ИССЛЕДОВАНИЕ И МОДЕЛИРОВАНИЕ СИНТЕЗА 4,4´-ДИАМИНОДИФЕНИЛМЕТАНА
Аннотация
Работа посвящена моделированию реакций получения 4,4´-диаминодифенилметана в присутствии катализатора. Описывается важность процесса получения 4,4´-диаминодифенилметана и возможности применения клеточно-автоматного подхода при моделировании химических реакций. В работе предложена клеточно-автоматная модель, которая позволяет прогнозировать кинетические кривые исследуемой реакции получения 4,4´-диаминодифенилметана. Модель использует два клеточных автомата, которые отражают два процесса, которые наблюдаются в исследуемой системе - движение реагентов под действием перемешивания и реакция в присутствии катализатора. Предложенная модель является имитационной и не использует для работы сложных вычислений. Кроме того, модель может быть реализована с помощью высокопроизводительных параллельных вычислений, что позволит ускорить расчеты и снизить требования к вычислительным ресурсам. Разработанная модель была использована для проведения вычислительных экспериментов при различных условиях - соотношение анилин:формальдегид:катализатор, скорость перемешивания, температура реакции. Так как модель содержит ряд эмпирических параметров, то сначала были проведены вычислительные эксперименты, которые позволили установить связь параметров модели с реальными величинами. После этого были проведены вычислительные эксперименты по прогнозированию кинетических кривых реакций получения 4,4´-диаминодифенилметана в присутствии катализатора. Результаты расчетов сравнивались с экспериментальными данными. Показано, что разработанная модель может быть использована для прогнозирования кинетики реакции получения 4,4´-диаминодифенилметана в присутствии катализатора. Кроме того, предложенная модель может быть в дальнейшем использована совместно с другими подходами такими, как вычислительная гидродинамика (computational fluid dynamics), что позволит создать комплексную мультимасштабную модель потокового каталитического реактора от масштаба молекулы до целого аппарата.
Литература
Allport D.C., Gilbert D.S., Outterside S.M. MDI, TDI and the Polyurethane Industry. MDI and TDI: Safety, Health and the Environment: A Source Book and Practical Guide. Chichester: Wiley. 2003. 460 p. DOI: 10.1002/0470865687.
Keller T. C., Arras J. R., Wershofen S., Perez-Ramirez J. Design of hierarchical zeolite catalysts for the manufac-ture of polyurethane intermediates. ACS Catalysis. 2014. V. 5. N 2. P. 734-743. DOI: 10.1021/cs5017694.
Tian J., An H., Cheng X., Zhao X., Wang Y. Synthesis of 4, 4′-methylenedianiline catalyzed by SO3H-functionalized ionic liquids. Indust. & Eng. Chem. Res. 2015. V. 54. N 31. P. 7571-7579. DOI: 10.1021/acs.iecr.5b01519.
Menshutina N.V., Kolnoochenko A.V., Lebedev E.A. Cellular Automata in Chemistry and Chemical Engineer-ing. Ann. Rev. Chem. Biomolec. Eng. 2020. V. 11. P. 87-108. DOI: 10.1146/annurev-chembioeng-093019-075250.
Sun B., Fan W., Chakraborty A. Adsorption kinetics emulation with lattice gas cellular automata. Heat Transfer Eng. 2017. V. 38. N 4. P. 409-416. DOI: 10.1080/01457632.2016.1194705.
Hallberg H. Approaches to Modeling of Recrystallization. Metals. 2011. V. 1. N 1. P. 16-48. DOI: 10.3390/met1010016.
Brouwers H.J.H., de Korte A.C.J. Multi-cycle and multi-scale cellular automata for hydration simulation (of Port-land-cement). Comput. Mater. Sci. 2016. V. 111. P. 116-124. DOI: 10.1016/j.commatsci.2015.08.049.
Hoekstra A.G., Kroc J., Sloot P.M.A. Cellular Automata Composition Techniques for Spatial Dynamics Simulation. Berlin: Springer. 2010. 384 p.
Kier L.B., Seybold P.G., Cheng C.K. Cellular Automata Modeling of Chemical Systems. Dordrecht, Amsterdam: Springer. 2005. 175 p.
Campiñez M.D., Caraballo I., Puchkov M., Kuentz M. Novel Polyurethane Matrix Systems Reveal a Particular Sustained Release Behavior Studied by Imaging and Computational Modeling. AAPS PharmSciTech. 2016. V. 18. N 5. P. 1544-1553. DOI: 10.1208/s12249-016-0613-0.
Mitrofanov I., Malysheva I., Kolnoochenko A., Menshutina N. Modelling of Aerogels Structures Using Intelli-gent System «AeroGen Structure». Comp. Aid. Chem. Eng. 2017. V. 40. P. 469-474. DOI: 10.1016/B978-0-444-63965-3.50080-5.
Vertyagina Y., Marrow T.J. 3D Cellular Automata fracture model for porous graphite microstructures. Nucl. Eng. Des. 2017. V. 323. P. 202-208. DOI: 10.1016/j.nucengdes.2016.10.015.
Vertyagina Y., Marrow T.J. A multi-scale three-dimensional Cellular Automata fracture model of radiolytically oxidised nuclear graphite. Carbon. 2017. V. 121. P. 574-590. DOI: 10.1016/j.carbon.2017.06.031.
Kireeva A. Twolayer CA for simulation of catalytic reaction at dynamically varying surface temperature. J. Comput. Sci. 2015. V. 11. P. 317-325. DOI: 10.1016/j.jocs.2015.06.001.
Markova V.P., Sharifulina A.E. Parallel implementation of an asynchronous cellular automaton simulating the reaction of CO oxidation on palladium. Priklad. Diskret. Matem. 2011. N 1. P. 116-126 (in Russian). DOI: 10.17223/20710410/11/8.
Scalise D., Schulman R. Emulating cellular automata in chemical reaction–diffusion networks. Nat. Comput. 2016. V. 15. N 2. P. 197-214. DOI: 10.1007/s11047-015-9503-8.
Svyetlichnyy D.S. Modelling of the microstructure: from classical cellular automata approach to the frontal one. Computat. Mater. sci. 2010. V. 50. N 1. P. 92-97. DOI: 10.1016/j.commatsci.2010.07.011.
Meakin P. Formation of fractal clusters and networks by irreversible diffusion-limited aggregation. Phys. Rev. Lett. 1983. V. 51. N 13. P. 1119. DOI: 10.1103/PhysRevLett.51.1119.
Menshutina N.V., Kolnoochenko A.V., Katalevich A.M. Structure analysis and modeling of inorganic aerogels. Theor. Found. Chem. eng. 2014. V 48. N 3. P. 344-348. DOI: 10.1134/S0040579514030117.
Van der Weeën P., Zimer A.M., Pereira E.C., Mascaro L.H., Bruno O.M., De Baets B. Modeling pitting corro-sion by means of a 3D discrete stochastic model. Corros. Sci. 2014. V. 82. P. 133–144. DOI: 10.1016/j.corsci.2014.01.010.
