You are on page 1of 28

Artículo

Pubs.acs.org/IECR

Óptimo control de retroalimentación en línea de reactores de


polimerización: Aplicación a la polimerización de la acrilamida-Agua-
Potassium Persulfate (KPS) Sistema
Navid Ghadipasha,† Wenbo Zhu,† Jose A. Romagnoli,*,† Terry McAfee,‡ Thomas Zekoski,‡ y
Wayne F. Reed‡
† El
Departamento de Ingeniería Química de la Universidad Estatal de Louisiana, en Baton Rouge, Louisiana, Estados Unidos
70803

Departamento de Física e Ingeniería Física, Universidad de Tulane, Nueva Orleans, Louisiana, Estados Unidos 70118

Resumen: En este documento se aborda el diseño y la implementación de un óptimo


control en tiempo real estrategias para el control de reactores de polimerización
radical libre poli- merization procesos. Un problema de optimización multiobjective
es First formulado para determinar las trayectorias óptimas para una amplia gama de
productos. A medida módulo de control entonces se formuló y ejecutó en python
para controlar el peso de la masa molar promedio (MW) para alcanzar el deseado
robustamente la distribución de la masa molar de polímero (MMD). Varios estudios
de caso de control son discutidas y aplicadas para forzar al sistema a lo largo de los
objetivos óptimos. Rendimiento del controlador se evalúa en cada caso utilizando
monitoreo continuo en línea automática de las reacciones de polimerización
(ACOMP). Los resultados son proporcionados a través de las investigaciones de la
poli- merization radicales libres de la acrilamida en agua utilizando potasio persulfate
(KPS) como un iniciador.

1. Introducción Concentración de materiales, la temperatura del reactor, o el


Control de reactores de polimerización es una parte grado de mezcla.9 El principal problema en el control de la
importante de la industria química que permite la producción MMD es la falta de técnicas fiables en el seguimiento de las
en masa de polímeros con calidad confiable. Producción distribuciones de masa molar y la masa molar promedio como
uniforme y specific polímeros es de primordial importancia número promedio (mn) y el peso promedio de masa molar
para el usuario final para los fabricantes que necesitan sus (MW). Esto es una necesidad para el control de
productos a ser coherentes para specific aplicaciones. Aunque retroalimentación del MMD.
completa avanzada de control de retroalimentación de Debido a los problemas mencionados, la mayoría de las
muchos tipos de reactores ha estado disponible por muchos obras de control en la literatura han sido un bucle abierto o
años1,2 la tecnología está menos avanzada para los sistemas centrado en el control de otros parámetros como la
poliméricos. Los principales difficulty en el control de temperatura y la densidad del reactor, que están
reactores de polimerización está relacionada con deficiencias indirectamente relacionados con la masa molar promedio y
en tiempo real mea- surement técnicas que pueden MMD. Los acontecimientos recientes en el control de
proporcionar la coherencia de los datos en línea reactores de polimerización se han revisado críticamente por
A lo largo de una reacción de polimerización. Muchas de las Yoon et al. y Kreft
variables de proceso que unffect la calidad de polímeros tales Et al.10,11 un enfoque que se usa rutinariamente fue predeter-
como masa molar polímero promedios son difficulto a La explotación minera de la variable manipulada deseado
medida en línea, o pueden medirse sólo a bajas frecuencias de trayectorias. En este caso, la trayectoria de la variable
muestreo con largos retardos de tiempo que son inadecuados manipulada es generada por algunos medios, y se supone que
para fines de vigilancia y control. Reacciones de en el seguimiento de la trayectoria seleccionada, la variable de
polimerización son también muy sensibles y complejas control puede lograr el objetivo deseado. Por ejemplo,
dinámicas debido a respuestas no lineales que surjan durante Crowley y Choi et al.12,14 introdujo un método para una óptima
la reacción porque de gela- ción, alta exothermicity y cambios El control de la longitud de la cadena de distribución en un
severos en la coefficients cinética del sistema (por ejemplo, la lote de la polimerización de los radicales libres. Se las
propagación y la tasa de terminación).3 Esto hace que la arreglaron para seguir la distribución de longitud de cadena
calidad del producto logro una cuestión mucho más compleja deseada manipulando la temperatura profile dentro del
y requiere el desarrollo de una adecuada estrategia de control reactor. Una secuencia discreta de puntos de ajuste de
para regular los sistemas de polimerización. temperatura del reactor que conducen a la longitud de la
Un objetivo primordial en la mayoría de las reacciones de cadena de distribución deseada eran com- puted utilizando un
polimerización es sintetizar polímeros con specific masa programa de optimización de la base de programación
molar distribución cuadrática secuencial. Entonces, un controlador de nivel de
Ind. Eng. Chem. Res. 2017, 56, 7322-7335
ejecución en línea
(MMD). Esta es una propiedad de polímero fundamental que puede
Marcadamente unffel físico, ect, reológicas y propiedades Recibido: Marzo 14, 2017
térmicas de los polímeros como fuerza, procesabilidad, y Revisado: Mayo 26, 2017
térmicas Aceptado: 1 de junio de 2017
Estabilidad.4-8 Debido a la delicada estructura molecular de Publicado: 1 de junio de 2017
Los polímeros, el MMD pueden cambiar debido a muchos
factores, tales como

© 2017 American Chemical Society 7322 DOI: 10.1021/acs.iecr.7b01074

Ind. Eng. Chem. Res. 2017, 56, 7322-7335


Industrial & Engineering Chemistry Research Artícul
o
Se aplicarán a la pista la temperatura óptima profile por mani- Controlador que no implican un detallado modelo
pulating el refrigerante flow, alimentados a la chaqueta del cinético.23 En esta contribución, en tiempo real, aplicación de
reactor. Asimismo, Chang y Liao et al.15 aplica una modified un controlador óptimo para controlar Mw y MMD es dirigida.
método de dos pasos para calcular la trayectoria de Un proceso validado experimentalmente no lineal se utiliza el
temperatura óptima para obtener una determinada MMD. modelo First para realizar estudios de optimización dinámica.
Primero, el profiles de la longitud de cadena media Un enfoque similar presentado por Crowley y Choi13 es
instantáneo para una deseada MMD fueron estimados y el aplicado a adquirir la completa MMD. Esta técnica que
tiempo profile de la temperatura del reactor se obtuvo sobre calcula la fracción de masa de polímeros con different
la base de la longitud de cadena media instantánea trayectoria. longitudes de cadena basada en la tasa de cinética ecuaciones
A continuación, un controlador PI convencional con ha sido ligeramente modified para que pueda tratar con
adecuados parámetros ajustados fue aplicado a la vía la sistemas semibatch. El modelo validado es luego usada para la
temperatura óptima receta. Ambos métodos dependen en optimización basada en modelos para determinar la
gran medida de un modelo exacto para predecir las temperatura óptima, monómero, e iniciador flow tasas para
trayectorias óptimas para la variable manipulada. Examinar el un final deseado MMD de polímero. Estas pro óptimafiles
modelo de inexactitud, Kiparissides et al. 16 propuso una son aplicadas en el sistema del reactor experimental, y
calculadora online-Esquema de optimización para actualizar el Mw trayectorias se comparan con las predicciones teóricas.
la política de control óptimo en cada iteración y proporcionar Los resultados demuestran la eficacia de ffi insu del enfoque
estimaciones fiables para el proceso de bucle abierto debido a la inexactitud del modelo y proceso
Los parámetros a tener en cuenta el impacto de las Los disturbios. Por lo tanto, los resultados de la optimización
variaciones de parámetros del modelo en la línea de control dinámica se utilizan como el punto de ajuste del controlador
del sistema. En la final de la capa del marco, el tiempo para el control de retroalimentación en tiempo real para
secuencia óptima de temperatura establecida- punto cambia mantener el proceso establecido por el estado óptimo de
se pasa a un controlador reglamentario para forzar el proceso bucle abierto trayectorias. A medida que se formulan y
a seguir la trayectoria óptima tan cerca como sea posible. Los módulo de control implementadas en el ambiente de Python,
resultados mostraron un buen acuerdo con el polímero el cual es software de código abierto y libre, apoyar multi- ple
deseada calidad de producto para los sistemas por lotes. Sin como paradigmas de programación orientada a objetos y fun-
embargo, la ausencia de control de retroalimentación sobre la cional estilos de programación. Un número de escenarios de
variable de control hace que esta técnica vulnerable a funcionamiento alternativos son validados utilizando las
instalaciones experimentales. Polímero -- ización de
perturbaciones de plantas tales como la temperatura o flow
acrilamida en agua utilizando potasio persulfate (KPS) como
variaciones.
un iniciador se utiliza como un ejemplo ilustrativo para
También ha habido importantescant fi cantidad de trabajo
demostrar la effectiveness en tiempo real del entorno de control
usando el modelo
Control predictivo (MPC) en el área de reactores de óptimo.
polimerización. Por ejemplo, Alhamad y cols.17 desarrollaron
un control multicapa 2. Optimización de los SISTEMAS DE CONTROL
Algoritmo de tiempo real para la aplicación de políticas de DE POLIMERIZACIÓN
control óptimo de copolimerización de emulsión. Una Modelo de proceso. Las ecuaciones del modelo de free
entrada múltiple,salida múltiple (MIMO) formulación fue radical en la polimerización de la acrilamida sistema se
construido para maximizar la mn e mw. Debido a la falta de presentan en esta sección, que contiene la misa y momento de
sensor en línea en predecir la mmd, un "enfoque" soft- saldos. El modelo fue probado experimentalmente utilizando
sensor se aplicó utilizando los modelos dinámicos en línea el mismo enfoque propuesto anteriormente por Ghadipasha
para proporcionar una estimación del MMD y MW. Park y et al.24 suponiendo pequeña cadena transferencia, el sistema
Rhee,18 también se utiliza un modelo no lineal en el algoritmo de ecuaciones pueden escribirse como
de aprendizaje de la CPD e investigó el effectiveness del
proyecto lineal DNm
Controlador predictivo (NMPC) en el caso de solución
semibatch copolimerización de metacrilato de metilo y
acrilato de metilo. Para la medición en línea de mw, una
correlación fue utilizado por mea-
La sobretensión specific viscosidad ηsp y resolver la marca- Dt -(K =p + kfm)P0Nm + FMCMF - F*Cm
Houwink (1)
Ecuación para calcular MW.19 Otras contribuciones también DN
sugirió el uso de NMPC para control de sistemas no yo =n - k di fic +si - F*Ci
lineales.20,21 sin embargo, (2)
dt
Robustos métodos de control de bucle cerrado que involucra
directamente online mea- surement del proceso variable de
salida tendría que ser desarrollada para un mejor control. DNs
Durante los últimos 20 años, la monitorización continua en = -k NP + FC +FC - F *C
línea automática de procesos de polimerización (ACOMP) ha Dt Fs s 0 Yo sif M SMF. Fuera S
(3)
sido desarrollada y estudiada por Reed y Alb.22 ACOMP, que
es una plataforma ampliamente aplicable para vigilar la D(λ0V ) 1 2
polimerización
Reacciones, se basa en la extracción continua y dilución de la s n realizados por different como
muestra pequeños arroyos del reactor en el que los análisis e combinaciones de detectores disper
a sión
7323 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322-7335
de la luz, Dt = (knm fm + ktdp0V + kfsns)αP0 + ktcP0V (4)
Industrial & Engineering Chemistry Research 2 Artícul
Λd o
2
( V1 )
Espectrofotometría UV/visible , refractivity viscometry, conduc- = [(knm fm + ktdp0V + kfsns)(2 - α α ) + ktcP0V ]
tivity y polarimetría. Esto permite el seguimiento de ciertas Dt
características de polímero incluyendo conversión de P0
monómero y peso promedio
Masa molar. ACOMP puede aplicarse en free radical, (1 - α) (5)
controlada, los radicales libres, emulsión, reacciones de
condensación y polimerización en emulsión inversa en lotes,
D(λ2V ⎡
semibatch, reactores y continua. Seguimiento en línea de las = ⎢(kn + ktdp0V + kfsns)(α3 - 3α2 + 4α)
reacciones de polimerización como ocurren allana el camino ) dt ⎣ m fm
para la integración de las actividades de supervisión,
optimización y comentarios
Control de procesos de polimerización. P ⎤ P0
Control automático de free radical acrilamida la + ktcP0V(α + 2) 0 ⎥
polimerización se demostró recientemente con ACOMP y un (1 - α) ⎦(1 - α)2 (6)
suplente

7324 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322-7335
Industrial & Engineering Chemistry Research Artícul
o
Donde Nm = CmV, Ni = CIV, Ns = CSV, y Tabla 1. Cinética y Termodinámica de los
K pC m parámetros del modelo dinámico
Α= PC El parámetro Explicación Valor Unidad
k m
+ k fmCm CS FS +
Und Factor pre-exponencial 7,15 × 10 12
[1/min].
K + KTCP0 + ktdp0(7) Constante de velocidad de
2fCikd descomposición -101 123.182 [J/mol]
P0 = (8) k Ed Energía de activación para la
t⎡ 1 constante de velocidad de 4,08 × 105
descomposición [M3
-1 Unp Factor pre-exponencial
⎡⎤ /mol·
1wM
Constante de velocidad de min].
- propagación
N w N w N w ⎥⎦
⎦ ⎥ ⎢ Λρ p ⎢ ρm m + ρs s + iρi i (9) EP Energía de activación para la -11 de 700 [J/mol]
V=⎢ ⎣ ⎢⎤

⎣ ⎥ ms
constante de velocidad de
propagación
Unt Factor pre-exponencial 4,08 × 109
para la constante de
velocidad de terminación [M3/m
ΡS = -0031(2) - 0.1437 TT + 1003. (10) Et Energía de activación para la ol· min
terminación Constante de ].
Conversión de monómero: Ρm velocidad
Densidad de -11700 [J/mol]3]
T monómero1130[kg/m
Ρ Densidad de 3
]
T polímero1302[kg/m
ρ Pdensidad eq 10 [kg/m3]
NM0 + ∫ FMC dt MF - CmV - ∫ F*cm dt ρ
ssolvent
3
]f
0 0 densidad
X= T iinitiator248 ffifactor eficacia0.196
NM0 + ∫ 0 FMC dt (11) 0[kg/m
E iniciador

MF
Promedio en número y peso promedio de masa Libre radica cinética de polimerización y peso-
molar:
Λ Λ Masa molar promedio (MW) el cálculo. Controlar mw ha
Mn = wm 1 , Mw = wm 2 Un alto impacto en la distribución de polímeros fi nal. Por lo tanto, es de
Λ0 Λ1 (12) Interés para investigar el effff dierent ect de parámetros
La longitud de la cadena de distribución: en Mw así como determinar una formulación que puede
⎛⎡ ⎤ conducir a un cierto mw trayectoria y final MMD destino.
Suponiendo pequeña cadena transferencia
Df (m, n) = 1 m(1 - α) + α Al monómero y disolvente, el número instantáneo promedio
⎜⎢ m-1 α
KpCm⎥
Dt Λ1 ⎝⎣ Α ⎦ De un polímero que se produce en el tiempo t está dada por
⎞ K [c ]
-P ⎡ (n + 1)(1 - α) + α ⎤ nΑ N = Pm
⎢ ⎟
⎥ N,inst.
YkP t (15).
⎣ Α ⎦ ⎠ [0].

1 F (m, n D(λ1V Donde Y es un factor que es igual a 1 cuando la reacción de


- ) terminación está dominada por recombinación y 2 cuando
Λ1V ) (13)
Dt disproportionation domina. El promedio de peso acumulado
Aquí, Nm, NI Ns , y representan el total de moles de Masa molar Mw(t) puede ser obtenido por conocer la masa de
monómeros, iniciador y solvente en el interior del polímeros muertos dentro del reactor, mp(t), como sigue:
reactor. V es el volumen del contenido del reactor, T
y FM Y Fi son la flow tasas de la
Monómero
semi- e iniciador, que se introducen en el reactor en el ∫ wM N Dm (t)
M n,inst. P
El modo por lotes. Eqs 4-6 Describir la dinámica de los Mw(t) = 0
Mp(t) (16)
momentos correspondientes (λ0, 1, y λ λ2) para los muertos,
los polímeros. Una completa
Descripción de todas las variables está disponible en la Aquí, w y MW son la instantánea polydispersity y el peso
sección de notación. molecular del monómero, respectivamente. Suponiendo una
Propiedades del sistema, como densidades y capacidades de temperatura constante, lo que se traduce en constantes
calor fueron obtenidos de la literatura, mientras que los cinéticas, los parámetros de velocidad de sólo dos términos
valores de las constantes de velocidad cinética fueron que varían durante la reacción son la concentración del
estimados a partir de datos experimentales utilizando un monómero [c] m y vivir radicalesP [0], ambos de los cuales
análisis de estimación de parámetros como demuestra pueden ser manipulados mediante el monómero y el
Ghadipasha et al.24 se supone que las constantes de velocidad iniciador flujos. Esto le da la oportunidad de proponer
cinética siga un diversas trayectorias
Escriba la ecuación de Arrhenius:
De Mw por la formulación adecuada de los problemas de optimización.
K = E-Ea/(RT) (14)
Optimización dinámica. Offloptimización basada en el modelo del INE
7325 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322-7335
Calcula los valores de las constantes de velocidad cinética, El proceso es explicado en este artículo. Hay varios benefits
Industrial
así como los& Engineering Chemistry Research
parámetros termodinámicos para la acrilamida con respecto a la optimización del sistema. En primerArtícul
lugar,
sistema se muestran en la Table 1. o
varios de los objetivos de control pueden ser considerados
El sistema de ecuaciones que describen la dinámica simultáneamente. Por otra parte, limita- ciones sobre el
de MW, Mn, y la longitud de la cadena de distribución proceso y las variables de control puede ser tratada
fracciones son válidas cuando la concentración del polímero explícitamente en la formulación de la optimización, una
en vivo el sistema es insignificante, que es lo que ocurre optimización gOPT facility en gPROMS, fue utilizado para
cuando el sistema de polimerización es diluido en solución realizar la optimización en este trabajo. La selección de esta
(polimerización) o la conversión del monómero no es muy herramienta está motivada principalmente por el hecho de
alta (en la polimerización en masa). En este trabajo, la Am es que el modelo de simulación se realiza la solución en el
polimerizado de alta conversión, pero el contenido del reactor entorno gPROMS. En segundo lugar, el código gOPT emplea
se mantenga siempre diluir en un nivel de sólidos que es piecewise variable de control definición, que es conveniente
seguro y controlable con respecto a la temperatura. El para la aplicación en tiempo real. Las variables de decisión en
modelo propuesto se utiliza la siguiente para optimización y este caso varían de acuerdo a una función constante
control. piecewise, indicando que tienen un valor constante para una
determinada cantidad de

7326 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322-7335
Industrial & Engineering Chemistry Research Artícul
o
Dependiendo del intervalo de tiempo, y luego se cambia a Tabla 3. Carga inicial y rangos de limitaciones de
otro valor para el siguiente intervalo.24 El optimizador se optimización
aplica el "simple" Método de disparo con el fin El parámetro operativo Valor
de encontrarla solución óptima del sistema, lo que puede
explicarse en cuatro pasos. Primero, el optimizador selecciona NM [topo] 0.3
los intervalos de tiempo de la different decisión variables Ns [topo] 50
Ni [topo] 0.005
como el monómero y el iniciador flow con sus
correspondientes valores en cada intervalo. A continuación, Fmax [mL/min]. 5
conocer la condición inicial del sistema, el conjunto de Fmin [mL/min]. 0.1
TMáx [°C] 80
ecuaciones pueden ser resueltos a encontrarla solución para
Tmín [°C] 40
el different variables de estado. Los valores de la función
objetivo, así como las limitaciones del proceso son evaluados, Vmax [ML] 1200
y sobre la base de sus valores el optimizador revisa las Vmin [ML] 450
opciones y repite este procedimiento hasta que converge a
una solución óptima. Una explicación completa de este Que la bomba puede funcionar mientras V Vmax y min son las
enfoque puede encontrarse en Schlegel y cols.25 (optimización limitaciones de volumen para asegurarse de que el reactor no
dinámica utilizando vectores control adaptativo parametriza- superará el volumen máximo de capacidad del reactor. Figure
ción). En el siguiente, un estudio de optimización para un 1 Representa a la vez la temperatura óptima, monómero, e
número de escenarios operacionales con iniciador flow profiles. Tal como se presenta en el flow
different Mw trayectorias es ilustrado. La temperatura se supone profiles, al comienzo de la reacción de la flow tasa de
constante en el valor óptimo durante la reacción, mientras monómero al reactor es alto, mientras que el iniciador
que el monómero y el iniciador flujos pueden cambiar en alimento es bastante baja. No obstante, a fin de reducir MW, el
different intervalos de tiempo. Es importante mantener el optimizador disminuye el monómero flow después de algún
reactor isotérmica a lo largo de todo el proceso como la tiempo, mientras aumenta el alimento iniciador para mantener
temperatura fluctuations importantes puedenfienfluence la alta concentración de los radicales libres. Esto reducirá el
considerablemente el mw comportamiento. El cambio de número instantáneo-promedio de la poli- mers, y como
temperatura pueden ser considerables en polímero de alta resultado, el promedio de peso acumulado masa molar (MW)
concentración debido a un aumento en la viscosidad de la también disminuye. Los resultados de la concentración del
solución que provoca problemas en la transferencia de calor monómero (como un índice de conversión) y MW con sus
entre el medio de reacción y las paredes del tubo. correspondientes objetivos, se muestran en la parte inferior
Caso 1: trayectoria decreciente de MW. Esta es del panel de Figure 1. MMD también ha
la tendencia más común de mw en reacciones de Se ha demostrado al final del tiempo de la simulación. Existe
polimerización que ocurre naturalmente en la polimerización una buena concordancia entre los resultados de la simulación
de lotes de los radicales libres. Al comienzo del proceso, y los correspondientes objetivos. Esto demuestra el benefits
cuando la concentración es alta, monómero de polímeros con de combinar reactivo y monómero flow con temperatura
longitudes de cadena larga son formadas, resultando en variable como una decisión en la optimización. No sólo el
alta MW. Gradualmente, por agotamiento del monómero en el monómero concen- tración y mw sino también la distribución
reactor, la longitud del pro- ducido polymer reduce, completa (MMD) puede ser
resultando en menor MW. Por la correcta formulación del
problema de optimización, es posible obtener una cierta
trayectoria decreciente con un specific final VALOR DE MW.
La expre- sión de la función objetivo, en este caso se muestra
como sigue:
⎛X ⎞2 ⎛ ⎞2 I=1 ⎛ f ⎞2 Logrado correctamente.
i ⎜ ⎟,f
J =w⎜ - 1⎟ + w - 1⎟ + w ∑ Caso 2: constante MW. Según eq 15, manteniendo un
f ⎜ W, -1
f M
1 2 3 ⎜ ⎟ Relación constante entre los radicales libres y monómero
⎝ XT ⎠ ⎝ M w,t ⎠ Nc ⎝ fi, ⎠ La concentración, el número instantáneo-Promedio de masa
+ w4(Nmf,f )
t molar y, como resultado, Mw permanecerá constante durante
(17) la reacción. Así se hizo un intento de alcanzar una trayectoria
de constante MW.
Donde el índice f se utiliza para representar la final para la La función objetivo, en este caso se formulan como sigue:
2
optimización de valor variable y t representa la meta fi
nal. Wi's son los
TF ∂M I=1 ⎛f ⎞
Fficients coe, determinar la importancia de cada término en la
función objetivo. Los valores de los parámetros de las
= 1 ∫0 w
+ 2
∑⎜ ⎟ i,f - 3 Mf,f
∂t +
funciones objetivo f
J W Dt ⎜⎝ 1⎠⎟
W
Nc I,t N ( )
Se presentan en Table 2. El f i,t's son los valores objetivo para W
la fracción de la longitud de la cadena en la función de (18)
probabilidad en cada cadena
Intervalo de longitud. El número de f i,t's está seleccionada de son reportados en Table 5, Appendix A para cada escenario de
tal manera que el peso del polímero de fracción limitada por optimización.
la longitud de la cadena es del 99,9% del total producido en Un resumen de la carga inicial y different limitaciones del reactor
polímero final monómero con- versión. Los valores de f i,t's se muestra en la Table 3. F F min ymax son los rangos de
7327 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322-7335
Conversión de monómero se eliminó de la función
Industrial & Engineering
Tabla 2. Los Chemistry
valores de los Research
parámetros de lasfunciones objetivo para poner más peso en los otros términos, yaArtícul
que es
objetivo erent Di ff más exigente en este caso llegar a una constante mw oprofile.
La carga inicial del reactor y las limitaciones son las mismas
# Optimización descripción w1 w2 w3 w5 Xt mw,t que en el caso anterior. Sin embargo, el monómero y el
iniciador se diluyen los fl ujos con solvente para evitar el
control de la saturación (más tarde en el experimento de
control) y repentino cambio en la variable de control. Los
resultados de la simulación se muestran en la Figure
2. Mw sigue una trayectoria constante, y existe una buena
concordancia entre los resultados de distribución de fi nal y
los objetivos. A partir de la variable manipulada profiles,
puede deducirse que el optimizador casi mantiene una
constante flow tasa de monómero, gradualmente
1 Disminuir 0.5 0.25 0.5 1 0.9 650 Reduce el iniciador flow monómero para compensar el consumo y
Mw mantener la proporción entre el monómero y gratis
2 La constante mw 1 0.05 0.5 Los radicales constante. Cabe mencionar que en este caso la
3 Aumento 0.5 1 0.05 0.75 500 Valores de los flujos de iniciador y monómero cambiar en cada
Mw intervalo de tiempo (2,5 min) en contraposición al caso anterior
donde

7328 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322-7335
Industrial & Engineering Chemistry Research Artícul
o

Figura 1. Los resultados de la simulación aplicando las trayectorias óptimas para la disminución de mw escenario.

Figura 2. Los resultados de simulación utilizando las trayectorias óptimas para la constante mw escenario.

Fueron constantes durante un par de intervalos consecutivos. Están mostrando, las trayectorias en estos casos también
Así, aunque el profiles mire continua, la solución es todavía siguen una función constante piecewise.
un pedazo-wise trayectoria constante. En aras de la claridad, Caso 3: Aumentar MW. En el caso de anteriores estudios, se
el agrandamiento de las parcelas de monómero y flujos de observó cómo mantener mw constante por mantener una
iniciador se muestran en la Figure 3. Como la figures relación constante
7329 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322-7335
Industrial & Engineering Chemistry Research Artícul
o

Figura 3. Monómero e iniciador profiles tras la ampliación de las parcelas.

Figura 4. Los resultados de la simulación aplicando las trayectorias óptimas para el aumento de mw escenario.

Entre los monómeros radicales libres y concentraciones. La concentración de monómero se mantuvo superior con
También se muestra cómo tener una tendencia decreciente respecto a la correspondiente al iniciador flow. Como
de mw a partir de un valor alto de mw y reduciendo el resultado, la tasa de alimentación monómero tendrá más
monómero feed mientras aumenta el iniciador flow. Para importantesfiperalte effect en el mw y es capaz de aumentar el
completar nuestro análisis, aquí nos centramos en un peso promedio. La función objetivo, en este caso se formulan
esquema de optimización que podrían conducir a una como sigue:
creciente tendencia de MW. Como una regla empírica, esto
requiere una mayor
Monómero ⎛ ⎞2 ⎛ ⎞2 I=1 ⎛ f ⎞2
inyectado flow comparado con el iniciador, que fue X i ⎜ ⎟,f - 1
En el reactor en el caso 1, lo que provoca que el volumen del
reactor J =w⎜ - 1⎟ + w ⎜ - 1⎟ + w ∑
f W,
f
7330 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322-7335
M
1 2 3 ⎜ ⎟
Supera el valor máximo permitido. ParaResearch
satisfacer las ⎝ XT ⎠ ⎝ M w,t ⎠ Nc ⎝ fi, Artícul

Industrial & Engineering Chemistry
limitaciones de optimización, como en el caso anterior, t o (19)
los flujos se diluye y

7331 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322-7335
Industrial & Engineering Chemistry Research Artícul
o

Figura 5. Cálculo de la relación entre la concentración de monómero y polímero en vivo, cm/P0, para different Mw trayectorias.

El término NMF, la cantidad total de monómero inyectado Un enfoque alternativo es usar la velocidad de la forma eq
al reactor, fue eliminada de la función objetivo de dar el 20 en que el cambio en la salida del controlador es calculado y
mayor grado de libertad para la adición de monómero. Los aplicado
resultados se muestran en la Figure 4. Mw aumenta En lugar del valor de salida. Cuando eq 20 se escribe para el n - 1
correctamente durante la simulación y alcanza el destino Tiempo de muestreo y se resta eq 20, sencillo
deseado. También hay un buen partido en la concentración Cálculo conducirá a la siguiente forma:
del monómero y MMD resultados
Entre los objetivos y la simulación profiles. Conviene ⎡ Δt ⎤
Mencionó que, aunque en este caso el iniciador y monómero Δun = Kc⎣⎢(en - En-1) + Τ En⎦⎥
Yo (21)
Flow no cambian considerablemente durante el proceso,
cambiando la concentración de alimentación como se ha La velocidad formulario tiene dos principales ventajas
explicado anteriormente, un aumento en la Cm y como sobre la forma de posición. En primer lugar, intrínsecamente
resultado instantáneamente el número promedio de masa contiene algunas disposiciones para antireset windup desde la
molar ocurre. Esto se demuestra suma de errores no está explícitamente calculado. El windup
también en Figure 4 la concentración de monómero profile. Más antireset podría ser considerablemente alto para MW porque la
moles de monómeros están alimentando en que está constante de tiempo del proceso es bastante grande y la
polimerizado, de modo que la concentración de monómero respuesta es lenta. En segundo lugar, los algoritmos de
sube, y por lo tanto el MW. control de velocidad, aplicando el controlador en modo
Para resumir esta sección, Figure 5 compara la tomografía automático, es decir, el cambio de modo de operación
Relación entre la concentración de monómero y polímero en manual, no requiere ningún tipo de inicialización de la
vivo para la optimización de tres estudios de casos salida u.̅
examinados. Está claro que el control de la relación entre la Este es un requisito indispensable en este trabajo, ya que todo el control
concentración de monómero y polímero en vivo puede Los experimentos que se inicie a partir de la trayectoria de
unffect la final Mw resultados. optimización para el first 15-20 minutos del experimento y, a
El control de retroalimentación de MW. Para controlar el continuación, una vez que los datos de ACOMP se estabiliza,
óptimo Mw el controlador comienza a proporcionar medidas correctivas
Trayectoria, una convencional proporcional-integral (PI) Las acciones.
Controller está diseñado donde Mw está controlada mediante No lineales (Linearizing) Control de monómero
la manipulación de monómero flow tasa. La elección de la concentra- ción. A partir de debates anteriores, es evidente
variable manipulada para control de retroalimentación que el objetivo principal en el control de reactores de
de MW está basada en la entrada effects en la variable polimerización es controlar mw e indirectamente el MMD.
controlada en términos de ganancia y el tiempo de respuesta. Desde línea de medición de concentración de monómero está
Desde different análisis de simulación, el monómero flow ha también disponible por ACOMP, un effort fue hecha para
demostrado que mejor se adaptana las necesidades de controlar la cantidad total de monómero y como resultado la
iniciador flow. La realimentación control utiliza un algoritmo concentración de monómero dentro del reactor manipulando
como PI, que es expresado matemáticamente como sigue: El monómero flow (FM). La estrategia de control se basa en la
entrada-salida linearizing planteamiento geométrico, que
⎡ δt K=1 ⎤⎥ toma en cuenta la dinámica no lineal del proceso, formalizado
U = u + k ⎢ ̅E + ∑e en la
N
Asamblea modelo dinámico. Lamentablemente, debido a la compleja
C⎢ K
n Τi N ⎥⎦ (20). Relación entre MW Y Fm, no hay tal formulación puede ser diseñado
⎣ para controlar MW.
Donde un denota el valor de variables de entrada (monómero flow) en
7332 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322-7335
Cada instante de tiempo, que se envía a la bomba. Kc y τi son El principio del método linearizing es estructurar una ley de
la ganancia&proporcional
Industrial Engineeringy Chemistry
constantes Research
de tiempo integral del control en el cual el error de seguimiento sigue un specified
Artícul
controlador. Estos parámetros están sintonizados con estable differential ecuación lineal, conocidoo como
different simulaciones con el modelo, y valores óptimos para el modelo de referencia. 26,27 el algoritmo de control puede
ellos son seleccionados, que varían para cada experimento. ser explicado en tres pasos. Primera
Elmodelo de entrada - salida deberá ser derivado por
adecuadas
La manipulación de la Asamblea modelo dinámico. Esto
proporciona

7333 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322-7335
Industrial & Engineering Chemistry Research Artícul
o

Figura 6. Esquema del proceso ACOMP flow, diagrama que muestra los pasos para la extracción, dilución, la típica y multidetectores.

Una relación explícita entre las variables manipuladas y los La tasa de alimentación monómero Fm(t) puede ser obtenida
objetivos de control que toma la forma de una nº orden con respecto a variables conocidas:
differential ecuación: ⎛ ⎜*
dN
DNS F
⎜ =
m
- Λ [N* - N ] - [ λ ∫ (N* - N ) dt]

M P M Mp Yo M Mp
n = f0 (T) + U(t)f1(t) ⎝ dt
Dt (22)

Con siendo n el grado relativo de la modelo de + FCm (k + P)CPNm⎟ CM
entrada/salida. Dependiendo del control y manipular ⎠ (25)
F
variables, f 0(t) y
F1(t) podría ser muy complejas funciones del modelo- eters
Donde n*m es el deseado/destino de conocida trayectoria óptima
param. Sin embargo, la relación es siempre lineal con respecto
para la cantidad total de monómeros obtenidos de optimización
a la variable manipulada. En segundo lugar, un modelo de
dinámica. Cabe señalar que un enfoque similar es también
referencia lineal estable del error de seguimiento está
posible mediante el iniciador flow como manipulado variable;
seleccionado. El modelo determina la forma en que deseamos
sin embargo, en este caso, el grado relativo es 2, lo que da
que el error de seguimiento para disminuir y se presentan de
lugar a una más compleja (aunque la relación explícita).
la siguiente manera:
J=0
DJ
∑ λn- [y*(t) y(T)] = 0
Λ0 = 1 3. Aplicación EXPERIMENTAL DEL SISTEMA DE
jn Dt j (23) CONTROL DE RETROALIMENTACIÓN
UTILIZANDO ACOMP
Materiales y métodos. Las soluciones de arranque para el
El coefficients λn-j son tuning coefficients que deben
seleccionarse de modo que la differential eq 23 es estable. reactor y la bomba de alimentación se hicieron depósitos de
Finalmente, el diseño de control consiste en calcular la acción polvo
de control u(t) de tal forma que elmodelo de entrada - salida Monómero de acrilamida, ≥99%, y el potasio en polvo
coincide exactamente con el modelo
N de referencia. persulfate (KPS) iniciador, ≥99%, adquiridas de Sigma-
Uso eq 22 y sustituyendo por d y/dt enN eq 23, la solución para
Aldrich, y disueltos en agua desionizada. El punto de partida
U(t) puede ser obtenido. para el reactor y soluciones
Bomba de alimentación embalses fueron conmovidos y
⎡ N J pureza ultraelevada purgado con nitrógeno a 100 cm3/min
1 empezando 45 minutos antes de iniciar la reacción. El reactor
se calentaron a la óptima deseada
U(t) = ⎢-f (T) + ∑ λ D Temperatura, salvo specified lo contrario y, a continuación, la reacción es
n-j J [y*(t) y(T)]
0
F1 (t) ⎢⎣
n
Dt ⎥⎦ J=0 Dt
n ⎤
D s*
+ ⎥

7334 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322-7335
(24) In on estran en la Figure 6. Una corriente continua de contenido del
Industrial & Engineering ici es
Chemistry Research reactor se retira a la tasa de Artícul
ad de o
o pol
po im
r
la eriz
ad aci
ici ón
ón de
de sol
l uci
SP ón
K se
en real
po izar
lv
o. on
S en
un
i
rea
s cto
t r
e de
m 1,5
a L
mi
A ent
C ras
O se
M con
P trol
a
con
tin
ua
a me
p nte
a m
r edi
a ant
t e
o AC
s O
MP
.
e Lo
x s
p co
e mp
r on
i ent
m es
e pri
n nci
t pal
a es
de
l
la
e inst
s ala
. ció
n
R exp
e eri
a me
c nta
c l se
i mu
7335 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322-7335
El formalismo de la controladora no lineales 0.5 ML/min 80 veces, se diluye con agua desionizada,
utilizando F&m Engineering
Industrial como manipulado variable
Chemistry se consideró en este
Research homogeneizados en una cámara de mezcla y, a continuación,
Artícul
caso. El grado relativo de FM y N es de 1 m de acuerdo con medidos por ultravioleta-visible (UV-VIS), viscometry
o
el eq 1. Uso eq 24 y sustituyendo por dNm/dt de eq 1, una espectroscopia de absorción y dispersión de luz láser
relación explícita para multiángulo (MALS) detectores.- Absorción UV VIS

7336 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322-7335
Industrial & Engineering Chemistry Research Artícul
ff, permite una straightfor- ward pasar ode los estudios de
Espectroscopia en 245 nm fue utilizada para determinar las simulación para el control del proceso real. El entorno de ejecución
concentraciones de monómero y polímero. Cuando la de Python fue seleccionado ya que es fácilmente adaptable y
concentración del polímero es conocido, Mw puede calcularse compatible con el entorno de modelado así como cualquier sistema
a partir de los datos de SLS. Más detalles sobre ACOMP's la de control. No obstante, está previsto que una versión fi nal del
funcionalidad y la metodología está disponible en la
módulo de control será
literatura.2328
Aplicación del controlador. Para probar el rendimiento de
El controlador, un módulo de controlador se formuló
y ejecutó en Python, que interactúa de forma continua a
través de Excel mediante las trayectorias óptimas
proporcionada por gPROMS. El controlador se puede
comunicar con la planta (ACOMP) al mismo tiempo, realizar
la acción de control en un número regular de tiempos de
muestreo. Un flow diagrama de la aplicación del controlador
se muestra en la Figure 7. El controlador fue iniciado por
la lectura

Figura 7. Diagrama de flujo del control de la aplicación.

Información desde el panel de configuración incluida la receta,


el punto de ajuste de parámetros de control, y la información
del servidor ACOMP. Un bucle principal fue diseñada para
gobernar la comunicación con el servidor ACOMP a una
frecuencia de 4 Hz. Una vez que el intervalo de tiempo que
estaba por encima del umbral (2,5 min por acción), la medida
más reciente del punto de ajuste variable fue solicitado desde
ACOMP servidor antes de que la acción de control discreto fue
activada. Punto de ajuste de la trayectoria es la trayectoria
óptima obtenida durante los estudios de optimización. Mientras
uno de los manipulados de entrada variables es ajustada por el
controlador de realimentación, todas las demás entradas se
aplican según la receta óptima obtenida durante la
optimización. Monómero es la variable manipulada y mw es
elegido como el parámetro para el control mientras su con-
trollability es analizado con respecto al monómero flow. La
concentración de monómero y MMD profiles también se
ilustran y se comparan con sus trayectorias óptimas. Figure
8 Muestra una representación esquemática del método seguido
en el simu- bianos y estudios experimentales. El marco
propuesto para la aplicación de control en unentorno erent di ff
que el modelo sirve para dos propósitos. Primero, esto muestra
que la función del controlador pueden calcularse desde el
proceso y/o de
Las condiciones nominales (óptima). En segundo lugar, una
vez que el controlador se implementa en unentorno erent di
7330 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322−7335
Industrial & Engineering Chemistry Research Artícul
ACOMP. Tra- jectories óptima de mw a partir ode la
Desarrollado en el entorno de Python, utilizando un simulación se utiliza como el punto de ajuste del controlador.
único módulo para todas las posibles estrategias de Desde allí fue bastante alta differencia entre los resultados
control con una opción de cambio para la selección de experimentales y la simulación en el caso anterior
las entradas y salidas del controlador. Y para compensar esto, el controlador es necesario para
inyectar mayores cantidades de monómero en el sistema para
4. Resultados y Discusión aumentar el MW. Utilizando los conocimientos de los estudios
En esta sección se muestran los resultados de optimización, el experimento se realizó a una temperatura
ligeramente inferior para evitar la inyección de una gran
obtenidos para la optimización y control de las técnicas
cantidad de monómero. Esto dará como resultado una
estudiadas en las partes anteriores. Para demostrar la
mayor Mw y reduce la cantidad de monómero que es necesario
viabilidad de las estrategias propuestas, different
para ser insertado en el sistema. Desde el monómero flow
funciones objetivas, que fueron formulados en la
sección optimización son validadas experimentalmente profile en Figure 9, se observa que el controlador detiene el
utilizando datos de ACOMP. Basándose en estos Bomba de alimentación de monómero en t ≅ 20 min, y el
resultados, tres experiencia de control- ciones están controlador es capaz de mantener mw cerca del punto de
diseñados en los que la controladora Set-points son las consigna deseado. Hay un excelente
trayectorias óptimas obtenidas a partir de la simulación.
Control de retroalimentación se logra en todos los casos
con el monómero flow como
Variable manipulada para controlar MW. Todos los
demás pro entradafiles, a saber, la temperatura y el
iniciador flow, las tasas son iguales a sus
correspondientes trayectorias óptimas, obtenidos
durante la optimización. Para todos los casos de bucle
cerrado, el sistema está inicialmente
Comenzó a utilizar la entrada óptima de trayectorias y
después de 20 min, los controladores están encendidas
para proporcionar medidas correctivas. Esto es
suficiente para permitir la polimerización que ocurrir
para que la señal del detector de SLS a ser mayor que el
ruido de la línea base. Table 4 Ofrece un resumen de
todos los diversos experimentos de optimización y
control, incluida la carga inicial, la tasa de alimentación
concentraciones, y parámetros de control para cada
reacción.
Caso 1: la disminución de MW. Figure 9 Muestra los
resultados experimentales para el open-loop
(optimización) experimento en término de mw que se
muestra en gris línea sólida. Objetivos de optimización
también se muestran con líneas discontinuas para la
comparación entre la predicción del modelo y los datos
experimentales. El experimental profile obtenida de
ACOMP está bastante cerca de la meta calculada mw,
con una ligera differencia debido al modelo inexactitud
y perturbaciones en el sistema. La tendencia de mw al
comienzo del experimento de optimización es dierent ff
a partir de lo que se esperaba de la modelo, que se debe
al tiempo que el iniciador se agregó al reactor. En la
simulación, se considera que el reactor se calienta a la
temperatura deseada después de la
Iniciador es añadido al sistema, mientras que durante el
experimento real el reactor se calienta First y el
iniciador fue agregado para iniciar la reacción. Esto
provoca una menor Mw al comienzo de la reacción.
Como se observa en el mw resultados, ha habido un
desfase entre la tomografía Mw que se predijo a partir
del modelo y los datos experimentales obtenidos de
ACOMP durante el experimento de optimización.
Dado que se desea aplicar el controlador, que se ha
explicado en detalle section 2. Después de las pruebas
preliminares de la controladoras ' rendimiento
utilizando
Las simulaciones del modelo no lineal, en el proyecto de
diseño de control fue implementada en el sistema
7330 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322−7335
Industrial & Engineering Chemistry Research Artícul
o

Figura 8. Representación esquemática de la metodología propuesta para la optimización y control del sistema.

Tabla 4. Resumen de todos los experimentos de control y optimización


Exp. # Descripción exp. NM [mol] Ns [mol] Ni [mol] CSi [mol/m3] Cmf [mol/m3] Kp [prop] ΤI [GAIN]
1 Optimización decreciente, Mw 0.3 50 0.005 110.9796 7175.014 ganancia.
N/A int.
N/A
2 El control de retroalimentación 0.3 50 0.005 110.9796 7175.014 5 × 10-9 1 × 1011
3 Optimización const., Mw Mw
decreciente, 0.05 30 0.008 3.699 1406.866 N/A N/A
4 Control de realimentación de la 0.05 30 0.008 3.699 1406.866 2 × 10-8 1,5 × 1010
const.,
5 MwOptimización creciente, Mw 0.05 30 0.008 3.699 1406.866 N/A N/A
6 El control de retroalimentación 0.05 30 0.008 3.699 1406.866 2 × 10-8 1,5 × 1010
7 El control de aumentando, Mw 0.3 50 0.005 110.9796 7175.014 N/A N/A
retroalimentación, cm
Correspondencia entre los datos experimentales y el punto de mantenimiento mw constante a lo largo de la reacción se traducirá
ajuste deseado después de alrededor de 60 minutos y más allá. en menor ancho de distribución en comparación con el caso
Además, para determinar la final MMD, gel permeación anterior.
chromatog- Caso 3: Aumentar MW. La receta de optimización obtenido
Raphy (GPC) fue realizada en los productos finales del también está validado para la trayectoria creciente de MW. Los
experimento de control. Los resultados se presentan como la resultados para el
fracción de masa de polímeros con different intervalos de
longitud de la cadena. La final distribución de poli- mers es
bastante cercana a lo que predice el modelo. Los resultados
experimentales muestran también una mayor fracción de
masa de polímeros con longitudes de cadena más larga, lo que
está de acuerdo con el Mw datos.
Caso 2: constante MW. A continuación, se realizan
validaciones experimentales para el caso de la focalización
una constante MW. Figure 10 Muestra la comparación entre
los valores experimentales de mw y los valores calculados por
el modelo. Hay una ligera differ-
Ence entre el objetivo deseado y resultados experimentales en
el experimento de bucle abierto. Por otro lado, el controlador
está de nuevo en la celebración exitosa mw cerca a su destino
deseado. Como en el caso anterior, la trayectoria óptima de
insumos de monómero flow tasa se modified por el
controlador para llevar el proceso a la meta MW. También hay
un muy buen partido entre el final MMD resultados y el
modelo. Vale la pena notar que el
7331 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322−7335
Mw y DMM son reportados en Figure 11.
Industrial
El mw resultados del&experimento
EngineeringdeChemistry
optimizaciónResearch
están Artícul
o
en buen acuerdo con las predicciones del modelo,
siguiendo exactamente la tendencia con una pequeña
desviación debido a la incertidumbre del modelo.
En Figure 11, una comparación entre el
monómero flow profiles muestra que el controlador casi
sigue la misma trayectoria como la tendencia óptima
predicha en la simulación para seguir la ruta óptima
de mw este resultado era de esperarse, dado que ya
existía un buen acuerdo con los resultados de bucle
abierto para MW. También hay un muy buen partido en
la final MMD resultados.
Model-Based Linearizing Control de cantidad total
de monómero. Se realizaron experimentos adicionales
para probar las funcionalidades del controlador no
lineal. Similar a los casos anteriores, el resto de las
trayectorias de entrada se establece igual a sus corres-
Spondiente trayectorias óptimas obtenidas durante la
optimización. El objetivo total de monómero (NM *)
como lo requiere eq 25 también se obtuvo a partir
de la optimización de los resultados. El escenario
operativo seleccionado para esta prueba tuvo una
disminución de mw tendencia. Figure 12 Muestra el
bucle cerrado los resultados en términos de la variable
de control (Cm), manipulado variable (F) y ( mmw)
trayectorias. El monómero flow trayectoria sigue la
misma tendencia que la trayectoria óptima, mientras que
los pequeños cambios se aplican debido a la
incertidumbre del modelo. La cantidad total de
monómero agregado al reactor es bastante pequeño, y
hay casi un 100% de polímero de conversión

7332 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322−7335
Industrial & Engineering Chemistry Research Artícul
o

Figura 9. Resultados experimentales para el lazo abierto y cerrado de casos para disminuir Mw escenario. Panel superior: monómero flow
(izquierda), el peso promedio de masa molar (derecha). Panel inferior: la distribución de la masa molar. Rojo: objetivo (simulación). Gris: bucle
abierto. Azul: bucle cerrado.

Figura 10. Resultados experimentales para el lazo abierto y cerrado de casos para la constante mw escenario. Panel superior: monómero flow
(izquierda), el peso promedio de masa molar (derecha). Panel inferior: la distribución de la masa molar. Rojo: objetivo (simulación). Gris: bucle
7333 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322−7335
Industrial & Engineering Chemistry Research Artícul
abierto. Azul: bucle cerrado. o

7334 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322−7335
Industrial & Engineering Chemistry Research Artícul
o

Figura 11. Resultados experimentales para el lazo abierto y cerrado de casos para aumentar mw escenario. Panel superior: monómero flow
(izquierda), el peso promedio de masa molar (derecha). Panel inferior: la distribución de la masa molar. Rojo: objetivo (simulación). Gris: bucle
abierto. Azul: bucle cerrado.

Figura 12. Resultados experimentales para el experimento de bucle cerrado control cm. Panel superior: monómero flow (izquierda), la
concentración de monómero (derecha). Panel inferior: conversión (izquierda), el peso promedio de masa molar (derecha). Rojo: objetivo
7335 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322−7335
Industrial & Engineering Chemistry Research Artícul
(simulación). Azul: bucle cerrado. o

7336 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322−7335
Industrial & Engineering Chemistry Research Artícul
o
Tabla 5. Los valores objetivo de las fracciones de la Condiciones, permitiendo el control total de mw y MMD.
longitud de la cadena para la Different estudios de Actualmente se está trabajando para incorporar la
optimización dinámica filtrado fi en la arquitectura propuesta. Esto no sólo
Fracción de la
longitud de la proporcionará mejorado (filtered)
cadena/
# Optimización 1 23Medición, sino también
f.10.003208
ampliar
6140las funcionalidades de ACOMP mediante (medida corregida)
f
Predicciones
.20.02077 de desmedidas
0034688780
0420
.003393961


fvariables
0241741350
35,02
×
.023685269
como el
F40.09715
ynúmero
-02 1,14 × 10-01
8780.11617
variaciones
promedio Apéndice A
f943
en tiempo
de masa


100.065919
real
molar,del
f
140.064737
MMD.
polydispersi 0.15347804
25
ty,
f 70.08778 0.15453357 Autor Correspondiente
Información sobre el autor
f 80.08011
78440.1544 0.12328713 *Tel.: +1225-578-1377. E-mail: Jose@lsu.edu.
f 90.07173
3532
1260.12234 0.08630395
f5720.08496
50.1012710
499 -02 ORCID
100.05814
1850.05224
Jose A. Romagnoli: 0000-0003-3682-1305
f137
950.155114
359
110.05137 5,35 × 10-02
2,96
58
f120.04218
15760.0286 0.014729873 Notesf0.0340306680.006226718
60.1029691
42986
58190.0140
80.1684133 0.006592644 Los autores declaran no compitiendo interés fi nanciera.
f0.16749695


77419
140.02695
13
82210.0024

864010.002
15 9,77 × 10- Agradecimientos
04
666338f0.0 La información, datos, o los trabajos aquí presentados se financió en
F
209750910.
16 0.016039185 0.000294427 3,25 × 10-04 Por la partede energía O ffi ce Effieficacia y Energía
F17
000898513
0.012066454 8.76257 × 10-05 9,82 × 10-05 Renovable (EERE) del Departamento de Energía, el bajo
F18 0.008943499 2.37174 × 10-05 2,70 × 10-05 número DE PREMIO DE-EE0005776. Apoyo adicional
F19 0.006542024 5.84482 × 10-06 6,78 × 10-06 provino de NSF-1430280 EPS y la Junta de Regentes de
F 20 0.00473201 1.31266 × 10-06 1,55 × 10-06 Louisiana. Los autores reconocen el apoyo del Sr. Pham
F 21 0.003391765 2.68882 × 10-07 3,25 × 10-07 Phong para la automatización y la integración y el Sr. Colin
5.02673 × 10-08 6,33 × 10-08


F 23 0.002414262
Bellmore para desarrollo de software.
F 24 0.00171003 8.58075 × 10-09 1.22 × 10-08 Notación
F 25 0.001207391 1.33685 × 10-09 3,14 × 10-09
F 26 0.000850943 1.88814 × 10-10 1,67 × 10-09 Und = factor de multiplicación exponencial previamente tasa cinética
F 27 0.000599126 2.27606 × 10-11 1,45 × 10-09 Constante [m3/mol·min].
F 28 0.000421519 8.27203 × 10-13 1,42 × 10-09 P = factor de multiplicación exponencial previamente tasa cinética
F 29 0.000296267 -1.81985 × 10-12 1,42 × 10-09 Constante [m3/mol·min].
F 30 0.000207885 -2.11187 × 10-12 1,42 × 10-09 T = factor exponencial previamente en la cadena de transferencia de
monómero rate
F 31 0.000145483 -2.14133 × 10-12 1,42 × 10-09 Constante [m3/mol·min].
F 32 0.000101428 -2.14405 × 10-12 1,42 × 10-09 Ci = concentración del iniciador en el interior del reactor, mol/m 3
F 33 7.03657 × 10-05 -2.14428 × 10-12 1,42 × 10-09 Si c = concentración de iniciador en el monómero flow tasa,
F 34 4.85224 × 10-05 -2.1443 × 10-12 1,42 × 10-09 [Mol/m3]
F 35 3.32258 × 10 -05 -2.1443 × 10 -12 1,42 × 10-09 Cm = concentración de monómero dentro del reactor, mol/m3
CMF = concentración del monómero en el monómero flow tasa,
Como la conversión profile muestra. Claramente, el conseguir óptimos profiles del proceso de decisión variables, (3)
rendimiento del controlador es excelente, forzando la construir un modelo no lineal y una modified versión simple del
concentración del monómero para seguir de cerca la óptima controlador PI, y (4) validar el óptimo profiles experimentalmente.
profile. Sin embargo, como puede observarse en el diagrama En general, el sistema de retroalimentación de salida funciona
m w, hay una muy gran differencia (alrededor del 15%) entre bien y muestra buenas propiedades de robustez bajo un rango de
los resultados experimentales y de simulación, en el sentido funcionamiento
de que incluso un control perfecto sobre la concentración de
monómero no guar- antee lograr el óptimo Mw objetivo.

5. Conclusión
Control de procesos de polimerización, ha sido difícil debido
a la complejidad de los sistemas poliméricos y la falta de
medición en línea de las propiedades del polímero. En este
documento, un enfoque jerárquico para controlar la
polimerización de reactores para el caso de la masa molar
promedio de peso fue presentado. La estructura del trabajo
consistió en (1) desarrollar un First principio modelo para el
peso de la masa molar promedio y la distribución de la masa
molar, la cual fue validada utilizando los datos
experimentales, (2) la formulación de un problema de
optimización dinámica de different estudios de caso para
7337 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322−7335
[Mol/m3]
Industrial & de
CS = concentración Engineering
solvente enChemistry Research
el interior del Artícul
3 o
reactor, mol/m
Sif c = concentración de solvente en el
monómero flow tasa, [mol/m3]
C = concentración de solvente smf en el
monómero flow tasa, [mol/m3]
Ep = activación de energía cinética en la propagación
constante de velocidad, J/mol
E = energía de activación de FM en la cadena de
transferencia de monómero a velocidad constante
F = e iniciador deffieficacia
Fi = flow tasa de iniciador al reactor, [m3/min].
F = flow tasa de extracción del reactor para fines de
muestreo, [m3/min].
Fm = flow tasa de monómero al reactor, [m3/min].
KD = constante de la velocidad de descomposición del
iniciador, [1/min] kfm = Constante de velocidad para
la transferencia a la cadena de reacciones, monómero
[m3/mol·min].
Kfs = Constante de velocidad para transferir al
disolvente reacciones en cadena, [m3/mol·min].
P k = Constante de velocidad de propagación,
[m3/mol·min].
Ktc = Constante de velocidad para la rescisión por
combinación de reacciones, [m3/mol·min].

7338 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322−7335
Industrial & Engineering Chemistry Research Artícul
Reacción de polímero de ingeniería: la modelizacióno y el control de las
Ktd = Constante de velocidad para la rescisión por propiedades del polímero. Korean J. Chem. Eng. 2004, 21, 147-167.
disproportionation reacciones, [m3/mol·min]. (11) Kreft, T.; Reed, W. F. control predictivo y verificación de
MN = número de masa molar promedio, kg/mol Cinética y la conversión del peso molecular del polímero en semi-batch
reacciones homopolímero de radicales libres. Eur. Polym. J. 2009, 45,
MW = masa molar promedio de peso, kg/mol 2288-2303.
Ni = cantidad total de iniciador en el interior del reactor, (12) Crowley, T. J.; Choi, K. Y. Cálculo de peso molecular
mol La distribución del peso molecular del polímero radicales libres en
NM = cantidad total de monómero dentro del reactor, mol momentos- ización. Ind. Eng. Chem. Res. 1997, 36, 1419-1423.
NM0 = cantidad inicial de monómero dentro del reactor, (13) Crowley, T. J.; Choi, K. Y. un control óptimo de la distribución del
MOL NMF = cantidad total de monómero agregado al peso molecular en un proceso por lotes de la polimerización de los
reactor de la flow tarifas, mol radicales libres. Ind. Eng. Chem. Res. 1997, 36, 3676-3684.
Ns = cantidad total de disolvente en el interior del reactor,
mol
P0 = concentración de polímero en vivo en el reactor,
mol/m3
T = temperatura del reactor, K
T = Tiempo, mín.
V = volumen del material en el interior del reactor, [m3].
Wm = peso molecular del monómero, kg/mol
Wi = peso molecular del iniciador,
kg/mol ws = peso molecular de
disolvente, kg/mol X = monómero
conversión
Letras griegas
Λ = 0 0 momento de la DTM, mol/m3
Λ1 = First momento del MWD, mol/m3
Λ = 2 segundo momento del MWD, mol/m3
Α = probabilidad de
propagación ρm = densidad del
monómero, kg/m3 ρi = densidad
del iniciador, kg/m3
Ρs = densidad de disolvente, kg/m3

■ Referencias
(1) Srinivasan, N.; Kasthurikrishnan, N.; Cocineros, R. G.;
Krishnan, M. S.; Tsao, G. T. Monitorización Online con feedback-
control de biorreactores
Con una alta tolerancia de etanol levadura por espectrometría masiva
introducción de membrana. Anal. Chim. Acta de 1995, 316, 269-
276.
(2) Eaton, J. W.; Rawlings, J. B. Feedback-control de procesos
químicos mediante técnicas de optimización en línea. Comput.
Chem. Eng. 1990, 14, 469-479.
(3) Ray, W. H. control de reactores de polimerización. Ieee
Transactions on Control Systems Technology 1986, 63.
(4) Nguyen, T.Q.; Kausch, H. H. la distribución del peso
molecular y propiedades mecánicas. Propiedades mecánicas y
pruebas de polímeros; Serie de Ciencia y Tecnología de Polímeros,
Springer: Berlín, 1999, Vol 3, pp 143-150.
(5) Isayev, A. I.; Palsule, S. Enciclopedia de las mezclas de
polímeros, volumen 2:
Procesar; Wiley: Hoboken, NJ, 2011.
(6) Voyiadjis, G. Z.; Samadi-Dooki, A. Modelización constitutiva
de grandes
Deformación inelástica de los polímeros amorfos: volumen libre y la
transformación dinámica de la zona de cizalla. J. Appl.
Phys. 2016, 119, 119.
(7) Cho, H. S.; Chung, J. S.; Lee, W. Y. Control de peso molecular
La distribución para el polietileno catalizado por ziegler-
natta/híbrido y catalizadores de metaloceno mixtos. J. Mol. Catal. A:
Chem. 2000, 159, 203-213.
(8) Heidemeyer, P.; Pfeiffer, J. requisitos especiales sobre el
compounding
Tecnología para polyolefines bimodal y su aplicación industrial.
Macromol. Symp. 2002, 181, 167-176.
(9) McKeen, L. Elect E FF de la temperatura y otros factores, en
plásticos y elastómeros. William Andrew Inc: Norwich, NY, 2008.
(10) Yoon, W. J.; Kim, Y. S.; Kim, I. S.; Choi, recientes avances en
K. Y.
7339 DOI: 10.1021/acs.iecr.7b01074
Ind. Eng. Chem. Res. 2017, 56, 7322−7335
Industrial & Engineering Chemistry Research Artícul
o
(14) Crowley, T. J.; Choi, K. Y. estudios experimentales en una óptima
La distribución del peso molecular en un lote de control-
radicales libres- ceso de polímero. Chem. Eng. Sci. 1998, 53,
2769-2790.
(15) Chang, J. S.; Liao, P. H. control de peso molecular de
un reactor de polimerización batch: estudio experimental. Ind.
Eng. Chem. Res. 1999, 38, 144-153.
(16) Kiparissides, C.; Seferlis, P.; Mourikas, G.; Morris, A. J. Online
Optimizar el control de peso molecular propiedades en lotes
de reactores de polimerización radical libre. Ind. Eng. Chem.
Res. 2002, 41, 6120-6131.
(17) Alhamad, B.; Romagnoli, J. A.; Gomes, V. G. On-line multi-
Variable de control predictivo de masa molar y distribución
del tamaño de partícula en la copolimerización de emulsión de
radicales libres. Chem. Eng. Sci. 2005, 60, 6596-6606.
(18) Park, M. J.; Rhee, H. K. Control de propiedades en un copolímero
Metil Metacrilato semibatch/acrilato de metilo
copolimerización reactor mediante un modelo no lineal
basada en el aprendizaje del controlador predictivo.
Ind. Eng. Chem. Res. 2004, 43, 2736-2746.
(19) Wang, J. F.; Huang, H. P.; Huang, X. Y. El peso molecular y la
Mark-houwink relación de ultra-alto peso molecular cargada
La poliacrilamida determinada utilizando el modo por lotes
automático multi-ángulo de dispersión de luz. J. Appl. Polym.
Sci. 2016, 133, DOI: 10.1002/app.43748.
(20) Bindlish, R. modelo no lineal control predictivo de un
proceso de polimerización industrial. Comput. Chem.
Eng. 2015, 73, 43-48.
(21) Maner, B. R.; Doyle, F. J.; Ogunnaike, B. A.; Pearson, R. K.
Control predictivo basado en modelo no lineal multivariable
simulada de un reactor de polimerización utilizando modelos de
volterra de segundo orden. Automatica 1996, 32, 1285-1301.
(22) Reed, W. F.; Alb, A. M. Supervisión de reacciones de polimerización: desde
Fundamentos a aplicaciones; Wiley: Hoboken, NJ, 2013.
(23) McAfee, T.; Leonardi, N.; Montgomery, R.; Siqueira, J.;
Zekoski, T.; Drenski, M. F.; Reed, W. F. molecular del
polímero de control automático
Peso durante la síntesis. Las macromoléculas 2016, 49, 7170-7183.
(24) Ghadipasha, N.; Geraili, A.; Romagnoli, J. A.; Castor, C. A.;
Drenski, M. F.; Reed, W. F. combinando herramientas de caracterización en
línea
Con entornos de software moderno para un funcionamiento
óptimo de polímero- lización de los
procesos. Procesos 2016, 4, 5.
(25) Schlegel, M.; Stockmann, K.; Binder, T.; Marquardt, W.
optimización dinámica utilizando vectores de control
adaptativo de la parametrización. Comput. Chem.
Eng. 2005, 29, 1731-1751.
(26) Álvarez, J. Salida de control de retroalimentación no lineal de las
plantas. AIChE J.
1996, 42, 2540-2554.
(27) Bastin, G.; Dochain, D. On-line estimación y control adaptable de
Biorreactores; Elsevier: Amsterdam, 1990.
(28) Reed, W. automatizado de vigilancia continua en línea
de polímero- ización reacciones (acomp) y otras técnicas
relacionadas. En la Enciclopedia de Química Analítica,
Meyers, R. A., Ed.; John Wiley & Sons, Ltd: Chichester, Reino
Unido, 2000; p 1.10.1002/9780470027318.A9288

7340 DOI: 10.1021/acs.iecr.7b01074


Ind. Eng. Chem. Res. 2017, 56, 7322−7335