1 引言(Introduction)
重金属废水的任意排放对人类健康和生存环境造成的危害越来越严重, 为减轻重金属废水的污染, 出现了诸如化学沉淀、电化学、吸附、膜分离和离子交换等处理方法。目前国内外普遍采用化学沉淀法处理高浓度重金属废水, 但该法存在着处理效果不理想、沉淀物沉降性差、处理效果不稳定等缺点。为了充分利用传统化学沉淀法现有处理单元和降低处理成本等, 开发新型高效、价廉的重金属处理剂成为研究热点。聚丙烯酰胺(PAM)作为有机高分子絮凝剂多被用于处理废水中浊度、色度、菌类等胶体型污染物, 在重金属废水处理中仅以助凝剂发挥助沉作用, 其本身不能有效去除溶解态重金属离子.学者们利用PAM分子链上侧基(酰胺基)具有高反应活性的特点, 对其进行改性可提高絮凝性能(方道斌等, 2006);而将含硫配位基团引入到高分子絮凝剂中, 可以获得具有重金属捕集功能的新型重金属絮凝剂。因此, 若PAM先经羟甲基化反应制备出羟甲基聚丙烯酰胺(MPAM), 然后将巯基接枝到MPAM分子链上, 可同时发挥巯基对重金属离子的螯合沉淀作用和MPAM对沉淀物的强絮凝性能, 有望成为高效、实用的新型重金属废水处理剂.
目前重金属废水处理剂的制备方法大多采用单因素实验法或正交实验法，而对制备条件中各影响因素间的交互作用及主要影响因素与目标值之间的函数关系研究较少.响应面法(RSM)是一种基于多元回归分析的优化设计法, 将影响因素和目标值的相互关系用多项式进行拟合, 可评价各影响因素间的交互作用，RSM具有实验周期短、精密度高、预测性能好等优点(姜昭等, 2016).响应面实验方案设计中主要因素及其相应水平值的选取至关重要, 只有响应面拟合方程逼近响应曲面的最优区域时才能预测真实情况。Plackett-Burman法可快速有效地筛选出主要的影响因素, 被广泛地用于因子主效应的估计中。最陡爬坡实验可根据各因素效应值大小来确定变化步长, 能快速、有效地确定响应曲面的最优区域.因此, 可选取Plackett-Burman实验和最陡爬坡实验确定主要影响因素和最优区域.
本研究以PAM、甲醛、氢氧化钠、巯基乙酸为原料制备新型重金属絮凝剂——巯基乙酰化羟甲基聚丙烯酰胺(MAMPAM), 采用Plackett-Burman实验、最陡爬坡实验和响应面法中CCD实验设计方案, 以含Cu(Ⅱ)水样中Cu(Ⅱ)的去除性能为考察目标, 确定MAMPAM制备条件(MPAM浓度、反应物比例、反应介质pH值、反应时间和反应温度)中的主要影响因素及其交互效应, 并优化MAMPAM的制备条件, 可望为新型重金属废水处理剂制备条件的优化提供技术参考.
2 实验部分(Experimental section)2.1 试剂与仪器
试剂：聚丙烯酰胺(PAM, 相对分子质量为24万)、甲醛(HCHO, AR)、巯基乙酸(TGA, AR)、盐酸(HCl, AR)、氢氧化钠(NaOH, AR)、溴化钾(KBr, GR)、含铜水样(CuCl2·2H2O与自来水配制).
仪器：恒温磁力搅拌器(JB-2型, 上海雷磁新泾仪器有限公司), pH测试仪(Orion 828型, 美国奥立龙中国公司), 电子天平(FA2004N型, 上海精密科学仪器有限公司), 程控混凝实验搅拌仪(TS6-1型, 武汉恒岭科技有限公司), 傅立叶变换红外分光光度计(IR Prestige-21型, 日本岛津公司).
2.2 MAMPAM的制备
首先将PAM配制成2%的水溶液, 加入到三口瓶中, 按物质的量比HCHO:PAM=1:1加入一定量的HCHO, 用NaOH溶液调节pH值为11.0, 置于磁力搅拌器上水浴恒温50 ℃搅拌2 h, 得到中间产物MPAM.移取25 mL一定浓度的MPAM于三口瓶中, 置于磁力搅拌器上, 调节至所需温度, 加入一定体积的TGA, 用NaOH溶液调节体系pH值, 反应一定时间后制得最终产物MAMPAM, 冷却后备用.
2.3 实验设计2.3.1 Plackett-Burman实验
在前期单因素实验基础上, 选取MAMPAM制备条件中5个影响因素：MPAM浓度、反应物比例(MPAM和TGA物质的量之比)、反应介质pH值、反应时间(t)和反应温度(T);并增加6个虚拟变量作为误差分析项, 每个因素取2个水平, 分别以-1和+1表示(Ghanem et al., 2000;Rao et al., 2001).各因素与水平见表 1.
表 1 Plackett-Burman实验设计因素与水平
2.3.2 最陡爬坡实验
根据Plackett-Burman实验得到的回归方程设计最陡爬坡实验, 按照效应的正负和因素的效应值分别确定爬坡方向和步长.
2.3.3 响应面实验
根据Plackett-Burman实验结果筛选出的主要影响因素和最陡爬坡实验确定最优响应区域, 应用RSM中CCD模型进行编码, 设计实验方案.以水样中Cu(Ⅱ)的去除率为响应值进行方差分析和响应面分析, 获得二阶响应面模型, 确定MAMPAM的最优制备条件并进行验证.
2.4 絮凝实验
采用程控混凝实验搅拌仪, 每组取6个400 mL含铜水样(Cu(Ⅱ)初始浓度为25 mg·L-1), 分别用1.0 mol·L-1 HCl溶液调节其pH值为6.0, 投加不同量MAMPAM, 快搅(120 r·min-1)2 min, 慢搅(40 r·min-1)10 min, 静置沉降15 min后, 用移液管吸取距液面2 cm处的上清液, 采用原子吸收分光光度计测定Cu(Ⅱ)剩余浓度.
3 结果与讨论(Results and discussion)3.1 Plackett-Burman实验确定主要影响因素
将表 1中Plackett-Burman实验设计的各因素及其水平值依次输入Design-Expert 8.0.6软件, 可生成Plackett-Burman实验方案, 按照该方案进行MAMPAM的制备和絮凝实验.以水样中Cu(Ⅱ)的去除率为考察对象, 通过回归分析筛选出MAMPAM制备条件中的主要影响因素.Plackett-Burman实验方案及结果见表 2.
表 2 Plackett-Burman实验方案与结果
利用Design-Expert 8.0.6软件对表 2中Cu(Ⅱ)去除率进行回归模型分析, 结果见表 3.
表 3 影响因素回归分析
通常利用p值来检测回归模型和回归系数的显著性, p值越小, 表明结果越显著.若p < 0.01, 说明因素所对应结果的相关性非常显著;若0.01 < p < 0.05, 说明因素所对应结果的相关性显著;若p>0.05, 说明因素所对应结果的相关性不显著(张文彤, 2013;王雅辉等, 2017).由表 3可知, 回归模型的p值(0.0024)<0.05, 表明该模型显著, 在整个回归区域拟合良好;确定出X1(MPAM浓度)、X2(反应物比例)、X3(反应介质pH值)对MAMPAM的制备存在显著性影响, 其中X3的p值最小(p=0.0008), 其对MAMPAM制备的影响最显著, 其次是X2(p=0.0038), 再次为X1(p=0.0142);其他2个因素反应温度、反应时间的p值均大于0.05, 对MAMPAM制备的影响不显著.由此筛选出X1、X2、X3作为MAMPAM制备条件中的主要影响因素.
由表 3还可以看出, X2的回归系数为正值, 表明其影响为正效应;X1、X3的回归系数均为负值, 表明其影响为负效应.即：随着主要因素X2取值的增加, 所制备的MAMPAM对Cu(Ⅱ)的去除率呈升高趋势;随着主要因素X1、X3取值的降低, 所制备的MAMPAM对Cu(Ⅱ)的去除率呈升高趋势.因此在后续实验中其取值从低水平开始增加正效应的值或从高水平开始减少负效应的值.
通过Plackett-Burman模型进行回归分析, 获得线性方程(以编码值表示), 如式(1)所示.
该回归模型的决定系数R2=0.9270, 说明相关性较好;校正决定系数Radj2=0.8661, 说明该模型能解释86.61%的响应值变化;变异系数CV值为4.15%, 小于10%, 说明精确度和可信度良好(郝海艳等, 2016);精密度为13.14, 大于4.0视为合理(杨杰等, 2016).
3.2 最陡爬坡实验确定最优响应区域
根据Plackett-Burman实验筛选出MAMPAM制备条件中的3个主要影响因素, 并按照各主要因素回归系数正、负效应的水平值依次增大或减小;其他2个因素根据其回归系数的正、负效应分别取水平的最高值和最低值(葛启隆等, 2014), 即反应温度为25 ℃、反应时间为2 h.按照该设计进行MAMPAM的制备和絮凝实验, 以水样中Cu(Ⅱ)的去除率为考察对象, 确定MAMPAM制备中的最优响应区域.最陡爬坡实验设计及结果见表 4.
表 4 最陡爬坡实验设计及结果
由表 4可知, 实验3条件下制备的MAMPAM对水样中Cu(Ⅱ)去除率最高, 故采用反应物MPAM浓度0.5%、反应物比例1:3、反应介质pH值4.0作为后续响应面实验设计的中心点, 以此确定最优响应区域.
3.3 响应面法确定MAMPAM最优制备条件3.3.1 CCD实验方案设计
根据Plackett-Burman实验结果筛选出的主要影响因素和最陡爬坡实验确定的水平中心点对MAMPAM制备条件中的主要影响因素进行编码, 以+α、+1、0、-1、-α(α取1.682)代表各因素的水平值, 采用响应面法中CCD模型进行实验方案设计(杜凤龄等, 2015;Bhagwat et al., 2015), 实验因素编码及水平见表 5.
表 5 CCD实验因素编码及水平
3.3.2 CCD实验结果及方差分析
将各因素及其水平值依次输入Design-Expert 8.0.6软件, 生成实验方案表, 按照该设计方案进行MAMPAM的制备及絮凝实验.CCD实验设计方案及结果见表 6.
表 6 CCD实验设计及结果
以Cu(Ⅱ)去除率为响应值, 采用Design-Expert 8.0.6软件对实验数据进行方差分析, 结果如表 7所示.
表 7 响应面模型的方差分析
采用Design-Expert 8.0.6软件对CCD实验结果进行回归数据分析, 建立二次响应面回归模型, 获得以Cu(Ⅱ)去除率(Y)为响应值, 反应物MPAM浓度(X1)、反应物比例(X2)、反应介质pH值(X3)为自变量的多元二次回归方程(以编码值表示), 如式(2)所示.
由表 7可知, 回归模型的p值为0.0003, 表明拟合模型非常显著;而失拟项的p值为0.2773>0.05, 表明失拟项不显著, 说明该模型稳定, 实验误差小, 可以作为不同因素水平对Cu(Ⅱ)去除率影响的预测.模型决定系数R2=0.9150, 说明模型中各项之间相关性较好, 校正决定系数Radj2=0.8385, 表明该模型能解释83.85%的响应值变化;变异系数CV值为0.76% < 10%, 说明模型的精确度和可信度良好;精密度为10.681>4.0, 表明模型合理.
3.3.3 响应面分析
为了考察各因素及因素间交互作用对所制备的MAMPAM除Cu(Ⅱ)性能的影响, 对回归方程(2)利用软件Design-Expert 8.0.6进行分析, 获得各因素响应面的二维等高线和三维立体图, 如图 1~图 3所示.响应面图中的等高线可直接反映两因素间交互作用的强弱, 等高线越接近圆形, 表明两因素交互作用不显著, 而越接近椭圆, 表明两因素交互作用显著, 椭圆排列越紧密, 因素变化对结果影响越大(Li et al., 2009;Montgomery, 1991).
图 1 MPAM浓度与反应物比例对MAMPAM去除Cu(Ⅱ)性能影响的响应面及等高线
图 2 MPAM浓度与反应介质pH值对MAMPAM去除Cu(Ⅱ)性能影响的响应面及等高线
图 3反应物比例与反应介质pH值对MAMPAM去除Cu(Ⅱ)性能影响的响应面及等高线
图 1为反应介质pH值在中心值4.0时, MPAM浓度和反应物比例对制备的MAMPAM除Cu(Ⅱ)性能的影响.图中等高线呈椭圆形, 说明MPAM浓度和反应物比例交互作用显著.当MPAM浓度在0.25%~0.75%范围内, 随着MPAM浓度的增大, MAMPAM除Cu(Ⅱ)的效果呈先升高后降低趋势;当反应物比例为1:2.5~1:3.5时, 随着反应物比例的增大, MAMPAM除Cu(Ⅱ)的效果呈先升高后降低趋势.同时增大MPAM浓度和反应物比例, Cu(Ⅱ)的去除率先升高后降低.当反应物浓度为0.25%~0.35%, 反应物比例为1:3.1~1:3.5时, MAMPAM对Cu(Ⅱ)的去除可以达到较好效果.
图 2中显示了反应物比例在中心值1:3条件下, 反应介质pH值和MPAM浓度对所制备的MAMPAM除Cu(Ⅱ)性能的影响.图中等高线呈椭圆形, 表明反应介质pH值和MPAM浓度交互作用显著.保持反应介质pH值不变, 随着MAMPAM制备条件中MPAM浓度的升高, Cu(Ⅱ)的去除率整体呈先升高后降低;当MPAM浓度不变时, Cu(Ⅱ)的去除率随着反应介质pH值的增加而呈先增大后减小趋势;同时增加MPAM浓度和反应介质pH值, 所制备的MAMPAM对Cu(Ⅱ)的去除率呈先升高后降低趋势, 表明两者具有一定的拮抗作用.当MPAM浓度为0.25%~0.35%, 反应介质pH值大于4.3~4.5时, MAMPAM对Cu(Ⅱ)的去除可以达到较好效果.
图 3为反应物浓度在中心值0.5%时, 反应介质pH值和反应物比例对制备的MAMPAM除Cu(Ⅱ)性能的影响.从图 3可以看出, 图中等高线接近圆形, 说明反应介质pH值和反应物比例交互作用不显著.随着反应物比例的增大, 所制备的MAMPAM对Cu(Ⅱ)的去除率呈升高趋势;当反应物比例一定时, 升高反应介质pH值, 所制备的MAMPAM对Cu(Ⅱ)的去除率整体呈升高趋势;同时增大反应介质pH值和反应物比例, Cu(Ⅱ)的去除率升高.当反应介质pH值4.3~4.5时, 反应物比例1:3.1~1:3.5时, MAMPAM对Cu(Ⅱ)的去除可以达到较好效果.
3.3.4 最优制备条件确定与验证
通过对回归方程(2)进行解模型逆矩阵, 得到极大值所对应各主要因素的编码值, 换算成实际值即为MAMPAM的理论最优制备条件, 即：MPAM浓度为0.31%、反应物比例(MPAM:TGA)为1:3.2、反应介质pH值为4.76, 其他因素反应温度为25 ℃、反应时间为2 h.以此条件制备的MAMPAM对含Cu(Ⅱ)水样进行絮凝实验, Cu(Ⅱ)的去除率为95.30%, 模型的理论预测值为94.47%, 其相对偏差仅为0.83%, 由此说明采用响应面法优化MAMPAM的制备条件合理、可靠.
3.3.5 MAMPAM对不同浓度含Cu(Ⅱ)水样的去除
取Cu(Ⅱ)初始浓度分别为5、15、25 mg·L-1的水样, 调节其pH值为6.0, 投加不同量最优条件下制备的MAMPAM进行絮凝实验, 结果如图 4所示.
图 4 MAMPAM对不同初始浓度含Cu(Ⅱ)水样的去除
由图 4可知, MAMPAM对不同初始浓度的含Cu(Ⅱ)水样均具有较好的去除效果, Cu(Ⅱ)去除率随着MAMPAM投加量的增加而先升高后降低, 存在最佳投药量.当水样中Cu(Ⅱ)初始浓度分别为5、15、25 mg·L-1时, MAMPAM对Cu(Ⅱ)最高去除率依次为91.70%、94.47%、95.64%, 去除效果良好.随着MAMPAM投加量的增加, 与Cu(Ⅱ)发生螯合作用的巯基数量增多, 生成絮体量变多, 絮体间碰撞几率增加, 絮体变大, 沉降性能增强, Cu(Ⅱ)去除率升高.当MAMPAM投加过量后, 絮体颗粒周围会存在过剩的带负电荷的MAMPAM, 使絮体间产生较大的静电斥力, 减弱了颗粒间的碰撞, 絮体不易聚沉, Cu(Ⅱ)去除率降低.
3.4 红外分析
将制备的MPAM、MAMPAM均用丙酮进行沉析, 经过滤、洗涤数次后, 置于50 ℃条件下进行真空干燥.取干燥后的MPAM、MAMPAM分别与KBr混合、研磨、压片, 采用红外分光光度计进行红外光谱表征.结果见图 5.
图 5 MPAM(a)和MAMPAM(b)红外光谱
图 5表明, 相对于MPAM的红外光谱, MAMPAM谱图中2862.36 cm-1和667.33 cm-1处出现了新的微弱吸收峰, 分别归属于S—H和C—S键的伸缩振动峰(卢涌泉等, 1989;陈理想等, 2015), 表明MPAM分子链上成功接上了巯基乙酰基(—COCH2SH);归属于仲酰胺基(—CONH—)中N—H键3408.22 cm-1处的伸缩振动峰(朱明华等, 2007)、1539.20 cm-1处的变形振动峰(陈和生等, 2011)分别左移到3425.58 cm-1、1546.91 cm-1处, 1662.64 cm-1处C=O键的伸缩振动峰(卢涌泉等, 1989)右移到1647.21 cm-1处, 上述吸收峰的变化表明巯基乙酰化反应主要发生在MPAM分子链中的仲酰胺基上.具体参见污水宝商城资料或http://www.dowater.com更多相关技术文档。
4 结论(Conclusions)
1) Plackett-Burman实验能有效地筛选出MAMPAM制备条件中的主要影响因素：MPAM浓度、反应物比例、反应介质pH值, 建立的多元一次回归模型显著, 精确度和可信度较好.最陡爬坡实验可快速地找到MAMPAM制备条件中的最优响应区域, 确定出各主要影响因素水平值的中心点.
2) 采用响应面法中的CCD法可建立Cu(Ⅱ)去除率与MAMPAM制备条件中主要影响因素的二次多项式模型, 该模型非常显著, 而失拟项不显著, 表明模型在被研究的整个回归区域内拟合性良好, 可信度较高.
3) 通过对响应面模型获得的MAMPAM最优制备条件进行实验验证, MAMPAM对Cu(Ⅱ)的去除率可达到95.30%, 与模型的理论预测值相对偏差仅为0.83%.该优化条件下制备的MAMPAM对不同初始浓度的含Cu(Ⅱ)水样均具有良好的去除效果.
4) 通过Plackett-Burman实验、最陡爬坡实验和CCD法的联合使用来优化MAMPAM的制备条件合理、可行、可靠.红外分析表明MPAM分子链上成功接上了巯基.
