یکی از مهم‌ترین مسایل در تولید نانو ذرات پلیمری، کنترل کیفیت محصول و نحوه عملکرد فرایند می‌باشد. این امر نیازمند آن است که به صورت لحظه به لحظه از مقادیر متغیرهای کلیدی فرایند همچون درصد تبدیل، توزیع وزن مولکولی، قطر و تعداد ذرات و ... اطلاع حاصل شود. این درحالی است که تعداد محدودی از متغیرها، همچون دما، فشار و شدت جریان به صورت لحظه‌ای قابل اندازه‌گیری می‌باشند. این اطلاعات به تنهایی برای تجزیه و تحلیل فرایند کافی نیستند. در گذشته برای این منظور از روش‌های برون - خط استفاده می‌شد که تأخیر زمانی قابل ملاحظه‌ای نسبت به سرعت بالای فرایندهای پلیمریزاسیون دارند. به همین دلیل، نحوه عملکرد فرایند و کیفیت محصول، انحراف قابل توجهی از وضعیت بهینه داشت. محققان برای حل این مشکل، از حس‌گرهای نرم‌افزاری استفاده کردند. این حس‌گرها که به رویت‌گرهای حالت معروفند، با کمک مدل ریاضی ساده‌ای از فرایند به اضافه یک ترم تصحیح کننده که با اختلاف مقادیر واقعی و برآورد شده متغیر، متناسب است و همچنین داده‌های لحظه‌ای موجود مانند دما، همزمان با پیشرفت فرایند مقادیر متغیرهای مورد نیاز را پیش‌بینی می‌کنند. به این ترتیب، مشخصات محصول و شرایط سیستم در هر لحظه در اختیار کاربر قرار دارد و می‌توان تغییرات مورد نیاز فرایند را به موقع به آن وارد کرد و همچنین از انحراف عملکرد سیستم و وجود نقص احتمالی در مسیر تولید آگاه شد و برای رفع آن اقدام کرد. در این مقاله، درصد تبدیل منومر در پلیمریزاسیون بوتیل اکریلات به روش امولسیونی با استفاده از داده‌های گرماسنجی، توسط رویت‌گر غیرخطی بهره بالا دنبال شده و صحت عملکرد رویت‌گر با کمک داده‌های آزمایشگاهی مورد تأیید قرار گرفته است.
Application of Nonlinear Observers in Emulsion Polymerization Process
چکیده [English]
Production of nano-size polymers has many applications in petrochemical industries. Product quality control and process operation state are two of the most important aspects of production of nano-polymer particles. For this purpose, we need to be informed about key process variables like conversion percentage, molecular weight distribution, diameter and number of particles, in an online manner. While a limited number of variables like temperature, pressure, and flow current can be measured online. These information are not adequate for process analysis. Traditionally, offline methods were used for this purpose with a considerable delay compared to high speed of polymerization processes. For this reason, the process efficiency and the product quality diverts from their optimum condition considerably. Researchers have used software sensors to resolve this problem. These sensors are known as state observers and use a simple mathematical model of the process with addition of a correction term that is proportional to the difference between estimated and actual values. Also, they use online data like temperature to predict required variable values. In this way, users have access to online characteristics of the product and system condition. So, they can apply process changes on time, prevent the system from diversion, be informed about possible faults of the production path and recover them. In this paper, we use high gain linear observer to follow monomer conversion in Butyl Acrylate polymerization in emulsion method with calorimetry data. Then we will be able to cross check the observers performance with our experimental data.
[1] Sourosh M., State and parameter estimations and their applications in process control, Computers and Chemical Engineering, Vol. 23, pp. 229-245, 1998.
[2] Fevotte G., Barudio I. and Guillot J., An adaptive inferential measurement strategy for on-line monitoring of conversion in polymerization processes, Thermochimica Acta, Vol. 289, pp. 223-242, 1996.
[3] Landaou R.N., Expanding the role of reaction calorimetry, Thermochimica Acta, Vol. 289, pp. 101-126, 1996.
[4] Fan S. and Alpay E., Calorimetric estimation for a batch-loop emulsion polymerisation reactor, Chemical Engineering Science, Vol. 59, pp. 2811-2815, 2004.
[5] Astorga C.M., Othman N., Othman S., Hammouri H. and McKenna T.F., Nonlinear continuous-discrete observers: application to emulsion polymerization reactors, Control Engineering Practice, Vol. 10, pp. 3-13, 2002.
[6] Othman N.S., Biobjective control of emulsion polymerizations: control of the polymer composition and the concentration of monomer in the polymer particles, Chemical Engineering Journal, Vol. 98, pp. 69-79, 2004.
[7] Schoefs O. et al., On-line estimation of biodegradation in an unsaturated soil, Bioprocess Biosyst Eng., Vol. 36, pp. 37-48, 2003.
[8] Kumar Jana A., Observer-based control algorithms for a distillation column, Chemical Engineering Science, Vol. 61, pp. 4071-4085, 2006.
[9] Ben Amor S. et al., Online reaction calorimetry: Applications to the monitoring of emulsion polymerization without samples or models of the heat-transfer coefficient, Ind. Eng. Chem. Res.,Vol. 41, pp. 4233-4241, 2002.
[10] Zeaiter J., Gomes V.G., Romagnoli J.A. and Barton G.W., Inferential conversion monitoring and control in emulsion polymerisation through calorimetric measurements, Chemical Engineering Journal, Vol. 89, pp. 37-45, 2002.
[11] Fevotte G., McKenna T.F., Othman S. and Hammouri H., Non-linear tracking of glass transition temperatures for free radical emulsion copolymers, Chemical Engineering Science, Vol. 53, pp. 773-786, 1998.
[12] Lahti M., Avela A. and Seppala J., Polymerization calorimeter. Part 2. Practical use and application in polymerizations, Thermochimica Acta, Vol. 262, pp. 33-43, 1995.
ابتدای صفحه