dx.doi.org/10.1016/j.egypro.2015.03.268.
[60] Sudrajad A., Yusof A.F. (2014). Review of Electrostatic Precipitator Device for Reduce of Diesel Engine Particulate Matter," IEEE Trans. Ind. Appl., pp. 1-1.
https://doi.org/10.1016/j.egypro.2015.03.268.
[61] Xu R. (2015). Light scattering: A review of particle characterization applications. Particuology, volume: 18, pages:11–21. https://doi.org/10.1016/j.partic.2014.05.002.
[62] Chen D., Liu X., Han J., Jiang M., Xu Y., Xu M., et al. (2018). Measurements of particulate matter concentration by the light scattering method: optimization of the
detection angle. Fuel Process. Technol. 179, 124–134. https://doi.org/10.1016/j.fuproc.2018.06.016.
[63] Chen D., Liu X., Han J., et al. (2020). Influence of relative humidity on real-time measurements of particulate matter concentration via light scattering. Journal of
Aerosol Science 139. https://doi.org/10.1016/j.jaerosci.2019.105462.
[64] Roller D. E., Blum R. (1990). Electricity, magnetism, and light. San Francisco: Holden-Day.
[65] Griffiths D. J. (1999). Introduction to electrodynamics. Upper Saddle River, N.J: Prentice Hall.
[66] Bohren C. F., Huffman, D. R. (1983). Absorption and scattering of light by small particles. New York: Wiley.
[67] Xu R. (2015). Light scattering: A review of particle characterization applications. Particuology, 18, 11–21. https://doi.org/10.1016/j.partic.2014.05.002.
[68] ASTM E2490-09 (2015). Standard Guide for Measurement of Particle Size Distribution of Nanomaterials in Suspension by Photon Correlation Spectroscopy (PCS).
ASTM International, West Conshohocken, PA. https://doi.org/10.1520/E2490-09R15.
[69] Berne B. J., Pecora R. (1967). Dynamic Light Scattering with applications to chemistry, biology and physics. Wiley, 1976. https://doi.org/10.1016/0307-4412(77)90025-
5.
[70] Scotti A., Liu W., Hyatt J., Hardan E., Choi H., Kim J., Lyon L., Gasser U., Fernandez-Nieves A., et al. (2015). The CONTIN algorithm and its application to determine
the size distribution of microgel suspensions. The Journal of chemical physics. https://doi.org/10.1063/1.4921686.
[71] Puthusserickal A. H., Suman R., Gunjan V., et al. (2015). Making Sense of Brownian Motion: Colloid Characterization by Dynamic Light Scattering. Langmuir 2015
31 (1), 3-12. https://doi.org/10.1021/la501789z.
[72] Frisken B.J. (2001) Revisiting the method of cumulants for the analysis of dynamic light-scattering data. Appl. Opt. 40, 4087-4091. https://doi.org/
10.1364/AO.40.004087.
[73] Glatter O., (2018). Scattering Methods and their Application in Colloid and Interface Science. Amsterdam, The Netherlands: Elsevier.
https://doi.org/10.1107/S1600576718016023.
[74] Mätzler C. (2002) "MATLAB Functions for Mie Scattering and Absorption", Institut für Angewandte Physik.
[75] Malitson. I. H. (1965). Interspecimen comparison of the refractive index of fused silica ", J. Opt. Soc. Am. 55, 1205-1208 (1965).
https://doi.org/10.1364/JOSA.55.001205.
[76] Tan C. Z. (1998) " Determination of refractive index of silica glass for infrared wavelengths by IR spectroscopy ", J. Non-Cryst. Solids 223, 158-163.
https://doi.org/10.1016/S0022-3093(97)00438-9.
65
[77] Wang Y., Zheng G., Shen J. et al (2010). Simulation of dynamic light scattering signal for ultrafine particles based on the exponential mode, optoelectronics. Lett,
6: 302. https://doi.org/10.1007/s11801-010-9145-0.
[78] Vásquez Rojas J.R. (2016) Tesis de maestría Ing. Electrónica -Elaboración de diodos orgánicos emisores de luz (OLED) con eficiencia óptica mejorada a partir de la
incorporación de cristales coloidales.
8. ANEXOS
• Mie_abcd:
%%=========================================================================
% Description:
% This program computes the Mie coefficients, a_n, b_n, c_n, d_n,
% of orders n=1 to nmax, complex refractive index m=m'+im",
% and size parameter x=k0*a, where k0= wave number
% in the ambient medium, a=sphere radius;
%%=========================================================================
%%=========================================================================
function result = Mie_abcd(m, x)
%==========================================================================
% Constants determination:
nmax=round(2+x+4*x^(1/3)); % Nstop
n=(1:nmax); % Integer of the spherical Bessel function
nu = (n+0.5); % Integer of the Bessel function
z=m.*x;
m2=m.*m;
%==========================================================================
% Transform the Bessel into spherical Bessel functions:
sqx= sqrt(0.5*pi./x); % Constant conversion x
sqz= sqrt(0.5*pi./z); % Constant conversion z
66
• Mie_pt:
%%=========================================================================
% Description:
% This program calcule the Mie pin and tao matrix with recurrence function
% pi_n and tau_n, -1 <= u= cos? <= 1, n1 integer from 1 to nmax
% angular functions used in Mie Theory
%%=========================================================================
%%=========================================================================
function result=Mie_pt(u,nmax)
%==========================================================================
% Initial conditions:
p(1)=1;
t(1)=u; % u=cos(tetha)
p(2)=3*u;
t(2)=3*cos(2*acos(u)); % 3cos(2arcos(cos(tetha)))= 3 cos(2tetha)
%==========================================================================
% pi_n and Tao_n determination:
for n=3:nmax
%============================
% pi_n:
p1=(2*n-1)./(n-1).*p(n-1).*u;
p2=n./(n-1).*p(n-2);
p(n)=p1-p2;
%============================
% tao_n:
t1=n*u.*p(n);
t2=(n+1).*p(n-1);
t(n)=t1-t2;
%============================
end;
%==========================================================================
result=[p;t];
• Mie_S12:
%%=========================================================================
% Computation of Mie Scattering functions S1 and S2
% for complex refractive index m=m'+im",
% size parameter x=k0*a, and u=cos(scattering angle),
% where k0=vacuum wave number, a=sphere radius;
%%=========================================================================
%%=========================================================================
function result = Mie_S12(m, x, u)
%==========================================================================
% Constants determination:
nmax=round(2+x+4*x^(1/3)); % Integer of the spherical Bessel function
abcd=Mie_abcd(m,x); % computes the Mie coefficients, a_n, b_n, c_n, d_n,
an=abcd(1,:); % take a_n vector
bn=abcd(2,:); % take b_n vector
%==========================================================================
% Constants determination:
pt=Mie_pt(u,nmax); % calculate the Mie pi_n and tao_n
pin =pt(1,:); % take pi_n vector
tin=pt(2,:); % take tao_n vector
%==========================================================================
% Constants determination:
n=(1:nmax); % it generate a vector of 1 to nmax
n2=(2*n+1)./(n.*(n+1)); % calcule de sumatory constant
pin=n2.*pin;
67
tin=n2.*tin;
S1=(an*pin'+bn*tin');
S2=(an*tin'+bn*pin');
%==========================================================================
result=[S1;S2];
• Mie_Intensityscan:
%%=========================================================================
% Computation and plot of Mie Intensity Scattering function for given
% complex refractive-index ratio m=m'+im", size parameters x=k0*a,
% (where k0=2*pi/wavelenth)
%%=========================================================================
%==========================================================================
% Parameters:
m1=real(m); m2=imag(m); % part real and imaginary of refractive index m
nx=(1:nsteps); % generate a vector of 1 to nsteps
dteta=pi/(nsteps-1); % unitary step
teta=(nx-1).*dteta; % angle vector generation
%==========================================================================
% S1 and S2 magnitude calculate:
for j = 1:nsteps
u=cos(teta(j)); % Evaluate cos(teta)
a(:,j)=Mie_S12(m,x,u); % Computation of Mie Scattering functions S1 and S2
S1_mag(j)= (a(1,j)'*a(1,j)); % Calculate the S1 magnitude
S2_mag(j)= (a(2,j)'*a(2,j)); % Calculate the S2 magnitude
end;
%==========================================================================
% Intensity determination:
Is(1,:) = S1_mag; % Is with incident light perpendicular to the scattering plane
Is(2,:) = S2_mag; % Is with incident light parallel to the scattering plane
Is(3,:) = 0.5*(S1_mag+S2_mag); % Is with unpolarized incident light
teta = teta*180/pi;
result=[teta;Is];
• MieScattering:
%%=========================================================================
% Description:
% This program simule the light scattering by small sphere particles
% based on the Mie theory according to Bohren and Huffman (1983)
% The parameters used in this program are:
% complex refractive particle index m=m'+im", Intensity incident light Io,
% and size parameter x=k0*a (where k0= wave number in the ambient medium
% and a=sphere radius);
%%=========================================================================
clear all
%%=========================================================================
%% PARAMETERS
%%=========================================================================
% Intensity Scale:
% scale log or lin
scale='lin';
%%=========================================================================
% Angular resolution (deg):
res=9.5;
%res=1;
68
nsteps=round(180/res);
%%=========================================================================
% Drop Size:
a=250*10^-9; % Size sphere
Num_particles = 1;
Std_dev = 1*10; % percentage
%%=========================================================================
% Light:
wvlenth = 632*10^-9; % wave long
N = 1.33+10e-8i;
N1 = 1.457;
m=N1/N; % relative complex refractive index m=m'+im";
polarization = 'all'; %(per, pll, unp, all)
%%=========================================================================
%% CONSTANT DETERINATION:
%%=========================================================================
%Std_dev = Std_dev;
k0=2*pi/(wvlenth); % wave number
x=k0*a*N;
%%=========================================================================
%% INTENSITY CALCULATION
%%=========================================================================
if (Num_particles == 1)
Is = Mie_Intensityscan(m, x, nsteps);
else
media = a*10^9;
distribution = normrnd(media,Std_dev,[1 Num_particles]);
a_n = distribution*10^-9;
x=k0*a_n(1);
Is = Mie_Intensityscan(m, x, nsteps);
for i = 2:Num_particles
x=k0*a_n(i);
aux = Mie_Intensityscan(m, x, nsteps);
Is = Is + aux;
end
Is=Is/Num_particles;
end
%%=========================================================================
%% INTENSITY PLOT
if (scale == 'log')
if (polarization == 'per')
semilogy(Is(1,:),Is(2,:))
elseif (polarization == 'pll')
semilogy(Is(1,:),Is(3,:))
elseif (polarization == 'unp')
semilogy(Is(1,:),Is(4,:))
elseif (polarization == 'all')
semilogy(Is(1,:),Is(2,:))
%plot(Is(1,:),log10(Is(2,:)))
hold on
semilogy(Is(1,:),Is(3,:))
%plot(Is(1,:),log10(Is(3,:)))
semilogy(Is(1,:),Is(4,:))
%plot(Is(1,:),log10(Is(4,:)))
legend('Perpendicular Polarization’, ‘Parallel Polarization’, ‘Unpolarized
Polarization')
hold off
end
else
if (polarization == 'per')
69
plot(Is(1,:),Is(2,:))
elseif (polarization == 'pll')
plot(Is(1,:),Is(3,:))
elseif (polarization == 'unp')
plot(Is(1,:),Is(4,:))
elseif (polarization == 'all')
plot(Is(1,:),Is(2,:))
hold on
plot(Is(1,:),Is(3,:))
plot(Is(1,:),Is(4,:))
legend('Perpendicular Polarization’, ‘Parallel Polarization’, ‘Unpolarized
Polarization')
hold off
end
end
title('Light scattering by small sphere particles: Mie Theory')
ylabel('Relative Intensity')
xlabel('Scattering angle (deg.)')
70
q = ((4*pi*n)/wvlenth)*sin(teta);
% Time vectors:
vtime = 0:1:Steps-1;
vtime = vtime* Ts;
% Dispersion generation:
polydis=0;
if(polydis == 1)
nu=R;
std=sqrt(R_var);
Rx=(nu-(0.2*R)):nu/Paso:(nu+(0.2*R));
Ry=(1/(sqrt(2*pi*R_var)))*exp(-((Rx-nu).^2)/(2*(R_var)));
Ry=Ry/max(Ry);
%figure(1)
%plot(Rx,Ry)
end
polydis=0;
%%=========================================================================
%% LIGHT INTENSITY:
%%=========================================================================
for k=1:Num_simulaciones
% monodisperse suspension:
if(polydis == 0)
% Constans dependent of R
[l,L] = Dls_lconstan(R, q, vis, kB, T, Ts);
% Wn vector generation
Wn = wgn(Steps,1,0);
% Initialize In vector
In = 0:1:Steps-1;
% In recursive generation
for i=2:Steps
In(i)=(1-exp(-l))*Wn(i)+In(i-1)*exp(-l);
end
%figure(2)
%plot(vtime,In)
In_export=In';
vt_export=vtime';
else
% polydisperse suspension:
l_Rx = length(Rx);
for j=1:l_Rx
% Constants dependent of R
[l,L] = Dls_lconstan(Rx(j), q, vis, kB, T, Ts);
% Wn vector generation
Wn = wgn(Steps,1,0);
% Initialize In vector
In_aux = 0:1:Steps-1;
% In recursive generation
for i=2:Steps
In_aux(i)=(1-exp(-l))*Wn(i)+In_aux(i-1)*exp(-l);
end
In_T(j,:) = In_aux*(Ry(j));
end
In = sum(In_T);
end
%%=========================================================================
%% AUTOCORRELATION FUNCTION:
%%=========================================================================
% ACF calculate:
[Rmm,lags] = xcorr(In,'unbiased');
71
%figure(2)
%plot(lags,Rmm)
%==========================================================================
% Simulation paramters:
Rmm = Rmm(lags>=0);
lags = lags(lags>=0);
lags = lags*Ts;
i=1;
while(Rmm(i)>= 0 && Rmm(i)>=Rmm(i+1))
i=i+1;
end
ACF = Rmm(1:i);
tao = lags(1:i);
%==========================================================================
% Plot Autocorrelation function
%figure(3)
%plot(lags,Rmm)
ACF_teorical=exp(-2*L*tao);
ACF_teorical=ACF_teorical/(ACF_teorical(1));
ACF=ACF/(ACF(1));
%figure(4)
%plot(tao,ACF)
%hold on
%plot(tao,ACF_teorical)
%hold off
ACF_export=ACF';
ACF_teo_export=ACF_teorical';
tao_export = tao';
ACF = Rmm(1:i)*50000;
%%=========================================================================
%% FIT A+B*exp(-2*alpha*tao):
%%=========================================================================
Aqua = fittype('a*exp(b*tao)+c',...
'dependent',{'ACF'},'independent',{'tao'},...
'coefficients',{'a','b','c'});
ACF_fit = fit(tao',ACF',Aqua);
fitVal = [coeffvalues(ACF_fit);confint(ACF_fit)]
figure(5)
plot(ACF_fit,tao,ACF)
%ACF_export(1,:)=ACF;
%ACF_export(2,:)=tao;
%%=========================================================================
%% Radious determination:
%%=========================================================================
%alpha_experimental = -fitVal(1,2);
%R_experimental = (2*kB*T*q^2)/(6*pi*vis*alpha_experimental)
%%=========================================================================
%% Method of Cumulants:
%%=========================================================================
% Signals processing
g1=sqrt(ACF/(ACF(1)));
%figure(6)
%plot(g1)
y=log(g1);
%figure(7)
%plot(tao,y)
72
%%=========================================================================
% Cut signal
L_y = length(y);
L_y_cut = round(0.65*L_y);
y_cut=y(1:L_y_cut);
tao = tao(1:L_y_cut);
%figure(8)
%plot(tao,y_cut)
fitobject = fit(tao',y_cut','poly2');
fitVal = [coeffvalues(fitobject);confint(fitobject)];
%figure(9)
%plot(fitobject,tao,y_cut)
%%=========================================================================
%% Radious determination of the Cumulants Methods:
%%=========================================================================
alpha_experimental = -fitVal(1,2);
var_exp = abs(2*fitVal(1,1));
Rmedio_exper(k) = (kB*T*q^2)/(6*pi*vis*alpha_experimental);
Diametro_exper(k)=Rmedio_exper(k)*2;
Rvar_exper(k) = (kB*T*q^2)/(6*pi*vis*var_exp);
end
M = mean(Diametro_exper)
S = std(Diametro_exper)
%%=========================================================================
%% FFT:
%%=========================================================================
Fs=1/Ts;
Y = fft(In);
P2 = abs(Y/L);
P1 = P2(1:L/2+1);
P1(2:end-1) = 2*P1(2:end-1);
f = Fs*(0:(L/2))/L;
73
10. ALGORITMOS DE ANÁLISIS ESTADÍSTICO
10.1 Dispersión de mie
clear all
%%=========================================================================
%% Constantes
%%=========================================================================
paso = 1;
%%=========================================================================
%% IMPORTACIÓN DE LA MEDIDA I EN UN ARCHIVO TXT
%%=========================================================================
% Imie:
%fileID = fopen('medicion500nmmie5.txt','r');
fileID = fopen('medicion1000nmmie0.01%.txt','r');
%fileID = fopen('medicion1000nmmie3.txt','r');
formatSpec = '%f';
A = fscanf(fileID,formatSpec);
fclose(fileID);
%%=========================================================================
% Ordenamiento las matrices:
L = length(A);
filas = 16;
columnas = L/filas;
Imie = ordenar_vector(A,filas,columnas);
%%=========================================================================
% eliminación de datos innecesarios
74
Imie = Imie(:,3:columnas);
%%=========================================================================
%% Ajuste por software
%%=========================================================================
%%=========================================================================
%% Ciclo de calculo
%%=========================================================================
%for j=1:(columnas-2)
for j=1:1
%%=========================================================================
IMIE = Imie(:,j)';
%% Ajuste por software
%%=========================================================================
% Vector de angulos:
angle1 = 10:10:80;
angle1 = 80-angle1;
angle2 = 10:10:80;
angle = angle1;
angle(9:16) = angle2;
%%=========================================================================
% Normalization 2
Min = min(IMIE(1:7)');
IMIE(1:7)=IMIE(1:7)-Min;
IMIE(7)=IMIE(7)*1;
M = max(IMIE(1:7)');
IMIE(1:7)=1*IMIE(1:7)./M';
Min = min(IMIE(8:16)');
IMIE(8:16)=IMIE(8:16)-Min;
IMIE(9)=IMIE(9)*1;
M = max(IMIE(8:16)');
IMIE(8:16)=1*IMIE(8:16)./M';
%%=========================================================================
% separación de datos en dos:
Is_exp = zeros(1,19);
Is_exp(1:9) = IMIE(8:16);
Is_exp = Is_exp(2:19);
Is_exp2 = zeros(1,19);
Is_exp2(1:8) = fliplr(IMIE(1:8));
Is_exp2 = Is_exp2(2:19);
%%=========================================================================
%% PARAMETROS Y CONSTANTES
%%=========================================================================
% Angular resolution (deg):
res=9.5;
%res=1;
nsteps=round(180/res);
%%=========================================================================
% Light:
wvlenth = 632*10^-9; % wave long
N = 1.33+10e-8i;
N1 = 1.457;
m=N1/N; % relative complex refractive index m=m'+im";
%%=========================================================================
% Contstant determination:
k0=2*pi/(wvlenth); % wave number
%%=========================================================================
%% BARRIDO DE TAMAÑO DE PARTÍCULAS
%%=========================================================================
75
n = 100;
i=1;
Is_size=zeros(1,19);
while n <= 1000
a=n*10^-9; % Size sphere
x=k0*a*N;
Is = Mie_Intensityscan(m, x, nsteps);
Is_size(i,:)=Is(4,:);
n = n+paso;
i=i+1;
end
Is_size = Is_size(:,2:19);
%%=========================================================================
%% Mínimos cuadrados
%%=========================================================================
% Normalización
Max = max(Is_size');
L = length(Max);
for i=1:L
Min = min(Is_size(i,:)');
Is_size(i,:)=Is_size(i,:)-Min;
Max = max(Is_size');
Is_size(i,:)=Is_size(i,:)/Max(i);
Matriz_diferencias(i,:) = Is_size(i,:)-Is_exp;
Matriz_diferencias2(i,:) = Is_size(i,:)-Is_exp2;
end
%%=========================================================================
% Resta
Matriz_diferencias = abs(Matriz_diferencias);
Matriz_diferencias2 = abs(Matriz_diferencias2);
Matriz_diferencias = Matriz_diferencias.*Matriz_diferencias;
Matriz_diferencias2 = Matriz_diferencias2.*Matriz_diferencias2;
sum_cua = sum(Matriz_diferencias(:,2:9)')/8;
sum_cua2 = sum(Matriz_diferencias2(:,2:9)')/8;
Y = sqrt(sum_cua);
Y2 = sqrt(sum_cua2);
[Min,pos] = min(Y);
[Min2,pos2] = min(Y2);
tamano(j) = (100+(pos-1)*paso)*1
tamano2(j) = (100+(pos2-1)*paso)*1
end
%mean(tamano2)
%std(tamano2)
%mean(tamano)
%std(tamano)
%%=========================================================================
%% BARRIDO DE TAMAÑO DE PARTÍCULAS
%%=========================================================================
figure(1)
plot(Is(1,2:19),Is_size(1:300,:))
hold on
plot(angle,IMIE)
hold off
%legend('Unpolarizated Polarization')
title('Light scattering by small sphere particles: Mie Theory')
ylabel('Relative Intensity')
xlabel('Scatering angle (deg.)')
%%=========================================================================
76
%% Resultados
%%=========================================================================
figure(2)
plot(Is(1,2:19),Is_size(pos,:))
hold on
plot(Is(1,2:19),Is_size(76,:))
plot(Is(1,2:19),Is_size(201,:))
plot(Is(1,2:19),Is_size(451,:))
%plot(Is(1,2:19),Is_size(351,:))
%plot(Is(1,2:19),Is_size(pos2,:))
plot(Is(1,2:19),Is_exp2)
hold off
%legend('Unpolarizated Polarization')
title('Light scattering by small sphere particles: Mie Theory')
ylabel('Relative Intensity')
xlabel('Scatering angle (deg.)')
%%=========================================================================
%% Resultados
%%=========================================================================
figure(3)
plot(Is(1,2:19),Is_size(pos,:))
hold on
%plot(Is(1,2:19),Is_size(351,:))
plot(Is(1,2:19),Is_size(76,:))
plot(Is(1,2:19),Is_size(201,:))
plot(Is(1,2:19),Is_size(451,:))
plot(Is(1,2:19),Is_exp)
hold off
%legend('Unpolarizated Polarization')
title('Light scattering by small sphere particles: Mie Theory')
ylabel('Relative Intensity')
xlabel('Scatering angle (deg.)')
77
Ts=xlsread(filename,sheet,xlRange);
Fs=1/Ts;
[l,L] = Dls_lconstan(R, q, vis, kB, T, Ts);
xlRange = 'A9:B100008';
for j=5:10
sheet = j;
In = xlsread(filename,sheet,xlRange);
figure(1)
plot(In(:,1),In(:,2))
%%=========================================================================
%% REMOVAL OF BASELINE:
%%=========================================================================
[decVector,coefVector] = wavedec(In(:,2),10,'db4'); % wavelet decomposition at 10th level
baseline = wrcoef('a',decVector,coefVector,'db4',10); % reconstruct signal from wavelet
coefficients
%Intensity = I_particulas(:,4) - baseline; % subtracting 10th level aproximation signal
from original signal
%Intensity = I_particulas(:,4);
M = median(In(:,2));
figure(2)
plot(In(:,1),In(:,2))
hold on
plot(In(:,1),baseline)
%plot(M)
hold off
In(:,2)=In(:,2)-M;
%ver = baseline;
%%=========================================================================
%% AUTOCORRELATION FUNCTION:
%%=========================================================================
% ACF calcule:
[Rmm,lags] = xcorr(In(:,2),'unbiased');
Rmm = Rmm(lags>=0);
lags = lags(lags>=0);
lags = lags*Ts;
%%%%%%%%%%%%%
ACF_teorical=exp(-2*L*lags);
ACF_teorical=ACF_teorical/(ACF_teorical(1));
Rmm(1)=Rmm(1)*1;
Rmm=Rmm/Rmm(1);
%%%%%%%%%%%%%
figure(3)
plot(lags,Rmm)
hold on
plot(lags,ACF_teorical)
hold off
i=1;
zero=0;
while(zero < 10)
i=i+1;
if(Rmm(i)>= 0)
zero = zero+1;
end
end
%i=900;
78
i=700;
ACF = Rmm(1:i);
tao = lags(1:i);
ACF_teorical=ACF_teorical(1:i);
figure(4)
%plot(tao,ACF_teorical)
hold on
plot(tao,ACF)
hold off
ACF = Rmm(1:i)*50000000;
%%=========================================================================
%% Baseline ACF:
%%=========================================================================
%[decVector,coefVector] = wavedec(ACF,10,'db4'); % wavelet decomposition at 10th level
%baseline = wrcoef('a',decVector,coefVector,'db4',10); % reconstruct signal from wavelet
coefficients
%figure(4)
%plot(tao,ACF)
%hold on
%plot(tao,baseline)
%hold off
%%=========================================================================
%% Baseline ACF:
%%=========================================================================
[pks,lock] = findpeaks(ACF,Fs);
L_pks = length(pks);
figure(5)
%plot(tao,ACF)
hold on
plot(lock,pks)
hold off
ACF=ACF(1);
tao=tao(1);
ACF(2:L_pks+1)=pks;
tao(2:L_pks+1)=lock;
hold on
plot(tao,ACF)
hold off
%%=========================================================================
%% FIT A+B*exp(-2*alpha*tao):
%%=========================================================================
%Aqua = fittype('a*exp(b*tao)+c',...
% 'dependent',{'ACF'},'independent',{'tao'},...
% 'coefficients',{'a','b','c'});
%ACF_fit = fit(tao',ACF',Aqua);
%fitVal = [coeffvalues(ACF_fit);confint(ACF_fit)]
%figure(6)
%plot(ACF_fit,tao,ACF)
%%=========================================================================
%% Radious determination:
%%=========================================================================
%alpha_experimental = -fitVal(1,2);
%R_experimental = (2*kB*T*q^2)/(6*pi*vis*alpha_experimental)
%%=========================================================================
%% Method of Cumulants:
%%=========================================================================
% Signals processing
g1=sqrt(ACF/(ACF(1)));
79
%figure(6)
%plot(g1)
y=log(g1);
figure(7)
plot(tao,y)
%%=========================================================================
% Cut signal
L_y = length(y);
%L_y_cut = round(0.182*L_y);
L_y_cut = round(0.25*L_y);
y_cut=y(1:L_y_cut);
tao = tao(1:L_y_cut);
figure(8)
plot(tao,y_cut)
fitobject = fit(tao',y_cut','poly2');
fitVal = [coeffvalues(fitobject);confint(fitobject)];
figure(9)
plot(fitobject,tao,y_cut)
%%=========================================================================
%% Radious determination of the Cumulants Methods:
%%=========================================================================
alpha_experimental = -fitVal(1,2);
var_exp = abs(2*fitVal(1,1));
Rmedio_exper(j)= (kB*T*q^2)/(6*pi*vis*alpha_experimental)
Diametro_exper(j)=Rmedio_exper(j)*2;
Rvar_exper = (kB*T*q^2)/(6*pi*vis*var_exp);
resultado(j)= 23.21*2.718^(Rmedio_exper(j)*0.011*10^9)
end
M = mean(resultado)
STD = std(resultado)
M = mean(Rmedio_exper(5:10))
STD = std(Rmedio_exper(5:10))
10.3 Concentración
clear all
%%=========================================================================
%% Parámetros
%%=========================================================================
Tam_particula=1000*10^-9;
%%=========================================================================
%% IMPORTACIÓN DE LOS ARCHIVOS TXT
%%=========================================================================
Ndatos=3;
% Io:
s1 = 'medicionConcentracion1000nmC0.1%_2';
s3 = '.txt';
s = strcat(s1,s3);
fileID = fopen(s,'r');
formatSpec = '%f';
A = fscanf(fileID,formatSpec);
fclose(fileID);
%%=========================================================================
% Ordenamiento las matrices:
L = length(A);
filas = L/3;
columnas = 3;
MEDIDA = ordenar_vector(A,filas,columnas);
%%=========================================================================
80
%% Intensidad Io
%%=========================================================================
figure(1)
plot(MEDIDA(:,1),MEDIDA(:,2))
Io = MEDIDA(MEDIDA(:,1)<=40,2);
I = MEDIDA(MEDIDA(:,1)>=150,2);
Io_mean = mean(Io);
I_mean = mean(I);
%%=========================================================================
%% Intensidad I
%%=========================================================================
figure(2)
plot(I)
%I_mean = mean(W_dur(:,2));
%%=========================================================================
%% Absorbancia1
%%=========================================================================
Io_I = Io_mean/I_mean
%%=========================================================================
%% Calculo de la concentración
%%=========================================================================
uno_t1=-3.56414+(2.91847*10^7*Tam_particula);
C = -log(1/Io_I)*(1/uno_t1)
81