Anda di halaman 1dari 11

Mecnica Computacional Vol XXX, pgs.

2409-2419 (artculo completo)


Oscar Mller, Javier W. Signorelli, Mario A. Storti (Eds.)
Rosario, Argentina, 1-4 Noviembre 2011

PARTICULAS CON MORFOLOGIA NUCLEO CORAZA.


ESTIMACION DE LA DISTRIBUCION BIVARIABLE DE TAMAOS
POR DISPERSION DE LUZ ESTATICA
Luis A. Clementia,b, Jorge R. Vegaa,b, Luis M. Gugliottaa, Arturo Quirantesc
a

INTEC CONICET y Universidad Nacional del Litoral, Gemes 3450, 3000 Santa Fe, Argentina,
lgug@intec.unl.edu.ar
b

Facultad Regional Santa Fe, Universidad Tecnolgica Nacional, Lavaise 610, 3000 Santa Fe,
Argentina, jvega@santafe-conicet.gov.ar
c

Facultad de Ciencias, Universidad de Granada, Los Alerces 3492, 18071 Granada, Espaa,
aquiran@ugr.es

Palabras Clave: Partculas Ncleo Coraza, Distribucin de Tamaos de Partcula,


Dispersin de Luz Esttica, Problema Inverso, Regularizacin de Tikhonov
Resumen. Este trabajo presenta un mtodo novedoso para estimar simultneamente las distribuciones
de tamaos de ncleo (NSD) y de partcula (PSD) en sistemas coloidales de partculas submicromtricas con morfologa esfrica ncleo coraza a partir de mediciones de dispersin de luz
esttica (ELS), mediante la determinacin de la distribucin bivariable de tamaos de ncleo y de
partculas. El problema fsico conduce al planteo de un problema inverso mal-condicionado el cual se
resuelve por regularizacin de Tikhonov, con seleccin del parmetro de regularizacin a partir del
mtodo de la curva-L. El mtodo propuesto se evala sobre la base de dos ejemplos simulados
numricamente correspondientes a ltex polimricos de partculas con ncleo de poliestireno y coraza
de polimetacrilato de metilo, y un caso experimental correspondiente a un sistema coloidal de
partculas con ncleo de Hematita y coraza de carbonato de Itrio. Los resultados muestran que el
mtodo propuesto es adecuado para estimar la distribucin bivariable de tamaos a partir de
mediciones de ELS. Con este procedimiento, se recuperan aceptablemente la NSD y la PSD en los
ejemplos simulados; y en el caso experimental, se logra una buena concordancia entre las estimaciones
y las mediciones obtenidas por microscopia electrnica de transmisin.

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

2410

L. CLEMENTI, J. VEGA, L. GUGLIOTTA, A. QUIRANTES

INTRODUCCION

La distribucin de tamaos de partcula (PSD) es una caracterstica fsica de gran


importancia en sistemas coloidales particulados tales como aerosoles, emulsiones,
suspensiones, dispersiones, polvos, etc. Por ejemplo, el comportamiento reolgico y la
estabilidad qumica de emulsiones y dispersiones, los procesos de coagulacin, y ciertas
propiedades magnticas y pticas son influenciadas por la PSD (Collins, 1997).
En sistemas coloidales de partculas esfricas con morfologa homognea, como la
esquematizada en la Fig. 1a), la PSD discreta, f ( D i ) (i = 1, , N), representa la fraccin en
nmero (o el nmero) de partculas con dimetros comprendidos entre D i y D i + D . La
tcnica de dispersin de luz esttica (ELS) se ha utilizado ampliamente para estimar la PSD
en este tipo de sistemas coloidales (Glatter y col., 1985; Hofer y col., 1989; Finsy y col.,
1992; Eliabe, y Frontini, 1996; Frontini, 2008). En ELS se ilumina la muestra a analizar con
luz monocromtica (lser) de longitud de onda 0 y se mide la intensidad de luz dispersada,
I , a diferentes ngulos de medicin, r (r = 1,, R). La teora de Mie (Bohren y Huffman,
1983) permite relacionar la PSD con las mediciones de intensidad de luz dispersada I ( r )
mediante:

I ( r ) = k I

C I ( r , D i ) f ( D i )

; r = 1, , R

(1)

i =1

donde k I es una constante y los coeficientes C I ( r , Di ) se calculan a partir de la teora de


Mie (Bohren y Huffman, 1983). Los coeficientes C I ( r , Di ) representan la fraccin de luz
dispersada por una partcula de dimetro D i a un ngulo r , y dependen del tipo de
polarizacin de la luz, y del ndice de refraccin del medio (nm) y de las partculas (np) a la
longitud de onda 0 . La estimacin de la PSD f ( D i ) sobre la base de la Ec. (1) involucra la
resolucin de un problema inverso mal-condicionado (PIMC) en el cual pequeas
perturbaciones en las mediciones producen enormes desvos en la PSD estimada. Por esta
razn, se utilizan normalmente mtodos de regularizacin (Tikhonov y Arsenin, 1977) para
resolver el PIMC descrito por la Ec. (1). Por ejemplo, el mtodo de regularizacin de
Tikhonov puede plantearse como un problema de optimizacin, mediante:

min J (f ) = min I I
f
f

2
2

+ H f
2

(2)

donde I es el vector (R1) cuyas componentes son las mediciones I ( r ) ; I (R1) contiene
las intensidades I ( ) obtenidas a partir de la Ec. (1) para la PSD estimada f ( D ) ; f
r

(N1) contiene las ordenadas de f ( D i ) ; H es la matriz de regularizacin (RN); es el


parmetro de regularizacin; y el smbolo ^ indica valor estimado.
En cambio, para sistemas coloidales de partculas esfricas con morfologa no homognea
de tipo ncleo coraza como la que se esquematiza en la Fig. 1b), la distribucin de tamaos
discreta resulta una funcin bivariable, F ( X l , Yi ) (l = 1,, L; i = 1,, N), la cual
representa la fraccin en nmero (o el nmero) de partculas con dimetro de ncleo
comprendido entre X l y X l + X , y dimetro de partcula (dimetro total) comprendido
entre Yi y Yi + Y .

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

Mecnica Computacional Vol XXX, pgs. 2409-2419 (2011)

2411

Figura 1: Esquema de dispersin de luz. a) Partcula esfrica homognea de dimetro D e de ndice de refraccin
np; b) Partcula ncleo coraza, de dimetro de ncleo Xl e ndice de refraccin np,X, y dimetro de partcula Yi e
ndice de refraccin de coraza np,Y.

Para un sistema como el descrito, la distribucin bivariable, F ( X l , Yi ) , permite calcular


la distribucin de tamaos de ncleo (NSD), f X ( X l ) , y la PSD, f Y ( Yi ) , mediante:
N

f X ( X l ) = F ( X l , Yi )

(3)

i =1

f Y ( Yi ) = F ( X l , Yi )

(4)

l =1

Adems, considerando el espesor de coraza, Zi,l = (Yi - Xl)/2, puede definirse a la distribucin
de espesores de coraza (TSD), f Z ( Z i ,l ) , la cual se relaciona con F ( X l , Yi ) y f X ( X l )

mediante:
F ( X l , Yi ) = f X ( X l ) f Z ( Z i ,l ) = f X ( X l ) f Z [(Yi X l ) / 2 ]

(5)

La teora de Aden y Kerker (Bohren y Huffman, 1983) permite relacionar la distribucin


bivariable F ( X l , Yi ) con las mediciones de ELS, I ( r ) , mediante:
I ( r ) = k I

C I ( r , X l , Yi ) F ( X l , Yi )

; r = 1, , R

(6)

i =1 l =1

donde los coeficientes C I ( r , X l , Yi ) se calculan mediante la teora de Aden y Kerker


(Bohren y Huffman, 1983). Los C I ( r , X l , Yi ) representan la fraccin de luz dispersada por
una partcula de dimetro de ncleo X l y dimetro total Yi , a un ngulo de r , y dependen
del tipo de polarizacin de la luz, y de los ndices de refraccin del ncleo (np,X), de la coraza
(np,Y), y del medio (nm) a la longitud de onda 0 . La estimacin de la distribucin bivariable
de tamaos, F ( X l , Yi ) , sobre la base de la Ec. (6) tambin conduce al planteo de un PIMC.
El problema de estimacin de la distribucin bivariable F ( X l , Yi ) no ha sido reportado

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

2412

L. CLEMENTI, J. VEGA, L. GUGLIOTTA, A. QUIRANTES

en la literatura. Por otro lado, el problema de estimacin de la NSD y la PSD, f X ( X l ) y


f Y ( Yi ) , ha sido escasamente abordado en la literatura. Quirantes y col. (1997), y Lagasse y
Richards (2003) estimaron PSDs en sistemas coloidales de partculas con morfologa ncleocoraza a partir de mediciones de ELS. Quirantes y col. (1997), estimaron la PSD en sistemas
de partculas con ncleos de Hematita (Fe2O3) y corazas de carbonato de Itrio [Y(OH)CO3]
dispersas en agua, aproximando la distribucin f Y ( Yi ) mediante una expresin normallogartmica (de dimetro medio Y y desvo estndar Y ) para obtener por mnimos
cuadrados los parmetros de la PSD. En su trabajo, utilizaron una de dos posibles hiptesis
simplificatorias: i) consideraron a f X ( X l ) como monodispersa, reduciendo el nmero de
incgnitas en el problema inverso a slo tres: el dimetro de ncleo X , y los parmetros Y y
Y ); o ii) consideraron constante la relacin RX,Y = Xl / Yi, reduciendo las incgnitas tambin
a tres: RX,Y , Y y Y . El mtodo propuesto por Quirantes y col. (1997), si bien obtuvo buenas
aproximaciones de los dimetros medios de las distribuciones de ncleo y de partcula [en
comparacin con estimaciones obtenidas mediante microscopia electrnica de transmisin
(TEM)], obtuvo distribuciones con anchos alejados de los esperados. Por otro lado, Lagasse y
Richards (2003), trabajando con sistemas de partculas huecas de vidrio y suponiendo una
relacin RX,Y constante, aproximaron la distribucin f Y ( Yi ) mediante una combinacin
lineal de funciones B-Splines y propusieron resolver el problema inverso involucrado
mediante un mtodo de regularizacin. Sin embargo, la evaluacin del mtodo propuesto fue
llevada a cabo slo con partculas de tamaos superiores a los 6 m.
En este trabajo se propone un mtodo para la estimacin de la NSD y la PSD en sistemas
de partculas con morfologa ncleo coraza, de mayor generalidad en el sentido que permite
estimar la distribucin bivariable F ( X l , Yi ) , sin asumir ninguna forma predeterminada. Se
evala el mtodo sobre la base de dos ejemplos simulados numricamente correspondientes a
ltex polimricos de partculas con ncleos de poliestireno (PS) y corazas de polimetacrilato
de metilo (PMMA). Adems, se analiza un caso experimental correspondiente a un sistema de
partculas con ncleos de Hematita y corazas de carbonato de Itrio, caracterizado previamente
mediante TEM.
2 DESCRIPCION DEL METODO PROPUESTO

En este trabajo se estiman la NSD y la PSD a partir de la estimacin de la distribucin


bivariable F ( X l , Yi ) y la posterior aplicacin de las Ecs. (3) y (4). Para estimar F ( X l , Yi )
se propone utilizar el mtodo de regularizacin de Tikhonov de segundo orden (Tikhonov y
Arsenin, 1977). A tal fin, se generaliza la Ec. (2) reescribindola como:

min J ( F ) = min I I
F
F

2

2

+ F ( X l , Yi ) sujeto a : F 0

l =1 i =1

L N

(7)

donde 2 = [ 2 ( ) / X 2 + 2 ( ) / Y 2 ] es el operador Laplaciano bidimensional


implementado numricamente; y es el parmetro de regularizacin, el cual se obtiene
mediante el mtodo de la curva-L (Hansen y OLeary, 1993).
Debido al mal-condicionamiento del problema inverso y a la presencia de ruido aleatorio
en las mediciones I ( r ) , es esperable que el problema de optimizacin descrito por la Ec.
(7) posea mltiples mnimos locales. Por lo tanto, la herramienta de optimizacin a utilizar

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

Mecnica Computacional Vol XXX, pgs. 2409-2419 (2011)

2413

para resolver el PIMC debe ser capaz de obtener la solucin correspondiente al ptimo global
de la Ec. (7) evitando los ptimos locales. Se utiliz en este trabajo un algoritmo basado en
optimizacin por enjambres de partculas (PSO) (Rocca y col., 2009).

2.1 Resolucin del PIMC mediante PSO


En un PSO, la bsqueda del ptimo de la Ec. (7) se lleva a cabo mediante un conjunto o
enjambre de partculas (para evitar confusiones, el trmino partcula correspondiente al
PSO se indica entre comillas). En el contexto de PSO, una partcula representa una posible
solucin a la Ec. (7). Durante la ejecucin de un PSO, cada partcula en el enjambre se
mueve continuamente por el espacio de solucin hasta que se alcanza un estado estable
(Rocca y col., 2009).
La p-sima partcula en el enjambre representa un punto en un espacio de LN, o sea:

Fp

F p ( X ,Y )
1
1
p
F ( X 1 , Y2 )
=

F p ( X 1 , Y N )

F p
F p ( X L , Y1 )
1,1

p
F1 ,p2
F ( X L ,Y2 )
=

p
F p
F ( X L , Y N )
1,N

FLp, 1

FLp, 2



FL,pN

La mejor posicin obtenida por la p-sima partcula [o sea, la posicin que produjo el
menor valor J de la Ec. (7)], B p , y la mejor posicin obtenida histricamente por el PSO,
G , estn representadas mediante:

Bp

Bp
1,1
B1p, 2
=

B p
1, N

G1 , 1
B Lp, 1

p
BL, 2
G1 , 2
; G=

B L,p N
G1 , N

G L ,1

GL,2

G L, N

Adems, la p-sima partcula se mueve sobre el espacio de solucin con una velocidad dada
por:

Vp

V p
1,1
V p
= 1, 2

V p
1,N

V Lp, 1

p
VL , 2



V L,pN

En cada iteracin, k, la posicin de las partculas y su velocidad son manipuladas de


acuerdo con (Shi y Eberhart, 1998; Rocca y col., 2009):
V p [ k + 1] = w k V p [ k ] + c1 R1 { B p F p [ k ]} + c 2 R 2 {G F p [ k ]}

(8a)

F p [ k + 1] = F p [ k ] + V p [ k + 1]

(8b)

donde wk es la llamada funcin de inercia; c1 y c2 son las aceleraciones cognitiva y social


respectivamente; y R1 y R2 son dos valores aleatorios escogidos en cada iteracin a partir de
una distribucin uniformemente distribuida en el intervalo (0,1). Existen infinitas

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

2414

L. CLEMENTI, J. VEGA, L. GUGLIOTTA, A. QUIRANTES

combinaciones posibles para los parmetros operativos wk, c1, y c2 en una PSO. Se utilizan
aqu los parmetros propuestos por Trelea (2003): c1 = c2 = 1.7 y wk = 0.6.
El enjambre se inicializa aleatoriamente en la primer iteracin (k = 1) a partir de una
distribucin de probabilidades homognea. En cada iteracin, se utilizan las Ecs. (8a) y (8b)
para actualizar la velocidad y posicin de cada partcula en el enjambre. El nmero total de
iteraciones en el PSO, K, se escoge de modo de asegurar la convergencia del algoritmo, y se
adopta a G como la solucin obtenida por la PSO. Mayores detalles sobre la implementacin
de PSOs pueden encontrarse en Shi y Eberhart (1998), y Rocca y col. (2009).

3 ANALISIS DE EJEMPLOS SIMULADOS


Para evaluar la validez del mtodo propuesto, se analizan dos ejemplos simulados
numricamente de distribuciones bivariables, F1 y F2, correspondientes a ltex de partculas
con ncleos de poliestireno (PS) y corazas de polimetacrilato de metilo (PMMA) dispersas en
agua. Para implementar las simulaciones, se discretiz el eje X en el rango [300 - 600] nm, y
el eje Y en el rango [300 - 800] nm, ambos en intervalos de 5nm. La distribucin bivariable
F1 se genero a partir de la Ec. (5) asumiendo: i) una NSD fX,1 de tipo normal-logartmica,
obtenida a partir de la Ec. (9), de media Dg,X1 = 400 nm, y desvo L,X1 = 0.04; y ii) una TSD
fZ,1 normal-logartmica [Ec. (9)] de media Dg,Z1 = 15 nm y desvo L,Z1 = 0.30. De forma
similar, la distribucin F2 se obtuvo asumiendo: i) una NSD fX,2 normal-logartmica [Ec. (9)]
de media Dg,X2 = 450 nm, y desvo L,X2 = 0.035; y ii) una TSD fZ,2 normal-logartmica de
media Dg,Z2 = 25 nm y desvo L.Z2 = 0.35.
f (D) =

D
D L

[ ln( D / D )] 2
g
exp 2

2
2 L

(9)

F1 y F2 exhiben diferentes distribuciones de ncleo y espesores de coraza y fueron


escogidas para evaluar la performance del mtodo de estimacin ante distribuciones de
diferente ancho y tamao medio. F1 exhibe una TSD muy angosta y de bajo espesor medio,
mientras que la TSD para F2 resulta ms ancha y de mayor espesor medio.
Las distribuciones F1 y F2 se utilizaron para simular las mediciones de ELS, I1 e I2
respectivamente, mediante la Ec. (6), a los ngulos comprendidos en el intervalo [20 - 150]
en incrementos de 5. Se asumi un lser de He-Ne ( 0 =632.8 nm). A la longitud de onda 0
se tiene nm = 1.3316 (Kerker, 1969); np,X = 1.5728 (Inagaki y col., 1977), y np,Y = 1.489
(Kasarova y col., 2007). Para simular ejemplos cercanos a la experimentacin, se perturbaron
las mediciones con ruido aleatorio de distribucin Gaussiana, media nula y desvo estndar
igual al 0.25% del mximo de las mediciones. Se presentan en las Figs. 2) y 3) las
distribuciones de ncleo (a), de coraza (b), la distribucin bivariable (c), y las mediciones de
ELS simuladas (d).

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

Mecnica Computacional Vol XXX, pgs. 2409-2419 (2011)

2415

Figura 2: Ejemplo simulado 1. a) Distribucin de tamaos de ncleos, fX,1; b) Distribucin de espesores de


coraza fZ,1; c) Distribucin bivariable, F1; y d) Medicin ELS.

Figura 3: Ejemplo simulado 2 (Leyendas como en la Fig. 2)

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

2416

L. CLEMENTI, J. VEGA, L. GUGLIOTTA, A. QUIRANTES

Para resolver el problema inverso descrito por la Ec. (7), se seleccion el rango de
dimetros [300 - 600] nm para el eje X y el rango [300 - 800] nm para el eje Y, ambos en
intervalos de 20 nm. El problema inverso se resolvi mediante la PSO descrita en la Seccin
2.1 utilizando 50 partculas en el enjambre y 25.000 iteraciones. Las distribuciones
bivariables obtenidas, F1 y F 2 , se utilizan para estimar las distribuciones de ncleo, f X , y
de partcula, f , a partir de las Ecs. (3) y (4) respectivamente. Se muestran en las Figs. 4) y
Y

5) las distribuciones f X y fY estimadas. Se observa de las Figs. 4a) y 5a) que aunque las
estimaciones para las distribuciones de tamaos de ncleo f X , resultan algo ms anchas que
las simuladas, constituyen estimaciones aceptables. Por otro lado, las Figs. 4b) y 5b) muestran
que las PSD estimadas fY resultan muy cercanas a las obtenidas mediante la Ec. (4) aplicada
sobre las distribuciones bivariables simuladas, F1 y F2.

Figura 4: Ejemplo simulado 1. a) Distribucin de tamaos de ncleos simulada, f X ,1 , y estimada f X ,1 ; b)


Distribuciones de tamaos de partcula simulada f Y ,1 y estimada fY ,1 .

Figura 5: Ejemplo simulado 2. (Leyendas como en la Fig. 4).

4 VALIDACION EXPERIMENTAL
Se realiz la validacin experimental del mtodo propuesto, sobre una muestra constituida
por partculas con ncleos de hematita y corazas de carbonato de Itrio, dispersas en agua. La
medicin, I 3 ( r ) , [Figs. 6a)], fue obtenida en un espectrmetro Malvern 4700, con un lser
de Argon (0 = 488) polarizado perpendicularmente, a los ngulos comprendidos entre [20 150] en incrementos de 5. A la longitud de onda 0 los ndices de refraccin resultan:
nm = 1.3370, np,X = 3.0860+0.4910 i, y np,Y = 1.6500 (Quirantes y col., 1997).

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

Mecnica Computacional Vol XXX, pgs. 2409-2419 (2011)

2417

La muestra tambin se caracteriz por TEM. La distribucin de tamaos de ncleo fX se


aproxim mediante una distribucin normal-logartmica de orden cero (ZOLD) (Quirantes y
col., 1997) de media X = 54 nm y desvo X = 0.17. De igual forma, la PSD fY se aproxim
mediante una ZOLD de media Y = 130 nm y desvo Y = 0.29. Se muestran en las Figs. 6b)
y 6c) las distribuciones fX y fY respectivamente obtenidas por TEM, las cuales se utilizaron
como referencia para comparar las estimaciones obtenidas a partir del mtodo de estimacin
propuesto.

Figura 6: Ejemplo experimental F3. Medicin de ELS (a), y distribuciones de tamaos de ncleos (b) y de
partcula (c) obtenidas por TEM y estimadas mediante el mtodo propuesto.

Para caracterizar la muestra mediante ELS, el problema inverso de la Ec. (7) se resolvi
mediante la PSO descrita en la Seccin 2.1. Se discretiz el eje X en el rango [20 - 300] nm, y
el eje Y en el rango [20 - 500] nm, ambos en incrementos de 20 nm. La distribucin bivariable obtenida, F 3 , se utiliz para obtener las estimaciones f X , 3 y fY , 3 a partir de las

Ecs. (3) y (4) respectivamente, las cuales se muestran en las Figs. 6b) y 6c) respectivamente.
Puede verse que el mtodo propuesto logra obtener estimaciones aceptables de la distribucin

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

2418

L. CLEMENTI, J. VEGA, L. GUGLIOTTA, A. QUIRANTES

de tamaos de ncleo, f X , 3 , y de las distribuciones de tamaos de partcula, f Y , 3 , respecto


de las distribuciones obtenidas mediante TEM. Los resultados concuerdan cualitativamente
con los obtenidos en los ejemplos simulados correspondientes a F1 y F2. En el caso particular
de la estimacin f X , 3 , se observa una distribucin de un ancho algo mayor a la obtenida por
TEM, aunque el dimetro medio resulta muy bien recuperado. Por otro lado, la estimacin de
la PSD, fY , 3 , resulta muy cercana a la obtenida por TEM.

5 CONCLUSIONES
Se present un mtodo novedoso para estimar distribuciones de tamaos de partculas
ncleo - coraza. El mtodo utiliza mediciones ELS para estimar las distribuciones de tamaos
de ncleo y de partcula, mediante la estimacin de la distribucin bivariable de tamaos, sin
la necesidad de asumir una forma predeterminada para las distribuciones involucradas. El
mtodo propuesto conduce a la resolucin de un problema inverso mal-condicionado el cual
se aborda utilizando la tcnica de regularizacin de Tikhonov de segundo orden, con
resolucin mediante un algoritmo de optimizacin por enjambre de partculas. Se evalu el
mtodo sobre la base de ejemplos simulados correspondientes a ltex polimricos de
partculas con ncleo de poliestireno y coraza de polimetracrilato de metilo, y mediante un
caso experimental que involucra partculas con ncleos de Hematita y corazas de Carbonato
de Itrio previamente caracterizado mediante microscopia electrnica de transmisin. Tanto en
los ejemplos simulados como en el caso experimental las distribuciones de tamaos de ncleo
obtenidas resultaron mas anchas que las esperadas, sin embargo, dada la complejidad del
problema inverso involucrado, constituyen estimaciones aceptables. Por otro lado, las
estimaciones de las distribuciones de tamaos de partcula resultaron muy cercanas a las
esperadas. Los resultados obtenidos lograron mejorar notablemente los reportados en la
literatura (Quirantes y col., 1997) sin la necesidad de asumir formas predeterminadas para las
distribuciones de tamaos involucradas.

REFERENCIAS
Bohren, C. y Huffman, D., Absorption and Scattering of Light by Small Particles, Wiley,
New York, 1983.
Collins, E. A., in Emulsion Polymerization and Emulsion Polymers (Eds. P.A. Lovell y M.S.
El-Aasser), J. Wiley and Sons, Chichester, 385, 1997.
Eliabe, G. y Frontini, G.L., Determination of the Particle Size Distribution of Latex Using a
Combination of Elastic Light Scattering and Turbidimetry: A Simulation Study. J. Coll.
and Interf. Sci., 181: 669, 1996.
Finsy, R., Deriemaeker, L., Gelad, E., y Joosten, J., Inversion of Static Light Scattering
Measurements for Particle Size Distribution. J. of Col. and Int. Sci., 153: 337, 1992.
Frontini, G.L., Regularizacin de ecuaciones integrales no lineales en un parmetro.
Aplicacin a la determinacin de la distribucin de tamaos y del ndice de refraccin de
ltex por dispersin de luz, Tesis de Doctorado, UBA, Buenos Aires, Argentina, 2008.
Glatter, O., Hofer, M., Jorde, C. y Eigner, W., Interpretation of Elastic Light Scattering Data
in Real Space. J. of Col. and Int. Sci., 105: 577, 1985.
Gugliotta L.M.; Clementi L.A.; Vega J.R., in Measurement of Particle Size Distribution of
Polymer Latexes (Eds.: L.M. Gugliotta and J.R. Vega), Research Signpost - Transworld
Research Network, Kerala, India, 1, 2010.
Hansen, P.C. y OLeary, D.P., SIAM: The Use of the L-curve in the Regularization of

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

Mecnica Computacional Vol XXX, pgs. 2409-2419 (2011)

2419

Discrete Ill-posed Problems. SIAM J. Sci. Comput., 14: 1487, 1993.


Hofer, M., Schurz, J., y Glatter, O., Oil-Water Emulsion: Particle Size Distributions from
Elastic Light Scattering Data. J. of Col. and Int. Sci., 127: 147, 1989.
Inagaki T., Arakawa E.T., Hamm R.N., y Williams M.W., Optical Properties of Polystyren
from the Near Infrared to the X-Ray Region and Convergence of Optical Sum Rules.
Physical Review, 6 (15): 3243, 1977.
Kasarova S.N., Sultanova N. G, Ivanov C.D., y Nikolov I.D., Analysis of the Dispersion of
Optical Plastic Materials. Optical Materials, 29: 1481, 2007.
Kerker, M., The Scattering of Light and other Electro-Magnetic Radiation, Academic Press,
New York, 1969.
Lagasse R.R., y Richards D.W., Determining the Size Distribution of Core-Shell Spheres and
Other Complex Particles by Laser Diffraction. J. of Coll. and Int. Sci., 267: 65, 2003.
Quirantes, A., Plaza, R., y Delgado, A., Static Light Scattering Study of Size Parameters in
Core-Shell Colloidal Systems. J. of Coll. and Int. Sci., 189: 236, 1997.
Rocca, P., Benedetti, M., Donelli, M. Franceschini, D. y Massa, A. Evolutionary
Optimization as Applied to Inverse Scattering Problems. Inverse Problems, 25: 1, 2009.
Shi, Y. y Eberhart, R., A Modified Particle Swarm Optimizer. Proceedings of the IEEE
Conference on Evolutionary Computation, ICEC, Singapore. 69, 1998.
Tikhonov, A. y Arsenin, V., Solution of Ill-posed Problems, Wiley, New York, 1977.
Trelea, I.C., The Particle Swarm Optimization Algorithm: Convergence Analysis and
Parameter Selection. Information Processing Letters, 85: 317, 2003.

AGRADECIMIENTOS
A CONICET, MinCyT, Universidad Nacional del Litoral y Universidad Tecnolgica
Nacional por el apoyo financiero recibido.

Copyright 2011 Asociacin Argentina de Mecnica Computacional http://www.amcaonline.org.ar

Anda mungkin juga menyukai