CN108803329B - 一种超临界萃取过程溶解度优化方法 - Google Patents
一种超临界萃取过程溶解度优化方法 Download PDFInfo
- Publication number
- CN108803329B CN108803329B CN201810628930.XA CN201810628930A CN108803329B CN 108803329 B CN108803329 B CN 108803329B CN 201810628930 A CN201810628930 A CN 201810628930A CN 108803329 B CN108803329 B CN 108803329B
- Authority
- CN
- China
- Prior art keywords
- temperature
- pressure
- solubility
- model
- interference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000000194 supercritical-fluid extraction Methods 0.000 title claims abstract description 63
- 230000008569 process Effects 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 title claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims description 18
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 11
- 238000002474 experimental method Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 239000001569 carbon dioxide Substances 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000009835 boiling Methods 0.000 claims description 5
- 230000002087 whitening effect Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000008878 coupling Effects 0.000 abstract description 11
- 238000010168 coupling process Methods 0.000 abstract description 11
- 238000005859 coupling reaction Methods 0.000 abstract description 11
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- ZUOUZKKEUPVFJK-UHFFFAOYSA-N diphenyl Chemical compound C1=CC=CC=C1C1=CC=CC=C1 ZUOUZKKEUPVFJK-UHFFFAOYSA-N 0.000 description 12
- 239000012530 fluid Substances 0.000 description 11
- 239000004305 biphenyl Substances 0.000 description 6
- 235000010290 biphenyl Nutrition 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 241000170545 Iago Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000002904 solvent Substances 0.000 description 3
- 102000002274 Matrix Metalloproteinases Human genes 0.000 description 2
- 108010000684 Matrix Metalloproteinases Proteins 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 101100136092 Drosophila melanogaster peng gene Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000000658 coextraction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000009878 intermolecular interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- URWAJWIAIPFPJE-YFMIWBNJSA-N sisomycin Chemical compound O1C[C@@](O)(C)[C@H](NC)[C@@H](O)[C@H]1O[C@@H]1[C@@H](O)[C@H](O[C@@H]2[C@@H](CC=C(CN)O2)N)[C@@H](N)C[C@H]1N URWAJWIAIPFPJE-YFMIWBNJSA-N 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D11/00—Solvent extraction
- B01D11/02—Solvent extraction of solids
- B01D11/0203—Solvent extraction of solids with a supercritical fluid
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明属于超临界萃取的生产工艺领域,具体的说是一种超临界萃取过程溶解度优化方法。该方法包括以下步骤:步骤一、温度‑压力过程与溶解度建模;步骤二、温度‑压力解耦控制与溶解度优化计算;步骤三、实验结果的分析。本发明结合PR状态方程,用新理论和方法研究温度与压力之间的耦合及其解耦模型以改进SFE工作效率,构建了非线性温度‑压力解耦模型,给出了溶解度优化方法,根据设定温度计算最优的工作压力以获得超临界萃取过程最大溶解度,解决了超临界萃取过程中SFE工作效率低的问题。
Description
技术领域
本发明属于超临界萃取的生产工艺领域,具体的说是一种超临界萃取过程溶解度优化方法。
背景技术
超临界流体萃取(Supercritical Fluid Extraction,简称SFE)就是利用超临界流体具有溶解许多物质能力的性质,将其作为萃取剂,根据各物质组分在超临界流体相中的溶解量不同,然后通过减压或调节温度来降低超临界流体的密度,从而降低其溶解能力,达到萃取分离或精制某种特定成分目的的新型分离技术。
近二三十年来,随着科技进步和生活水平提高,人们对健康、环境有了新的认识,对食品、医药、化妆品等有关身心健康的产品及相关生产方法提出了更高标准和要求。尽管近年来作为代表“清洁化工”和“绿色化学”理念新技术之一的CO2超临界萃取的实际应用已取得了较大的进展,但由于缺乏超临界流体体系相平衡和萃取过程中传递性质的基础数据,而不能建立满意的关联和预测模型;在超临界状态下,温度等参数控制具有时变、非线性的特点,常规反馈控制手段很难保证萃取温度的精准控制,由此给工业化生产带来了困难。
影响超临界流体萃取的因素有物料粉碎粒度、萃取压力、温度、被萃取物本身的性质、CO2的流量、萃取时间、夹带剂、分离压力及分离温度等。超临界萃取过程萃取温度是影响超临界CO2萃取效果的主要因素,对超临界流体溶解性能的影响也是非常显著的。但这种影响表现为双重作用,在压力比较低的条件下,升高温度能够提高待分离组分的挥发度和扩散能力,但这种提高不足以弥补由于温度升高导致超临界CO2密度下降而带来的流体溶解能力减弱,因此表现为溶质的溶解度随温度的升高而下降;在相对高压的条件下,超临界CO2的密度比较大,可压缩性小,此时由于温度升高而使待分离组分蒸汽压和扩散系数的增加大大超过了由于超临界流体密度减小而引起的溶解能力的降低,从而使超临界流体的溶解性能随温度的升高而增强。在临界点附近,温度的微小变化将会引起流体密度很大变化,并相应地表现为溶解度的变化。因此,可以利用温度的变化来实现萃取和分离的过程。
CO2超临界萃取过程中温度和压力是相互影响的,但是在实际的生产应用中往往压力能够比较容易的达到理想值,但是温度由于其他因素的影响以及控制方法的原因很难达到最优值。所以在实际应用中实现CO2超临界萃取过程温度的控制成为超临界萃取工艺推广应用的一大难题。温度-压力过程是一非线性系统,由线性和非线性两部分组成。温度和压力的线性部分模型可以很容易获得,其都为SISO模型。非线性部分存在温度和压力的耦合关系。很多方法和模型被提出来描述SFE过程,其中立方型状态方程因其结构简单、形式通用等特点被广泛应用。vdW状态方程由van der Waals在1873年提出,用来进行蒸汽流量平衡计算。PK状态方程由Redlich与Kwong在1949年提出。RK状态方程由Soave进行改进,并在1979年提出了RKS状态方程。RP状态方程由Peng与Robinson在1976年提出。相比之下,PR状态方程应用最广。文献(Hao Li and S.X.Yang,"Modeling of supercritical fluidextraction by hybrid Peng-Robinson equation of state and genetic algorithms,"IEEE 2002International Conference on Communications,Circuits and Systems andWest Sino Expositions,2002,pp.1122-1126vol.2.)、(S.X.Yang,J.Zeng,C.Guo,F.C.Sun,"A Novel Neuro-Fuzzy Model for Supercritical Fluid Extraction",NeuralNetworks and Brain 2005.ICNN&B'05.International Conference on,vol.3,pp.1774-1779,2005.)一个由RBF(radial basis function)和PR状态方程构成的混合模型被提出,其保留了PR模型中的所有物理信息,并优化PR模型参数。结合操作成本、安全和得率等因素,一优化控制系统被设计。然而在SFE过程中,温度与压力相互影响。温度与压力之间的耦合关系在所设计的优化控制系统中没有深入考虑。温度与压力的控制性能直接影响SFE得率与溶解度。
发明内容
本发明结合PR状态方程,用新理论和方法研究温度与压力之间的耦合及其解耦模型以改进SFE工作效率,构建了非线性温度-压力解耦模型,给出了溶解度优化方法,根据设定温度计算最优的工作压力以获得超临界萃取过程最大溶解度,解决了超临界萃取过程中SFE工作效率低的问题。
本发明技术方案结合附图说明如下;
一种超临界萃取过程溶解度优化方法,方法包括以下步骤:
步骤一、温度-压力过程与溶解度建模;
步骤二、温度-压力解耦控制与溶解度优化计算;
步骤三、实验结果的分析。
所述的步骤一的具体方法如下:
11)采用灰色技术对SFE过程中的温度和压力过程的UEIGOM进行建模,方程如下:
式中,序列为经过灰色计算后生成的序列,单位为K或MPa;a、b、c为UEIGOM模型参数;为模型的残差;为温度或是压力的原始数据序列;为经过累减运算后的序列,即所要获得的温度和压力的UEIGOM模型;Δt为平均时间间隔,
12)PR模型建模,方程如下:
式中,x∈R2为模型状态变量,x1为温度,单位为K,x2为压力,单位为MPa;u∈R2为模型输入;y∈R2为模型输出,y1为温度,单位为K,y2为压力,单位为MPa;为模型干扰,为压力对温度的干扰,单位为K,η1x1+η2x1 1/2+η3为温度对压力的干扰,单位为MPa;a1a2b1b2η1η2η3ζ1ζ2ζ3ζ4≠0,它们为系统参数,均为常数;x0=[0 0]T为模型初始值;为干扰初始值;
式中,令e1(x)=a1[-p1(x2)+p1(x20) 0]T;e2(x)=a2[0 -p2(x1)+p2(x10)]T;可将模型的输出中的干扰转换成状态变量中的干扰,将不可输入输出解耦问题转换为干扰解耦问题。
13)溶解度建模,方程如下:
式中,pv(T)为溶质的蒸气压,单位为MPa;Vm为纯溶质的体积,单位为L;φ2为逸度系数,R为气体常数;T为温度,单位为K,其计算公式为:
式中,pc,1为二氧化碳临界压力,单位为MPa;pc,2为萃取物质的临界压力,单位为MPa;Tc,1为二氧化碳临界温度,单位为K;Tc,2为萃取物质的临界温度,单位为K;Tb,1为二氧化碳沸点,单位为K;Tb,2为萃取物质沸点,单位为K;
所述的步骤二的具体方法如下:
21)温度—压力解耦控制
温度和压力控制器均采用PID控制器,PID传递函数如下:
式中,KP为比例增益;TI为积分时间;TD为微分时间;s为拉普拉斯变换变量。
22)溶解度优化计算
溶解度优化的目标是寻找最优工作点,即寻找最优的温度与压力以获得SFE过程最大溶解度;萃取过程得率用λ(T,p)的函数来描述,即:
Tl≤T≤Th
pl≤p≤ph
式中,Tl和Th分别为最低和最高温度值,单位为K。
所述的步骤三的具体方法如下:
31)使用灰色技术分别对温度和压力过程建立UEIGOM模型,通过对有限数据白化,从而获得可以表征其过程的函数解析式,为后续研究提供必要的理论模型;实验验证了UEIGOM能够较好地描述SFE的温度和压力两个过程;
32)基于非线性系统微分几何的相对阶概念,研究了一类MIMO非线性系统的不可解耦问题。由于其解耦矩阵存在奇异性,不满足解耦条件,因此,通过输出与状态变量变换将其转换为可干扰解耦问题;
33)设计了溶解度优化系统;根据设定反应温度,溶解度优化系统将计算与其对应的最优压力,即最优工作点,同时系统根据其对应的溶解度。
本发明的有益效果为:
1、本发明使用灰色技术分别对温度和压力过程建立UEIGOM模型,通过对有限数据白化,从而获得可以表征其过程的函数解析式,为后续研究提供必要的理论模型。实验验证了UEIGOM能够较好地描述SFE的温度和压力两个过程。
2、本发明基于非线性系统微分几何的相对阶概念,研究了一类MIMO非线性系统的不可解耦问题。由于其解耦矩阵存在奇异性,不满足解耦条件,因此,通过输出与状态变量变换将其转换为可干扰解耦问题。
3、本发明设计了溶解度优化系统。根据设定反应温度,溶解度优化系统将计算与其对应的最优压力,即最优工作点,同时系统根据其对应的溶解度。通过超临界萃取联苯实验验证溶解度优化系统方案有效、结构简单与应用灵活。
附图说明
图1是SFE溶解度优化系统结构图;
图2是SFE溶解度优化系统构架图;
图3a是温度过程的UEIGOM曲线图;
图3b是压力过程的UEIGOM曲线图;
图4a是温度的解耦闭环控制曲线图;
图4b是压力控制的解耦闭环控制曲线图。
具体实施方式
为了改进超临界萃取效率,本发明设计了溶解度优化系统,给出了基于非等间隔灰色优化模型与Peng-Robinson模型构建的非线性温度-压力解耦模型。非线性温度-压力耦合模型的线性部分由非等间隔灰色优化模型表征,非线性部分由Peng-Robinson模型描述。由于Peng-Robinson模型的存在使非线性模型的解耦矩阵奇异,非线性温度-压力耦合模型不能进行输入输出解耦。针对一类MIMO非线性系统的不可输入输出解耦问题,提出了一种转换方法,将不可输入输出解耦问题转换为干扰解耦问题。此外,给出了溶解度优化方法,根据设定温度计算最优的工作压力以获得超临界萃取过程最大溶解度。所提出的基于非等间隔灰色优化模型与Peng-Robinson模型构建的非线性温度-压力解耦模型的可行性、有效性和实用性通过超临界萃取联苯实验得以验证。
一种超临街萃取过程溶解度优化方法,方法包括以下步骤:
步骤一、温度-压力过程与溶解度建模;
根据SFE过程的反应特性,温度和压力之间存在强耦合关系,并且是影响SFE效率的主要因素。为了有效提高SFE控制系统性能,对温度和压力过程建模是十分必要的。本发明采用灰色技术,分别对SFE过程中的温度和压力进行建模。非线性温度-压力模型的线性部分由UEIGOMs描述;非线性部分由PR状态方程描述。
11)温度和压力过程的UEIGOM建模
灰色系统理论是以“部分信息已知,部分信息未知”的小样本、贫信息不确定性系统为研究对象,主要通过对“部分”已知信息的生成和开发,提取有价值的信息,实现对系统运行行为、演化规律的正确描述和有效监控。针对SFE过程,使用灰色技术来反映SFE反应特性是十分适合的。灰色计算中使用累加生成运算(Accumulated Generating Operation,AGO)与累减生成运算(Inverse Accumulated Generating Operation,IAGO)。
其定义如下:
假设x(0)∈R1×n为原始非等间隔序列,x(r)∈R1×n为r-AGO生成序列,当存在一累加生成矩阵A1∈Rn×n满足公式(1);假设x(r)∈R1×n为r-IAGO生成序列,当存在一累减生成矩阵满足公式(2)。
x(r)=x(r-1)A1 (1)
x(r-1)=x(r)A2 (2)
式中,x(0)=[x(0)(1),x(0)(2),…,x(0)(n)];x(r)=[x(r)(1),x(r)(2),…,x(r)(n)];
(1)从非等间隔序列到等间隔序列的转换
AGO与IAGO运算主要针对等间隔序列,然而,实际过程信号总是非等间隔序列。因此,有必要在AGO与IAGO运算之前对非等间隔序列进行等间隔序列变换。
各时间段与平均时段的单位时段差系数:
各时段总的差值为:
等间隔点的灰数值:
(2)GOM建模
式中,a为发展系数;b为灰色作用量。根据最小二乘法求解微分方程得:
GOM模型的时间响应函数:
式中,c为平移值。
(3)等间隔序列转化为非等间隔序列
式中,式中,序列为经过灰色计算后生成的序列,单位为K或MPa;a、b、c为UEIGOM模型参数;为模型的残差;为温度或是压力的原始数据序列;为经过累减运算后的序列,即所要获得的温度和压力的UEIGOM模型;Δt为平均时间间隔,
12)PR模型建模
PR状态方程在处理溶解度问题上应用广泛。非线性温度-压力耦合模型中的耦合部分主要是通过PR状态方程体现的。PR状态方程如下:
式中,R为气体常数;T为绝对温度;V为纯溶剂的摩尔体积;Ω11(T)和d1为描述分子间相互作用力的参数;Tc为临界温度;pc为临界压力;ω离心因子;Tb为沸点。PR状态方程参数如表1所示。下标1表示溶剂,下标2表示溶质。考虑纯溶剂的摩尔体积在反应中不变,则公式(11)简化为:
p=η1T+η2T1/2+η3 (12)
公式(12)的反函数可表示为:
T=g-1(T) (13)
结合公式(12)、(13)与UEIGOM,令x1=T和x2=p为状态变量,可获得非线性温度-压力耦合模型:
式中,x∈R2为模型状态变量,x1为温度,单位为K,x2为压力,单位为MPa;u∈R2为模型输入;y∈R2为模型输出,y1为温度,单位为K,y2为压力,单位为MPa;为模型干扰,为压力对温度的干扰,单位为K,η1x1+η2x1 1/2+η3为温度对压力的干扰,单位为MPa;a1a2b1b2η1η2η3ζ1ζ2ζ3ζ4≠0,它们为系统参数,均为常数;x0=[0 0]T为模型初始值;为干扰初始值;
式中,令e1(x)=a1[-p1(x2)+p1(x20)0]T;e2(x)=a2[0-p2(x1)+p2(x10)]T;可将模型的输出中的干扰转换成状态变量中的干扰,将不可输入输出解耦问题转换为干扰解耦问题。
根据定义1,系统(15)具有关于输入的相对阶ρ=[1,1]。
考虑一状态反馈控制规律:
ρi<σi,i=1,…,m
根据定理2可得,ρ1<σ1,ρ2<σ2,则非线性系统(15)可干扰解耦,即
13)溶解度建模
式中,pv(T)为溶质的蒸气压;Vm为纯溶质的体积;φ2为逸度系数,其计算公式为:
表1:PR模型参数
步骤二、温度-压力解耦控制与溶解度优化计算;
SFE溶解度优化系统的结构图如图1所示。系统由两部分组成:一部分为温度-压力解耦控制;另一部分为溶解度优化计算部分。整个系统的有效性通过仿真实验得以验证。
21)温度-压力解耦控制
温度和压力控制在SFE过程中具有重要作用。所设计的溶解度优化系统中,温度和压力控制器均采用PID控制器。PID传递函数如下:
式中,KP为比例增益;TI为积分时间;TD为微分时间;s为拉普拉斯变换变量。
22)溶解度优化计算
溶解度优化的目标是寻找最优工作点,即寻找最优的温度与压力以获得SFE过程最大溶解度。结合式(19)和(20),萃取过程得率可以用λ(T,p)的函数来描述,即:
式中,Tl和Th分别为最低和最高温度值,单位为K。公式(23)可计算最优工作点处的温度与压力之间的关系与纯溶质的最优摩尔体积。
步骤三、实验结果与分析。
SFE溶解度优化系统构架如图2所示。该系统由SFE控制装置和SFE监控系统组成。SFE控制设装置由HA221-40-11超临界萃取装置改进而成,其主要完成温度和压力以及CO2流量进行实时控制。SFE监控系统是由S7-300 PLC和触摸屏构成,主要完成对SFE反应过程中的各个参数进行监控,通过触摸屏设定并计算SFE过程的优化参数。
31)温度与压力过程建模与解耦控制
超临界萃取联苯实验参数如表2所示。UEIGOM对有限的原始非等间隔数据的白化过程如图3a、3b所示。定义反应映模型预测效果的参数C为后验差比值,P为小误差平率。C越小越好,一般要求C<0.35,最大不超过0.65;P不得小于0.7,一般要求P>0.95。从表2中可以看出,CT=0.2713,PT=100%,Cp=0.0958,Pp=100%,UEIGOM可以较完整地表征温度和压力过程,都可以用一个一阶惯性环节来描述。
由UEIGOM获得的温度和压力状态空间表达式如下:
表2:CO2超临界萃取联苯实验参数
使用灰色技术分别对温度和压力过程建立UEIGOM模型,通过对有限数据白化,从而获得可以表征其过程的函数解析式,为后续研究提供必要的理论模型。实验验证了UEIGOM能够较好地描述SFE的温度和压力两个过程。
结合式(11)和(13),得到非线性温度-压力耦合模型:
根据式(17),式(25)可解耦成如下形式:
因此,温度和压力过程可以单独控制。为了验证解耦模型的可行性,进行了温度和压力闭环控制实验。设定温度为473K,设定压力为7.5MPa,温度和压力的控制器均为PID控制器。实验结果如图4a、4b所示。实际温度和压力都能够很好地跟随其设定值。由于温度过程的惯性时间常数较小,其反应曲线存在微小的波动,但其不会影响温度控制性能。基于非线性系统微分几何的相对阶概念,研究了一类MIMO非线性系统的不可解耦问题。由于其解耦矩阵存在奇异性,不满足解耦条件,因此,通过输出与状态变量变换将其转换为可干扰解耦问题。
32)溶解度优化系统设计
超临界萃取联苯实验压力范围8.0MPa~10.0MPa,温度范围308K~338K,溶解度数据如表3所示。根据设定反应温度,溶解度优化系统将计算与其对应的最优压力,即最优工作点,同时系统根据其对应的溶解度。
表3:CO2超临界萃取联苯实验参数
Claims (1)
1.一种超临界萃取过程溶解度优化方法,其特征在于,该方法包括以下步骤:
步骤一、温度-压力过程与溶解度建模;
步骤二、温度-压力解耦控制与溶解度优化计算;
步骤三、实验结果的分析;
所述的步骤一的具体方法如下:
11)采用灰色技术对SFE过程中的温度和压力过程的UEIGOM进行建模,方程如下:
式中,序列为经过灰色计算后生成的序列,单位为K或MPa;a、b、c为UEIGOM模型参数; 为模型的残差;为温度或是压力的原始数据序列;为经过累减运算后的序列,即所要获得的温度和压力的UEIGOM模型;△t为平均时间间隔,
12)PR模型建模,方程如下:
式中,x∈R2为模型状态变量,x1为温度,单位为K,x2为压力,单位为MPa;u∈R2为模型输入;y∈R2为模型输出,y1为温度,单位为K,y2为压力,单位为MPa;为模型干扰,为压力对温度的干扰,单位为K,为温度对压力的干扰,单位为MPa;a1a2b1b2η1η2η3ζ1ζ2ζ3ζ4≠0,它们为系统参数,均为常数;x0=[0 0]T为模型初始值;为干扰初始值;
式中,令e1(x)=a1[-p1(x2)+p1(x20) 0]T;e2(x)=a2[0 -p2(x1)+p2(x10)]T;可将模型的输出中的干扰转换成状态变量中的干扰,将不可输入输出解耦问题转换为干扰解耦问题;
13)溶解度建模,方程如下:
式中,pv(T)为溶质的蒸气压,单位为MPa;Vm为纯溶质的体积,单位为L;φ2为逸度系数,R为气体常数;T为温度,单位为K,其计算公式为:
式中,pc,1为二氧化碳临界压力,单位为MPa;pc,2为萃取物质的临界压力,单位为MPa;Tc,1为二氧化碳临界温度,单位为K;Tc,2为萃取物质的临界温度,单位为K;Tb,1为二氧化碳沸点,单位为K;Tb,2为萃取物质沸点,单位为K;
所述的步骤二的具体方法如下:
21)温度-压力解耦控制
温度和压力控制器均采用PID控制器,PID传递函数如下:
式中,KP为比例增益;TI为积分时间;TD为微分时间;s为拉普拉斯变换变量;
22)溶解度优化计算
溶解度优化的目标是寻找最优工作点,即寻找最优的温度与压力以获得SFE过程最大溶解度;萃取过程得率用λ(T,p)的函数来描述,即:
Tl≤T≤Th
pl≤p≤ph
式中,Tl和Th分别为最低和最高温度值,单位为K;
所述的步骤三的具体方法如下:
31)使用灰色技术分别对温度和压力过程建立UEIGOM模型,通过对有限数据白化,从而获得可以表征其过程的函数解析式,为后续研究提供必要的理论模型;实验验证了UEIGOM能够较好地描述SFE的温度和压力两个过程;
32)基于非线性系统微分几何的相对阶概念,研究了一类MIMO非线性系统的不可解耦问题;由于其解耦矩阵存在奇异性,不满足解耦条件,因此,通过输出与状态变量变换将其转换为可干扰解耦问题;
33)设计了溶解度优化系统;根据设定反应温度,溶解度优化系统将计算与其对应的最优压力,即最优工作点,同时系统根据其对应的溶解度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810628930.XA CN108803329B (zh) | 2018-06-19 | 2018-06-19 | 一种超临界萃取过程溶解度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810628930.XA CN108803329B (zh) | 2018-06-19 | 2018-06-19 | 一种超临界萃取过程溶解度优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108803329A CN108803329A (zh) | 2018-11-13 |
CN108803329B true CN108803329B (zh) | 2021-06-18 |
Family
ID=64083293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810628930.XA Active CN108803329B (zh) | 2018-06-19 | 2018-06-19 | 一种超临界萃取过程溶解度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108803329B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113126501B (zh) * | 2021-04-23 | 2022-07-26 | 华东交通大学 | 一种稀土萃取过程预测控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880046A (zh) * | 2012-09-24 | 2013-01-16 | 杭州电子科技大学 | 一种化工多变量过程解耦预测函数控制方法 |
CN104834777A (zh) * | 2015-05-01 | 2015-08-12 | 长春工业大学 | 二氧化碳超临界萃取过程设定值参数优化方法 |
CN104932579A (zh) * | 2015-07-09 | 2015-09-23 | 长春工业大学 | 一种co2超临界萃取温度分数阶pid控制方法 |
CN104950960A (zh) * | 2015-06-17 | 2015-09-30 | 长春工业大学 | 一种超临界萃取过程温度和压力的精准控制方法 |
-
2018
- 2018-06-19 CN CN201810628930.XA patent/CN108803329B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880046A (zh) * | 2012-09-24 | 2013-01-16 | 杭州电子科技大学 | 一种化工多变量过程解耦预测函数控制方法 |
CN104834777A (zh) * | 2015-05-01 | 2015-08-12 | 长春工业大学 | 二氧化碳超临界萃取过程设定值参数优化方法 |
CN104950960A (zh) * | 2015-06-17 | 2015-09-30 | 长春工业大学 | 一种超临界萃取过程温度和压力的精准控制方法 |
CN104932579A (zh) * | 2015-07-09 | 2015-09-23 | 长春工业大学 | 一种co2超临界萃取温度分数阶pid控制方法 |
Non-Patent Citations (5)
Title |
---|
A Novel Neuro-Fuzzy Model for Supercritical Fluid Extraction;Simon X.Yang等;《IEEE explore》;20051231;全文 * |
Modeling of Extraction of Oleic Acid from Pressed Palm Fiber Using Supercritical Carbon Dioxide;Mario Kabbour等;《Colloquium on Humanities,Science&Engineering Research》;20121204;全文 * |
响应面优化法在超临界萃取丙烯酸甲脂工艺研究;尤文等;《中国设备工程》;20170930;全文 * |
基于PCA-RSM超临界萃取工艺的优化;尤文等;《研究与探索.工艺与技术》;20170831;全文 * |
超临界萃取过程温度和压力精准控制技术研究;徐生欣;《中国优秀硕士学位论文全文数据库》;20161215;第3章-第5章 * |
Also Published As
Publication number | Publication date |
---|---|
CN108803329A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Na et al. | Adaptive neural dynamic surface control for servo systems with unknown dead-zone | |
Arpornwichanop et al. | On-line dynamic optimization and control strategy for improving the performance of batch reactors | |
Aghababa et al. | A chattering-free robust adaptive sliding mode controller for synchronization of two different chaotic systems with unknown uncertainties and external disturbances | |
CN105093931B (zh) | 一种航空发动机非线性系统控制器设计方法 | |
CN105334736B (zh) | 一种分数阶模型预测控制的加热炉温度控制方法 | |
CN105388758B (zh) | 一种基于Delta算子的液位控制系统的自适应滑模控制方法 | |
Li | Neural network control for a class of continuous stirred tank reactor process with dead-zone input | |
Padhi et al. | Proper orthogonal decomposition based optimal neurocontrol synthesis of a chemical reactor process using approximate dynamic programming | |
CN108803329B (zh) | 一种超临界萃取过程溶解度优化方法 | |
Chen et al. | Nonlinear model predictive control of high purity distillation columns for cryogenic air separation | |
JP2013069094A (ja) | 制御方法および制御装置 | |
Chi et al. | Improved data-driven optimal TILC using time-varying input signals | |
Du et al. | Direct design of a U-model-based generalized predictive controller for a class of non-linear (polynomial) dynamic plants | |
Hoffmann et al. | Synthesis of LPV controllers with low implementation complexity based on a reduced parameter set | |
Kacur et al. | Model predictive control of UCG: An experiment and simulation study | |
Hashimoto et al. | Receding Horizon Control for High-Dimensional Burgers' Equations with Boundary Control Inputs | |
Kravaris et al. | Singular PDEs and the assignment of zero dynamics in nonlinear systems | |
Cheng et al. | Output-feedback boundary control of an uncertain heat equation with noncollocated observation: A sliding-mode approach | |
Daaou et al. | Development of linearizing feedback control with a variable structure observer for continuous stirred tank reactors | |
Andersson | An implicit formulation of the Bodner–Partom constitutive equations | |
Rothe et al. | Field assisted sintering technology, part II: simulation | |
Bobtsov et al. | Adaptive control of linear nonstationary objects output | |
Dong-Juan | Adaptive neural network control for continuous stirred tank reactor process | |
Sethi et al. | Design of fractional order MRAPIDC for inverted pendulum system | |
CN112731801A (zh) | 一种对称死区非线性的自适应动态面输出反馈控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |