شناسایی سیستم و تخمین پارامترهای ترموسینتیکی در بسپارش امولسیونی بوتیل آکریلات

امروزه فرآیندهای امولسیونی بدلیل مزیت هایی که نسبت به دیگر انواع فرآیندهای دارند، مورد توجه بیشتری قرار گرفته اند و با توجه به طبیعت پیچیده ی این فرآیند و تولید نانو ذرات بسپار، کنترل و پایش فرآیند تاثیر زیادی بر کیفیت محصول نهایی خواهد داشت. نتایج به دست آمده در این پروژه می تواند به جهت کنترل بسپارش امولسیونی بوتیل آکریلات استفاده گردد. هدف در این پروژه، تخمین پارامترهای ترموسینتیکی در بسپارش امولسیونی بوتیل آکریلات و نحوه ی تغییرات این پارامترها می باشد. این پارامترها عبارتند از: ua ضریب انتقال حرارت کلی، kloss ضریب اتلاف حرارت کلی و total(mc) . این پارامترها تابعی از متغیرهای سیستم (دمای راکتور و درجه تبدیل) در نظر گرفته شده اند. به این منظور در ابتدا طبق گرماسنجی جریان گرمایی، موازنه ی انرژی حول راکتور امولسیونی در نظر گرفته می شود. روش مدلسازی به کار رفته با عنوان مدلسازی تفسیر پذیر بر اساس داده ها می باشد، به این مفهوم که مدلسازی بایستی بر اساس داده های تجربی، تفسیر پذیر باشد و مفهوم فیزیکی درستی را ارائه دهد. اصولا روش های dbm به منظور تخمین و شناسایی آماری مدلها ی احتمالی خطی ،غیر ثابت و غیر خطی با معادلات دیفرانسیل پارامتری lumped ( فشرده ) به کار رفته اند. در روش مدلسازی dbm معادلات شبیه سازی قطعی (معادلات جرم یا انرژی) به فرم احتمالی تبدیل می شوند، با این فرض که پارامترها، همبسته و ورودی ها به طور ذاتی متغیرند و فقط می توانند در تعدادی فرم احتمالی مناسب توصیف شوند که از این فرم های احتمالی می توان تابع توزیع احتمال برای پارامترها و یک مدل وابسته به زمان را درمورد ورودی ها ذکر نمود. دو روش برای تخمین پارامترها روی داده هایی که دکتر فرشچی از راکتور بسپارش بوتیل آکریلات بدست آوردند، امتحان شده است. در ابتدا روش شناسایی ساده ی حداقل مربعات معمولی استفاده شده که پارامترها را به صورت ثابت شناسایی می کند، اما با توجه به اینکه تطابق مناسبی بین تبدیل های شبیه سازی و تبدیل های وزن سنجی بدست نیامده است، روش حداقل مربعات معمولی، روش مناسبی نبوده است. در مرحله ی بعد از روش شناسایی با عنوان liv (متغیرهای سودمند محلی) که پارامترها را به صورت متغیر شناسایی می کند استفاده شده است و از آنجایی که نتایج حاصل از شبیه سازی با نرم افزار matlab و داده های تجربی انطباق مناسبی را نشان داده اند روش liv روش مناسبی بوده است. در روش liv پارامترهای ترموسینتیکی بر اساس مدل sdp، تابعی از حالت های سیستم در نظر گرفته شده اند. مساله ی مهم در تخمین این پارامترها این است که هر کدام از این پارامترها تابعی از چه حالت هایی از سیستم در نظر گرفته شوند، تا نتایج حاصل از شناسایی بر اساس داده های تجربی قابل تفسیر باشد.حالت های بسیاری امتحان شده است و در نهایت ua تابعی از میزان تبدیل، kloss تابعی از دمای راکتور و total(mc) نیز تابعی از دمای راکتور و میزان تبدیل بدست آمده است و مقدار و نحوه ی تغییرات این پارامترها به صورت تابعی از حالت های در نظر گرفته شده، تخمین زده شده اند.