本發(fā)明屬于石油化工化學(xué)反應(yīng)工程領(lǐng)域，涉及對(duì)特辛基苯酚(p-tert-octylphenol，ptop)合成反應(yīng)多組分預(yù)測(cè)模型的建模方法。
背景技術(shù)：
ptop是一種具有優(yōu)良滲透性和潤(rùn)濕性的粘液，不僅可以作為聚丙烯酸酯的乳化劑、環(huán)氧類(lèi)絕緣材料的粘接劑、薄膜材料的抗流動(dòng)劑、聚乙烯醇縮丁醛粘接劑的抗氧劑、聚碳酸酯的鏈終止劑和鏈轉(zhuǎn)移劑、染料色澤改進(jìn)劑、汽油抗震添加劑等。還是制備對(duì)叔辛基酚甲醛樹(shù)脂的原料，這種樹(shù)脂是天然橡膠和各種橡膠的增粘劑(特別是順丁膠、丁苯膠、丁腈膠、氯丁膠的有效增粘劑)，可用于輪胎、傳送帶等橡膠制品，也是油漆行業(yè)制造耐熱抗氧化涂料不可缺少的原料。
ptop可以采用苯酚與二異丁烯為原料，在陽(yáng)離子交換樹(shù)脂為催化劑條件下進(jìn)行合成。根據(jù)不同配方選擇不同配比的苯酚與二異丁烯，在一定溫度條件下發(fā)生烷基化反應(yīng)，可以得到特定組成含量的烷基酚烷化液。隨著工藝技術(shù)的發(fā)展、市場(chǎng)需求的增強(qiáng)、以及面對(duì)激烈的市場(chǎng)競(jìng)爭(zhēng)，為了獲取更大的規(guī)模效益，需要對(duì)連續(xù)烷化過(guò)程反應(yīng)裝置進(jìn)行擴(kuò)能，同時(shí)對(duì)出料烷化液的組成提出更高要求，便于生產(chǎn)更高質(zhì)量的辛基酚醛樹(shù)脂。但是由于連續(xù)烷化反應(yīng)組分復(fù)雜，通常歷經(jīng)多個(gè)反應(yīng)釜，如何控制最終出料烷化液的關(guān)鍵組分含量，確定目前生產(chǎn)狀況下最優(yōu)的操作條件、提高反應(yīng)裝置的負(fù)荷，真正做到使生產(chǎn)裝置安、穩(wěn)、長(zhǎng)、滿(mǎn)、優(yōu)地運(yùn)行，是企業(yè)決策層和生產(chǎn)技術(shù)人員所共同關(guān)心、急迫解決的重要問(wèn)題之一。因此，利用反應(yīng)過(guò)程組分預(yù)測(cè)模型來(lái)指導(dǎo)生產(chǎn)調(diào)整、優(yōu)化裝置操作條件、消除生產(chǎn)瓶頸、實(shí)現(xiàn)過(guò)程監(jiān)控、故障診斷是提高裝置經(jīng)濟(jì)效益最有效的途徑之一。另外，通過(guò)預(yù)測(cè)模型的在線投運(yùn)，還可為先進(jìn)控制提供重要的受控變量實(shí)時(shí)計(jì)算值，為裝置起到“軟儀表”的作用。
ptop連續(xù)烷化反應(yīng)過(guò)程涉及多個(gè)組分，同時(shí)伴隨著很多副反應(yīng)，主要受到反應(yīng)物濃度、停留時(shí)間、反應(yīng)溫度、催化劑活性等的影響。由于其復(fù)雜性和人類(lèi)目前認(rèn)知水平的限制，精確的反應(yīng)過(guò)程機(jī)理模型無(wú)法建立，同時(shí)工業(yè)反應(yīng)過(guò)程積累大量的生產(chǎn)數(shù)據(jù)，這些數(shù)據(jù)蘊(yùn)涵著工業(yè)裝置反應(yīng)過(guò)程的特征信息，但從實(shí)際生產(chǎn)過(guò)程采集的樣本數(shù)據(jù)總是有限的，樣本數(shù)據(jù)中包含大量重復(fù)程度不同的冗余信息，工業(yè)噪聲的廣泛存在等原因，使單純基于樣本數(shù)據(jù)的數(shù)學(xué)模型難以完全準(zhǔn)確地體現(xiàn)各操作條件的影響，甚至出現(xiàn)違反已知工藝機(jī)理和經(jīng)驗(yàn)知識(shí)的情況，其適用范圍有限，難以滿(mǎn)足大范圍操作優(yōu)化和控制的需求。當(dāng)前的研究方法主要通過(guò)各種假設(shè)，建立動(dòng)力學(xué)參數(shù)與反應(yīng)因素之間的關(guān)聯(lián)模型，然后通過(guò)實(shí)驗(yàn)數(shù)據(jù)求解模型中的未知參數(shù)。由于反應(yīng)過(guò)程的復(fù)雜性以及認(rèn)識(shí)水平的限制，各種假設(shè)與真實(shí)情況難免存在偏差，因此獲得的關(guān)聯(lián)模型可能存在偏差。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明目的是提供工業(yè)對(duì)特辛基苯酚合成反應(yīng)多組分預(yù)測(cè)模型的分步建模方法。第一步，基于關(guān)鍵組分的反應(yīng)網(wǎng)絡(luò)，根據(jù)各組分立物料守恒建立預(yù)測(cè)模型來(lái)描述反應(yīng)過(guò)程。基于工業(yè)裝置采集的實(shí)時(shí)數(shù)據(jù)為樣本，利用二級(jí)差分進(jìn)化算法搜索對(duì)應(yīng)條件下最優(yōu)的反應(yīng)級(jí)數(shù)以及反應(yīng)速率常數(shù)。第二步，考慮分段催化劑活性影響，建立反應(yīng)速率常數(shù)與反應(yīng)溫度、催化劑活性的關(guān)聯(lián)模型，通過(guò)第一步求解的反應(yīng)速率常數(shù)求解關(guān)聯(lián)模型的未知系數(shù)，從而構(gòu)建預(yù)測(cè)模型。該方法通過(guò)優(yōu)化算法修正建立反應(yīng)網(wǎng)絡(luò)時(shí)假設(shè)的不準(zhǔn)確性，建立能良好描述工業(yè)裝置特性的組分預(yù)測(cè)模型，可以計(jì)算實(shí)時(shí)條件下反應(yīng)釜內(nèi)主要組分的濃度，分析反應(yīng)裝置與操作條件中各反應(yīng)因素對(duì)反應(yīng)過(guò)程的影響，并為生產(chǎn)操作條件的優(yōu)化、過(guò)程控制、故障診斷、生產(chǎn)負(fù)荷調(diào)整等提供基礎(chǔ)和依據(jù)。
本發(fā)明的優(yōu)點(diǎn)：(1)基于工業(yè)裝置生產(chǎn)數(shù)據(jù)，直接通過(guò)智能優(yōu)化算法從給定機(jī)理模型框架與實(shí)驗(yàn)數(shù)據(jù)搜索最優(yōu)動(dòng)力學(xué)參數(shù)，將機(jī)理與數(shù)據(jù)驅(qū)動(dòng)的方法進(jìn)行融合，有助于構(gòu)建簡(jiǎn)潔有效的模型。(2)建立了多段催化劑條件下反應(yīng)動(dòng)力學(xué)參數(shù)的關(guān)聯(lián)模型。該方法建立的預(yù)測(cè)模型可以較好的描述工業(yè)裝置的特性，避免了單純基于工業(yè)生產(chǎn)數(shù)據(jù)的數(shù)學(xué)模型難以完全準(zhǔn)確地體現(xiàn)反應(yīng)過(guò)程的變化，以及各操作條件的影響，導(dǎo)致無(wú)法滿(mǎn)足大范圍操作優(yōu)化和控制的需求。
1.ptop合成反應(yīng)網(wǎng)絡(luò)和模型框架
由于原料組成復(fù)雜，ptop合成反應(yīng)裝置中存在很多副反應(yīng)，所以反應(yīng)物質(zhì)的組成無(wú)法準(zhǔn)確分析得到，如果對(duì)所有組分都加以考慮，無(wú)論從分析角度還是模型計(jì)算角度都是不可能的，而且從工業(yè)角度來(lái)看也是沒(méi)有必要的。因此只需考慮關(guān)鍵的組分，根據(jù)反應(yīng)過(guò)程中主要組分濃度變化情況，得到圖2所示的簡(jiǎn)化反應(yīng)網(wǎng)絡(luò)，反應(yīng)方程式如下：
其中k1與k2表示反應(yīng)速率常數(shù)。
采集s組生產(chǎn)過(guò)程數(shù)據(jù)為樣本，每組數(shù)據(jù)包括c8h16進(jìn)料流量fin,1(m3/h)，c6h6o進(jìn)料流量fin,2(kg/h)，裝置出料流量fout(m3/h)，反應(yīng)溫度t(k)，反應(yīng)物體積v(m3)，以及組分i的濃度值ci(kmol/m3)，其中i＝1,2,...,p，p為模型預(yù)測(cè)的組分?jǐn)?shù)量。同時(shí)根據(jù)各組分物料守恒建立如下模型：
其中，ρi(kg/m3)與mi(g/mol)為組分i的密度與相對(duì)分子質(zhì)量，m1,m2,m3為預(yù)測(cè)模型的反應(yīng)級(jí)數(shù)。
2.反應(yīng)級(jí)數(shù)與反應(yīng)速率常數(shù)求解
上述反應(yīng)網(wǎng)絡(luò)模型框架是基于一定的假設(shè)條件構(gòu)建的，與實(shí)際反應(yīng)過(guò)程不可避免存在一定的偏差，所以模型參數(shù)的解析解一般無(wú)法得到。這里以工業(yè)裝置采集的數(shù)據(jù)與采樣分析值為樣本，結(jié)合建立的預(yù)測(cè)模型，利用二級(jí)差分進(jìn)化算法進(jìn)行反應(yīng)級(jí)數(shù)與反應(yīng)速率常數(shù)的尋優(yōu)，第一級(jí)尋優(yōu)參數(shù)為x1＝[m1,m2,m3]，第二級(jí)尋優(yōu)參數(shù)為x2＝[k1,k2]，尋優(yōu)過(guò)程如圖2所示，主要步驟如下：
(a)確定算法參數(shù)，如種群規(guī)模pop、交叉參數(shù)cr、變異率sf等；
(b)隨機(jī)初始化種群解x1；
(c)對(duì)于所有樣本數(shù)據(jù)，在x1＝[m1,m2,m3]條件下，利用差分進(jìn)化算法尋找對(duì)應(yīng)條件下的最優(yōu)反應(yīng)速率常數(shù)[k1,k2]：
(c.1)隨機(jī)初始化x2；
(c.2)選擇一組樣本數(shù)據(jù)；
(c.3)計(jì)算樣本數(shù)據(jù)條件下的組分濃度預(yù)測(cè)值，計(jì)算組分相對(duì)預(yù)測(cè)誤差f2：
其中，ci，分別為對(duì)應(yīng)樣本下組分i的真實(shí)濃度值，模型計(jì)算值；
(c.4)得到當(dāng)前最小對(duì)應(yīng)的尋優(yōu)結(jié)果
若模型達(dá)到精度要求，即誤差不再變化，則保存對(duì)應(yīng)的進(jìn)一步判斷樣本是否計(jì)算結(jié)束，若計(jì)算未結(jié)束則轉(zhuǎn)至(c.2)，若計(jì)算結(jié)束則轉(zhuǎn)至(d)；若模型沒(méi)有達(dá)到要求則轉(zhuǎn)至(c.5)；
(c.5)對(duì)當(dāng)前參數(shù)x2進(jìn)行如下交叉變異操作，并轉(zhuǎn)至(c.3)：
(c.5.1)對(duì)個(gè)體x2p，隨機(jī)選取另外兩個(gè)個(gè)體x2q、x2r，則變異公式為：
v2p＝x2p+sf(x2q-x2r)，
(2)
(c.5.2)按概率cr進(jìn)行交叉；
其中rand(0,1)表示服從均勻分布(0,1)上的隨機(jī)數(shù)；
(d)得到所有樣本平均組分預(yù)測(cè)相對(duì)誤差f1；
其中，cji，分別為第j組樣本數(shù)據(jù)中組分i的分析值，模型計(jì)算值；
(e)求得最小誤差f1best對(duì)應(yīng)的最優(yōu)結(jié)果若模型達(dá)到精度要求，即誤差f1best不再變化，則保存對(duì)應(yīng)的結(jié)束尋優(yōu)；若模型沒(méi)有達(dá)到精度要求則轉(zhuǎn)至(f)；
(f)對(duì)當(dāng)前參數(shù)x1進(jìn)行如下交叉變異操作，并轉(zhuǎn)至(c)：
(f.1)對(duì)個(gè)體x1p，隨機(jī)選取另外兩個(gè)個(gè)體x1q、x1r，則變異公式為：
v1p＝x1p+sf(x1q-x1r)，
(5)
(f.2)按概率cr進(jìn)行交叉
3.反應(yīng)速率常數(shù)關(guān)聯(lián)模型
合成反應(yīng)使用的催化劑為分段加入，反應(yīng)速率常數(shù)主要受到溫度以及催化劑活性的影響，所以必須對(duì)傳統(tǒng)反應(yīng)速率常數(shù)模型，即arrhenius方程進(jìn)行修正，修正后的模型為：
k＝k0exp(-e/rt+αg+βtg)，
(7)
即，
lnk＝lnk0-e/rt+αg+βtg，
(8)
其中k0，e，r為需要求解的系數(shù)，g為催化劑使用量，tg為催化劑平均使用時(shí)間。
其中，gi，ti為第i段催化劑使用量及其使用時(shí)間，l為催化劑加入的次數(shù)。
由(8)可以簡(jiǎn)化出如下線性模型：
lnk＝a/t+bg+ctg+d
(10)
其中a,b,c,d為待求解的參數(shù)，根據(jù)上一步求解出來(lái)的反應(yīng)速率常數(shù)，累積n個(gè)樣本得到lnk＝[lnk(1),lnk(2),...,lnk(n)]t，t＝[1/t(1),1/t(2),...,1/t(n)]t，g＝[g(1),g(2),...,g(n)]t，可以將上式寫(xiě)為：
利用上式即可求得反應(yīng)速率關(guān)聯(lián)模型的未知系數(shù)。
從而，通過(guò)反應(yīng)條件可以計(jì)算反應(yīng)速率常數(shù)，進(jìn)一步代入預(yù)測(cè)模型即可預(yù)測(cè)各組分的濃度，為生產(chǎn)提供指導(dǎo)。
4.附圖說(shuō)明
圖1是本發(fā)明的工業(yè)對(duì)特辛基苯酚合成反應(yīng)多組分預(yù)測(cè)模型的分步建模方法示意圖；
圖2是合成反應(yīng)簡(jiǎn)化網(wǎng)絡(luò)圖；
圖3是反應(yīng)級(jí)數(shù)與反應(yīng)速率常數(shù)尋優(yōu)框圖。
5.具體實(shí)施方式
以下通過(guò)實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明，如圖1所示：
1.數(shù)據(jù)采集
根據(jù)實(shí)驗(yàn)室對(duì)反應(yīng)組分的采樣分析濃度值(mol/m3)，包括采集對(duì)應(yīng)時(shí)間工業(yè)裝置的生產(chǎn)過(guò)程數(shù)據(jù)，包括c8h16進(jìn)料流量fin，1(m3/h)，c6h6o進(jìn)料流量fin,2(kg/h)，裝置出料流量fout(m3/h)，反應(yīng)溫度t(k)，反應(yīng)物體積v(m3)，一共采集100個(gè)樣本數(shù)據(jù)。
2.反應(yīng)級(jí)數(shù)與反應(yīng)速率常數(shù)的計(jì)算
如圖3所示，設(shè)定差分進(jìn)化算法的參數(shù)，種群規(guī)模pop＝100，交叉率cr＝0.8，變異率sf＝0.6，通過(guò)二級(jí)差分進(jìn)化算法尋優(yōu)得到反應(yīng)級(jí)數(shù)：m1＝1.0、m2＝1.0、m3＝1.0，以及100組反應(yīng)速率常數(shù)值。
3.建立反應(yīng)速率常數(shù)與反應(yīng)條件的關(guān)聯(lián)模型
根據(jù)采樣數(shù)據(jù)所對(duì)應(yīng)的時(shí)間，計(jì)算每個(gè)樣本采樣之日催化劑的使用情況，包括催化劑加入次數(shù)l，以及催化劑每次使用量gi與使用時(shí)間ti，從而計(jì)算每個(gè)樣本所使用的催化劑總量g與平均使用時(shí)間tg。
根據(jù)修正arrhenius方程，求得該反應(yīng)速率關(guān)聯(lián)模型的各參數(shù)為：
k1:a＝-743.011,b＝0.002,c＝-0.004,d＝-0.784
k2:a＝-705.164,b＝0.001,c＝-0.004,d＝-1.977
4.預(yù)測(cè)模型的應(yīng)用
設(shè)某次采樣組分濃度與反應(yīng)條件為：
(1)生產(chǎn)過(guò)程數(shù)據(jù)為：c8h16進(jìn)料流量fin，1＝0.5m3/h，c6h6o進(jìn)料流量fin,2＝400kg/h，裝置出料流量fout＝1.0m3/h，反應(yīng)溫度t＝300k，反應(yīng)物體積v＝4m3，反應(yīng)物密度ρ＝700kg/m3，此外
(2)催化劑使用情況為：一段催化劑g1＝50kg，使用時(shí)間t1＝50days；二段催化劑g2＝50kg，使用時(shí)間t2＝30days；三段催化劑g3＝50kg，使用時(shí)間t3＝20days；則催化劑總量g＝150kg，平均使用時(shí)間tg＝33.3days；
根據(jù)上述條件，可以計(jì)算得到反應(yīng)速率常數(shù)如下：
k1＝0.045，k2＝0.013
基于計(jì)算得到的反應(yīng)速率常數(shù)，帶入預(yù)測(cè)模型可以預(yù)測(cè)組分濃度。
該技術(shù)已申請(qǐng)專(zhuān)利。僅供學(xué)習(xí)研究，如用于商業(yè)用途，請(qǐng)聯(lián)系技術(shù)所有人。
技術(shù)研發(fā)人員：顏學(xué)峰;羅娜;顏世福;駱楠;盧偉鵬;王家川;潘俞;朱明杰;袁敏健;劉沛;嚴(yán)卿;董棟;張寧
技術(shù)所有人：華東理工大學(xué);彤程化學(xué)(中國(guó))有限公司;彤程新材料集團(tuán)股份有限公司
客服1