过程控制与监控方案设计
在过程控制与监控方案中,MPC控制模块,将来自PLS校准模型的实时康宁微通道反应器中醚收率,预测控制到期望的设定值。
此外,该收率预测与连续流工艺过程数据一起,用于开发的PCA监测器中,以检测并指示工艺/反应相关的故障。
图3. 先进过程控制与监控方案流程
图4. MPC控制器构成
1. PLS校准模型设计
以泵1和泵2转速以及温控器温度为因素,在反应器中进行了实验设计(DOE)。泵的转速在200到425 rpm之间,来调节水相与有机相的比例。
当反应稳定后,在反应器出口收集样品,使用HPLC进行定量分析,后端装备FT-IR探针用于醚的红外光谱测定。
HPLC所测定的定量收率与在线FT-IR光谱实时预测醚的收率相关联,并建立校准模型。
图5. 泵速、温度和醚收率的实时变化
图6. FT-IR光谱(左)以及在1204cm−1左右,收率不同的醚吸收峰
对实验过程中采集的在线FT-IR光谱进行预处理后,得到FT-IR光谱图和一个醚光谱峰值约1204 cm−1(图6右侧图)。从HPLC数据可知,FT-IR的醚峰和HPLC百分比产率之间有很强的相关性。
2. MPC控制模型开发
MPC控制方案是控制两个泵速度和循环器温度SP,以将醚收率控制在所需的设定点。
PCA(Principal Component Analysis,主成分分析,一种统计方法) Process Monitor利用醚的产率预测值和反应器过程数据,来监控反应过程中的故障。
PCA(Principal Component Analysis,主成分分析统计法)利用醚的收率预测值和反应器过程数据,来监控反应过程中的故障。
SPE值(平方预测误差奇异值分解)高于95%阈值,表明数据相关性出现故障。而𝑇2超过其阈值,反映了过程偏离其多元平均值。
4、方案的有效性和稳定性实验
为了验证模型的有效性和稳定性,作者实验了三种连续化反应:100%催化剂浓度的标准化学反应工艺,以及2种不规则化学反应工艺(分别具有75%和50%催化剂浓度),均在三个不同醚收率设定值下,评估MPC和PCA控制性能。