Busca avançada
Ano de início
Entree

Preparação de filmes ultrafinos poliméricos utilizando as técnicas de automontagem e Langmuir-Blodgett para aplicação em sensores de compostos fenólicos

Processo: 03/01487-9
Linha de fomento:Bolsas no Brasil - Pós-Doutorado
Vigência (Início): 01 de setembro de 2003
Vigência (Término): 31 de janeiro de 2004
Área do conhecimento:Engenharias - Engenharia de Materiais e Metalúrgica - Materiais Não-metálicos
Pesquisador responsável:Luiz Henrique Capparelli Mattoso
Beneficiário:Marystela Ferreira
Instituição-sede: Embrapa Instrumentação Agropecuária. Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). Ministério da Agricultura, Pecuária e Abastecimento (Brasil). São Carlos , SP, Brasil
Vinculado ao auxílio:01/13745-7 - Desenvolvimento de sensores poliméricos para aplicações na agroindústria e meio ambiente, AP.TEM
Assunto(s):Polímeros condutores   Filmes automontados   Sensores

Resumo

O projeto de um ano visa à preparação, caracterização e desenvolvimento de sensores poliméricos, sendo investigados na Embrapa, para a detecção de contaminantes fenólicos em águas residuais através de um sistema de baixo custo. As unidades sensoriais serão compostas de filmes ultrafinos de polímeros condutores e/ou mistos com compostos inorgânicos em diferentes combinações de arquiteturas supramoleculares formados sobre eletrodos interdigitados de ouro, pré-depositados sobre substratos sólidos, através das técnicas de automontagem (LBL) e Langmuir- Blodgett (LB). A facilidade de controle na espessura dos filmes, oferecida por essas técnicas, poderá ser explorada para atingir baixos tempos de resposta das unidades sensoriais. Os sensores serão imersos em diferentes sistemas líquidos, e a aquisição e caracterização dos resultados serão realizadas por medidas elétricas em corrente alternada (AC). Além disso, pretende-se estudar por técnicas espectroscópicas (UV-Vis, FTIR, e Raman) as interações entre os polímeros condutores e os contaminantes fenólicos. Será feita também a análise sensorial por meio de estatística multivariada, como o PCA, e a utilização de redes neurais para melhor compreensão dos resultados. (AU)