НЕЧЕТКО-ЛОГИЧЕСКОЕ МОДЕЛИРОВАНИЕ ТЕМПЕРАТУРНЫХ РЕЖИМОВ В ПРОЦЕССАХ РАДИКАЛЬНОЙ СУСПЕНЗИОННОЙ ПОЛИМЕРИЗАЦИИ
Аннотация
К рассмотрению предлагается подход к синтезу нейро-нечетких моделей температурных режимов промышленных реакторов синтеза полимеров. Целесообразность разработки такой модели обоснована ее последующим применением в интеллектуальных робастно-адаптивных системах автоматического управления в качестве эталонной модели для выработки сигналов управления. Основой для построения нечеткой модели реактора служит массив данных, полученный в результате проведения множества опытов на физической модели реактора синтеза полимеров. Структурно нечеткая модель включает в себя три блока нечеткой логики. Первый блок представляет собой нечеткую модель кинетики процесса полимеризации. Выходом этого блока является кривая степени конверсии мономера. Второй блок нечеткой модели выдает нормированную к диапазону [0;1] кривую изменения температуры смеси в реакторе. Это возможно благодаря тому, что вид кривой изменения температуры зависит только от момента проявления гель-эффекта, присущего процессам радикальной полимеризации. Этот момент может быть однозначно определен по кривой степени конверсии мономера. Третий блок нечеткой модели рассчитывает величину масштабирующего коэффициента на основе текущего расхода хладагента, а также заданного значения водного модуля и температурного режима в реакторе. Нормированная температурная кривая умножается на рассчитанный масштабный коэффициент и к результату прибавляется заданное значение температуры. На выходе получается итоговая кривая изменения температуры в реакторе. Блочная структура предлагаемой нечеткой модели является ее существенным отличием от возможных аналогов и ее ключевым преимуществом. Благодаря такой структуре модели можно заменять при необходимости некоторые ее элементы для получения возможности моделирования процессов радикальной полимеризации разных мономеров.
Для цитирования:
Лопатин А.Г., Брыков Б.А. Нечетко-логическое моделирование температурных режимов в процессах радикальной суспензионной полимеризации. Изв. вузов. Химия и хим. технология. 2023. Т. 66. Вып. 6. С. 123-129. DOI: 10.6060/ivkkt.20236606.6682.
Литература
Dhiraj K.G, Christophe A.S., Hoarau Y, Parida D., Bouquey M., Muller R. Analytical Solution of Free Radical Polymerization: Applications- Implementing Gel Ef-fect Using AK Model. Macromolecules, 2014. V. 47. N 21. P. 7370-7377. DOI: 10.1021/ma501413m.
Dhiraj K.G, Christophe A.S., Hoarau Y, Parida D., Bouquey M., Muller R. Analytical Solution of Free Radical Polymerization: Applications - Implementing Gel Effect Using CCS Model. Macromolecules. 2014. V. 47. N 23. P. 8178-8189. DOI: 10.1021/ma501251j.
Vent D.P., Lopatin A.G., Brykov B.A., Savel’yanov V.P. Reactor dynamics of suspension polymerization of styrene. Theor. Found. Chem. Eng. 2020. V. 54. N 5. P. 886–893. DOI: 10.1134/s0040579520050462.
Devadoss D.E, Volpert V.A. Modeling isothermal free-radical frontal polymerization with gel effect using free volume theory, with and without inhibition. J. Math. Chem. 2006. V. 39. N 1. P. 73-105. DOI: 10.1007/s10910-005-9006-4.
Savelyanov V.P. General chemical polymer technology. M.: IKTs «Akademkniga». 2007. 336 p. (in Russian).
Alipoor M. Fuzzy temperature control in a batch polymerization reactor using ANFIS method. Int. J. Eng. Tech. 2009. V. 1. P. 7-12. DOI: 10.7763/IJET.2009.V1.2.
Oravec J., Bakošová M. Robust model-based predictive control of exothermic chemical reactor. Chem. Pap. 2015. V. 69. N 10. P. 1389-1394. DOI: 10.1515/chempap-2015-0146.
Lucia S., Finkler T., Engell S. Multi-stage nonlinear model predictive control applied to a semi-batch polymer-ization reactor under uncertainty. J. Process Control. 2013. V. 23. N 9. P. 1306-1319. DOI: 10.1016/j.jprocont.2013.08.008.
Curteanu S., Bulacovschi V., Catalin L. Free radical polymerization of methyl methacrylate: modeling and simulation by moment generating function. Iran. Polym. J. 1998. V. 7. N 4. P. 225-233.
Curteanu S., Leon F., Galea D. Alternatives for Multi-objective Optimization of a Polymerization Process. J. Appl. Pol. Sci. 2005. V. 100. P. 3680-3695. DOI: 10.1002/app.23205.
Curteanu S. Modeling and simulation of free radical polymerization of styrene under semibatch reactor conditions. Cent. Eur. J. Chem. 2003. V. 40. P. 69-90. DOI: 10.2478/BF02479259.
Santos J.C. Comparison of techniques for the determination of conversion during suspension polymerization reactions. Braz. J. Chem. Eng. 2008. V. 25. N 2. P. 399-407. DOI: 10.1590/S0104-66322008000200017.
Bronevich A.G., Lepsky A.E. Fuzzy models of data analysis and decision making. M.: Izd. dom VShE. 2022. 264 p. (in Russian).
Borisov V.V., Kruglov V.V., Fedulov A.S. Fuzzy models and networks. M.: Gor. liniya-Telecom. 2018. 284 p. (in Russian).
Elizabeth S., Sujatha L. Fuzzy critical path problem for project network. Int. J. Pure Appl. Mathem. 2013. V. 85. N 2. P. 223–240. DOI: 10.12732/ijpam.v85i2.4.
Lopatin A.G., Vent D.P., Brykov B.A. Synthesis of a neuro-fuzzy model of the kinetics of radical polymerization processes. ChemChemTech [Izv. Vyssh. Uchebn. Zaved. Khim. Khim. Tekhnol.]. 2020. V. 63. N 7. P. 67–73 (in Russian). DOI: 10.6060/ivkkt.20206307.6081.
Tarasyan V.S. Fuzzy Logic Toolbox for Matlab. Study guide. Izd-vo UrGUPS. 2013. 112 p. (in Russian).
Maslovskaya A.G., Moroz L.I. Mathematical and computer modeling. Modeling under uncertainty. Modeling of fractal structures. Blagoveshchensk: Amur gos. un-t. 2019. 71 p. (in Russian).
Kamyar M. Takagi-Sugeno Fuzzy Modeling for Process Control. School of Electrical, Electronic and Computer Engineering. 2008. 21 p.
Rusnok P. Linguistic Descriptions As a Modeling Tool For Multivariate Time Series. Conf. of the Internat. Fuzzy Syst. Assoc. and the Eur. Soc. for Fuzzy Logic and Technology. 2015. P. 981-986. DOI: 10.2991/ifsa-eusflat-15.2015.138.
