气相流化床聚乙烯颗粒粒径分布模型的研究

气相法流化床聚乙烯生产过程中,聚乙烯颗粒粒径分布影响聚合速率、脱挥速率、后处理工序生产成本和最终的聚乙烯物性。为预测流化床中聚乙烯的粒径分布,考察各操作变量和动力学参数对粒径分布的影响,运用了质量衡算的方法,在综合分析聚合过程中聚乙烯颗粒的生长、磨损和扬析等行为的基础上,建立了稳态操作时聚乙烯颗粒粒径分布预测模型。模型计算结果表明,当单一粒径催化剂进料时,随着催化剂粒径或是操作气速的增大,聚乙烯粒径分布向大粒径方向偏移,且分布变宽;相比于操作气速,催化剂粒径作用更为显著。同时发现,床层压力和温度对聚乙烯粒径分布的影响很小。在催化剂粒径有分布的情况下,不同粒径催化剂的质量比不但影响树脂的平均粒径,而且也影响树脂的粒径分布曲线,并在一定的配比下会出现双峰颗粒粒径分布曲线。最后,对某聚乙烯厂家的流化床反应器的聚乙烯颗粒粒径分布进行了模拟计算,计算结果与实验数据基本一致,说明该模型较好反映了气相流化床反应器的反应历程和规律,具有良好的工业应用前景。     

气固流化床中声发生机理及在工业装置中的应用

利用声测量技术,结合频谱分析,建立了颗粒碰撞的声波频率模型,可定量描述声波主频随颗粒粒径、弹性模量和密度的变化规律.通过改变流化颗粒的粒径、弹性模量参数和密度,发现声波主频与频率模型计算值之间的最大偏差为8.3%,说明声波主频可以代表颗粒在壁面的碰撞频率.讨论了热态和冷态条件下声波主频之间变化规律,通过对弹性模量参数的校正,声测量技术可以用于预测工业装置中物料的平均粒径变化,并将该模型应用于线性低密度聚乙烯、高密度聚乙烯和双峰聚乙烯工业生产装置中的平均粒径测量,发现与传统的取样筛分方法所得测量结果十分接近.同时,发现当系统产生聚合物颗粒结块时,声波主频将急剧降低,声波频谱的能量分布将明显集中增大,这可作为判断流化床稳定运行的一个判据.     

基于BP神经网络的尿素造粒喷头性能预测

尿素造粒喷头及其操作参数对尿素颗粒的空间分布和粒径分布有着重要影响,介绍了BP神经网络模型的建立及有关参数的选取,运用该模型对不同工况下颗粒在塔径向上的分布和颗粒粒径分布进行了预测,并用于指导实际生产,确保产品质量稳定。     

颗粒级配对分级机进料管流动特性影响的数值研究

为了分析颗粒级配对超细分级机进料管内流动特性的影响,利用计算流体力学(CFD)方法,对进料管内气固两相流动进行研究。在对计算模型进行验证的基础上,揭示了不同颗粒级配下进出口压差、颗粒浓度分布及颗粒分散等特性。研究表明:进料管进出口压差随着级配中大粒径颗粒含量的增加而增加。当级配中小粒径含量较大时,颗粒浓度分布均匀,颗粒分散性较好,入口风速、喂料浓度、颗粒密度的改变对颗粒量纲1浓度分布及分散性影响较小。对于大粒径含量较大的级配,随着入口风速的增加,量纲1浓度减小,浓度分布不均匀度减小,分散性提高;随着喂料浓度的增加,量纲1浓度分布变化较小,但浓度分布不均匀度增大,颗粒分散性下降;随着物料密度的增加,浓度分布不均匀度减小,颗粒分散性提高。竖直段轴向截面上颗粒量纲1平均浓度的高低分界线为一定值(Z=0.5 m),且与颗粒级配及操作参数的变化无关。     

双组分固体颗粒在连续操作的三相床反应器中的轴向浓度分布

在一内径为4.2cm、高为150cm的连续操作的三相床反应器中对双组分固体颗粒的轴向浓度分布进行了实验研究. 实验用的固体混合物物料一组为粒径不同的联二脲颗粒,另一组为润湿性不同的联二脲与发泡剂ADC颗粒的混合物.为描述不同特性的颗粒浓度在床内的轴向分布,提出了修正的沉降分散模型.模型计算值能很好地拟合实验数据.     

65 t/h高低差速循环流化床流动特性模拟

对一台65 t/h高低差速循环流化床炉内流动特性进行二维数值模拟。采用基于颗粒动力学理论的欧拉双流体模型来描述气固流动,湍流模型、气固曳力模型和不同粒径颗粒间曳力模型分别采用RNG k-ε per phase模型、Gidaspow模型和Schiller-naumann模型,并应用商业计算流体力学软件Fluent进行数值计算,得到炉内颗粒速度分布、压力分布和颗粒浓度分布,并将压力分布与实测值进行对比。在欧拉双流体模型中分别采用单粒径固相模型和多粒径固相模型,并对模拟结果进行对比分析。结果表明,单粒径固相模型能够较好预测高低差速循环流化床炉内流动特性,为其优化设计、运行及大型化提供了理论依据。     

提升管反应器进料混合段内气固两相流动特性(Ⅱ)理论分析

针对提升管进料混合段这一复杂的混合流场建立了轴向颗粒返混模型 ,用以计算颗粒相返混比、轴向速度以及混合相密度等 ,从而将颗粒相的流动描述成单一参数控制的行为 .并根据多相流动的扩散模型和冷态实验的结果给出了射流相浓度在截面上分布规律的计算方法 ,指出该浓度分布主要与射流气速和预提升表观线速的速度比有关 ,而其他操作参数的影响都是次要的 .     

消光测粒反演方法的正则化参数优化

独立模式反演算法求解消光法颗粒粒径测量中病态反演问题,参数优化线准则的参数优化性能,通过数值模拟和实测数据验证,讨论了上述准则在消光法测粒反演中的应用.表明它们均具有一定的数据误差自适应能力.结合Twomey-NNLS算法,对单峰分布颗粒系给出合理的反演结果.     

自絮凝颗粒酵母表观生长动力学

首先利用激光聚焦反射颗粒测量系统在线监测了自絮凝颗粒酵母粒径分布,通过提高发酵罐搅拌速率减小了颗粒粒径,消除了内扩散影响,获得了本征动力学模型。进而基于颗粒内部薄壳物料衡算理论,建立了表观动力学模型,并通过不同底物浓度和自絮凝酵母颗粒粒径分布条件下发酵实验数据拟合,获得了模型的参数。在此基础上,分析了内扩散效应导致颗粒内部可能出现死区的影响,绘制了发酵培养基初始糖和自絮凝颗粒酵母粒径影响的操作图,分析了这一发酵体系的性能。结果表明对于工业生产中普遍采用的多级串联连续乙醇发酵系统,主发酵罐和后发酵罐由于残糖水平差别较大,使颗粒内部因底物枯竭而导致内扩散效应的可能性显著不同：主发酵罐适宜于较大粒径自絮凝颗粒酵母体系,以利于固定化,提高发酵罐中细胞密度和生产强度;而后发酵罐适宜于较小粒径自絮凝颗粒酵母,以减轻底物内扩散影响,保持所需的发酵活性。因此需要综合考虑工程操作和动力学行为,对自絮凝颗粒酵母粒径分布进行优化控制。     

循环悬浮床内气固两相流动优化的实验研究

在截面尺寸为400 mm?400 mm的方形截面循环悬浮床冷态实验台架上，以空气为流化介质，平均粒径40 ?m的玻璃粉为循环物料，采用双光路光纤密度探头，测量了颗粒浓度随床底部进气结构、顶部结构和内构件等几何结构的不同而变化的规律；在改变表观气速和循环流率等操作参数的情况下测量了床内颗粒浓度的分布；根据部分测量结果分析了这些因素对边角处颗粒回流效应的影响. 结果表明，优化几何结构和选取合理的操作参数都可以提高烟气脱硫循环悬浮床内气固接触反应的脱硫效率.     

二项式分布在种群平衡模型模拟粒度分布中的应用

提出了一种适用于几何网格的子粒子二项式分布函数,并应用于种群平衡模型模拟活性污泥絮凝后的粒度分布。结果表明：与二元分布相比,该二项式分布可以得到更准确的粒度分布和平均粒度模拟值;通过校核二项式分布参数C_p的取值,可以提高粒度分布和平均粒度的模拟精度。相比于二元分布或正态分布只能描述一种类型的子粒子分布,该二项式分布具有较强的适应性,调整参数C_p的取值,可以得到更多可能的子粒子分布;参数C_p还可以表征粒子的破碎方式--较小的C_p值表征粒子具有较强的稳定性,易破碎生成较大的子粒子;较大的C_p值表征粒子具有较弱的稳定性,易破碎生成较小的子粒子。     

聚乙烯粉料粒径分布对熔体质量流动速率的影响

选择不同生产工艺的4种聚乙烯粉料，使用振筛机和不同孔径筛网进行筛分，得到不同粒径范围的聚乙烯粉料，用熔融指数仪测试这些粉料的熔体质量流动速率（MFR），考查不同粒径范围的聚乙烯粉料MFR的差异以及聚乙烯粉料粒径分布与MFR的关系，分析了聚乙烯粉料MFR测试结果的重复性与粉料粒度分布的关系，提出了在测试过程中如何正确操作减小MFR测试误差的方法，为粉料MFR的测定提供指导。结果表明，聚乙烯粉料的粒径分布对MFR有较大影响，通过测试前处理和规范称量时取样，可显著提高MFR测定结果的重复性。     

基于小波包分析和K-OPLS的集成方法在颗粒粒径分布检测中的应用

颗粒粒径分布的实时在线检测对于调控气固流化床中颗粒的流化特性具有重要意义。基于混料均匀设计法安排实验,以声发射(AE)技术为检测手段,结合小波包分析,提出采用K-OPLS方法构建颗粒粒径分布的声信号预测模型,定量描述小波包能量特征与颗粒粒径分布的非线性变化规律。实验结果显示,留一交叉验证法的均方根误差(RMSE)仅为0.063,表明基于K-OPLS的颗粒粒径分布声信号预测模型能准确测量气固流化床中颗粒的粒径分布,具有良好的工业应用前景。     

化学气相淀积反应器中成核与成膜控制

基于气溶胶动力学和化学反应动力学,建立了化学气相淀积(CVD)反应器中普适动力学方程,导出了CVD反应器中超细颗粒粒径分布谱函数和薄膜淀积速率的计算方法;研究了操作参数对钛酸丁酯高温裂解过程中成核与成膜的影响.用成核与成膜竞争判据——H准数,研究了CVD反应器中成核与成膜的控制策略.     

Control of particle size distribution for the synthesis of small particle size high solids content latexes

A polymerization process to synthesize bimodal latexes with maximum particle diameters below 350 nm and solids content above 65 wt% has been developed.The process is based on an iterative strategy to determine the optimal particle size distribution that gives the maximum packing factor for a given range of particle sizes and at a given solids content. The calculated optimal bimodal PSD was experimentally obtained in a seeded semi-continuous emulsion polymerization reaction as follows: in the first step, a polymer seed latex was loaded in the reactor and grown, under monomer starved conditions, until a given particle size. At this point a fraction of the same seed was added to the reactor and the feed was continued until the desired particle size distribution and solids content were achieved. The point at which the seed was added again to the reactor and the amount of seed required were determined by the iterative strategy and depended on the competitive growth rate ratio of large and small particles that is an input for the iterative strategy.Implementation of the solution obtained from the iterative strategy, and for the first time in the open literature, led to the production of a coagulum free and stable bimodal latex with 70 wt% of solids content and particle sizes below 350 nm.     

丁二烯气相聚合产物分子量分布和粒径分布模型研究

对非均相催化的丁二烯气相聚合,基于聚合物多层模型,考虑催化剂颗粒间活性位初始浓度和粒径分布对聚合物分子量分布和粒径分布的影响,建立了聚合物分子量分布和粒径分布的数学模型。模拟了反应温度、催化剂颗粒间活性位初始浓度和粒径分布等因素的影响,结果表明。随着温度升高,聚合物颗粒平均粒径变小,粒径分布变窄,聚合物分子量变小,分子量分布变宽;催化剂颗粒间的活性组分负载越均匀,聚合物分子量越大,分子量分布和粒径分布越窄;随着催化剂平均粒径变大,聚合物分子量变小,分子量分布变宽,不存在催化剂颗粒粒径分布和聚合物颗粒粒径分布间的复制现象。模型模拟结果与实验结果吻合较好,可用于预测丁二烯气相聚合产物的分子量、分子量分布和粒径分布。     

基于SHPSO-GA-BP的成品汽油调和中加氢汽油组分辛烷值的预测

针对成品汽油调和配方建模中加氢汽油组分辛烷值难以实时获取，考虑遗传算法（genetic algorithm，GA）、粒子群算法（particle swarm optimization，PSO）优化反向传播（back propagation，BP）网络存在的问题，提出了一种串行混合粒子群遗传算法（serial hybrid PSO-GA，SHPSO-GA）优化BP网络，并用于辛烷值的预测建模。该方法首先将PSO算法的输出依据适应度值分为优劣2个种群，弃劣留优；然后对留优种群再进行GA的交叉变异操作，进一步优化种群，经过每一代PSO和GA的交替优化，并将最优种群用于BP网络参数优化；最后基于该方法和工业历史数据，建立了加氢汽油组分辛烷值的预测模型，仿真结果表明，较传统BP，以及改进的GA-BP、PSO-BP、PSO-GA-BP等方法，SHPSO-GA-BP由于将PSO与GA进行更优的深度融合，具有更好的预测性能，可以用于辛烷值的预测。     

Optimal control of batch processes using particle swam optimisation with stacked neural network models

An optimal control strategy for batch processes using particle swam optimisation (PSO) and stacked neural networks is presented in this paper. Stacked neural network models are developed form historical process operation data. Stacked neural networks are used to improve model generalisation capability, as well as provide model prediction confidence bounds. In order to improve the reliability of the calculated optimal control policy, an additional term is introduced in the optimisation objective function to penalize wide model prediction confidence bounds. The optimisation problem is solved using PSO, which can cope with multiple local minima and could generally find the global minimum. Application to a simulated fed-batch process demonstrates that the proposed technique is very effective.     

应用群能量恒定粒子群优化算法的批次流加发酵过程批次间优化(英文)

An iterative optimization strategy for fed-batch fermentation process is presented by combining a run-to-run optimization with swarm energy conservation particle swarm optimization (SEC-PSO). SEC-PSO, which is designed with the concept of energy conservation, can solve the problem of premature convergence frequently appeared in standard PSO algorithm by partitioning its population into several sub-swarms according to the energy of the swarm and is used in the optimization strategy for parameter iden-tification and operation condition optimization. The run-to-run optimization exploits the repetitive nature of fed-batch processes in order to deal with the optimal problems of fed-batch fermentation process with inaccurate process model and unsteady process state. The kinetic model parameters, used in the operation condition optimization of the next run, are adjusted by calculating time-series data obtained from real fed-batch process in the run-to-run optimization. The simulation results show that the strategy can adjust its kinetic model dynamically and overcome the instability of fed-batch process effectively. Run-to-run strategy with SEC-PSO provides an effective method for optimization of fed-batch fermentation process.     

Miniemulsion polymerisation in pseudo-bulk regime: Mathematical modelling, prediction and optimal strategy of operation

A dynamic mathematical model based on pseudo-bulk kinetics was developed for styrene miniemulsion polymerisation and validated using experimental data. Key findings are that the developed model match reasonably with experimental data and is able to predict the polymerisation attributes and product properties such as fractional conversion, average molecular weight, molecular weight distribution (MWD), average particle size and particle size distribution (PSD) in miniemulsion polymerisation. Optimal strategy of semibatch operation was developed using reaction temperature and monomer feed rate as process variables with specified initial conditions.