NL9001551A

NL9001551A - REGULATION SYSTEM FOR A CARBON PROCESSING PROCESS.

Info

Publication number: NL9001551A
Application number: NL9001551A
Authority: NL
Original assignee: Cabot Corp
Priority date: 1989-07-06
Filing date: 1990-07-06
Publication date: 1991-02-01
Also published as: DK162290A; IT9020868A0; CA2020594A1; IL94626A; FR2649513B1; CZ334390A3; DD298417A5; KR910003037A; IE902436A1; GB2235553B; BE1003126A3; KR960001745B1; HU904101D0; CZ284338B6; NZ234044A; LU87762A1; DK162290D0; JPH0345661A; FR2649513A1; ZA904505B

Description

Regelstelsel voor een roetbereidingsproces.Control system for a soot preparation process.

De uitvinding heeft betrekking op regelstelsels en heeft meer inhet bijzonder betrekking op regelstelsels voor het regelen van eenroetbereidingsproces.The invention relates to control systems and more particularly relates to control systems for controlling a soot preparation process.

Bij de productie van roet is het wenselijk om bepaalde uitgangsva-riabelen van het roet te regelen teneinde roet met een nagenoeg consis¬tente kwaliteit te produceren. De roet-uitgangsvariabelen die vaak ineen regeling worden gebruikt zijn het joodnummer en de DBP. Omdat deingangsvariabelen en andere fysische parameters van roetproductieproces-sen frequent wijzigen terwijl er roet wordt geproduceerd is het moeilijkgebleken om roet met een in hoofdzaak consistente kwaliteit te produce¬ren. Ingangsvariabelen die veelvuldig fluctueren tijdens roetproduc-tieprocessen zijn bijvoorbeeld de luchtvochtigheid en de brandstofkwali-teit. Fluctuaties in de ingangsvariabelen kunnen een significante in¬vloed hebben op de roetuitgangsvariabelen zoals het joodnummer en/ofDBP. Op soortgelijke wijze veranderen andere onmeetbare fysische parame¬ters veelvuldig gedurende het roetbereidingsproces en hebben ook invloedop de roet-uitgangsvariabelen zoals het joodgetal en/of de DBP.In the production of carbon black, it is desirable to control certain starting variables of the carbon black to produce carbon black of substantially consistent quality. The soot output variables that are often used in an arrangement are the iodine number and the DBP. Since the input variables and other physical parameters of carbon black production processes change frequently while carbon black is being produced, it has proved difficult to produce carbon black of a substantially consistent quality. Input variables that frequently fluctuate during soot production processes are, for example, air humidity and fuel quality. Fluctuations in the input variables can have a significant influence on the soot output variables such as the iodine number and / or DBP. Similarly, other immeasurable physical parameters frequently change during the carbon black preparation process and also affect the carbon black output variables such as the iodine value and / or the DBP.

In sommige bekende roetproductiestelsels worden met tussenpozenmonsters van het geproduceerde roet genomen, bijvoorbeeld een monsterper elke paar bedrijfsuren. Van elk monster worden vervolgens de uit-gangsvariabelen zoals het joodgetal en/of de DBP gemeten. De operateurregelt dan een of meer ingangsvariabelen zoals de materiaaltoevoersnel-heid, nadat elk monster is getest. De door de operateur uitgevoerdeinstelling is over het algemeen gebaseerd op zijn of haar eigen subjec¬tieve ervaring met het betreffende roetproductiestelsel, en op gronddaarvan wordt getracht om de uitgangsvariabelen zoals het joodgetalen/of de DBP terug te brengen naar hun gewenste doelwaarden.In some known carbon black production systems, samples are taken intermittently of the carbon black produced, for example, a sample per couple of operating hours. The output variables such as the iodine value and / or the DBP are then measured for each sample. The operator then controls one or more input variables such as the material feed rate after each sample has been tested. The operator's institution is generally based on his or her own subjective experience with the particular carbon black production system and an attempt is made to return the output variables such as Iodine languages / or DBP to their desired target values.

Een probleem met dergelijke bekende werkwijzen voor het regelenvan de productie van roet is dat de roet-uitgangsvariabelen zoals hetjoodgetal en/of de DBP niet worden geregeld gedurende de tijdsinterval¬len tussen de tijdstippen waarop de monsters worden genomen. Als der¬halve wijzigingen optreden in de ingangsvariabelen of in andere fysischeparameters van het roetproductieproces die leiden tot een veranderingvan de waarde van de uitgangsvariabelen zoals het joodgetal en/of DBPtot buiten een wenselijk traject van waarden dan zal dit over het al¬gemeen niet worden opgemerkt totdat het volgende monster wordt genomen.Als resultaat daarvan kan een aanzienlijke hoeveelheid geproduceerd roetniet vallen binnen de door de cliënt opgegeven specificaties. Een ander probleem met dergelijke bekende werkwijzen voor het regelen van deproductie van roet is dat dergelijke werkwijzen zijn gebaseerd op desubjectieve analyse van de operateur die beslist om een of meer ingangs-variabelen bij te regelen gebaseerd op de waarden van de in het labora¬torium gemeten uitgangsvariabelen. Als resultaat daarvan zal over hetalgemeen de naregeling van de ingangsvariabelen per operateur variërenen derhalve resulteren in een niet-consistente kwaliteit van het gepro¬duceerde roet.A problem with such known methods of controlling the production of carbon black is that the carbon black output variables such as the iodine value and / or the DBP are not controlled during the time intervals between the sampling times. If, therefore, changes occur in the input variables or in other physical parameters of the carbon black production process that lead to a change in the value of the output variables such as the iodine value and / or DBP up to outside a desirable range of values, this will generally not be noted. until the next sample is taken. As a result, a significant amount of carbon black produced may not fall within the specifications specified by the client. Another problem with such known methods of controlling carbon black production is that such methods are based on the subjective analysis of the operator who decides to adjust one or more input variables based on the values measured in the laboratory output variables. As a result, generally the adjustment of the input variables will vary per operator and therefore will result in an inconsistent quality of the soot produced.

De uitvinding heeft nu ten doel de boven gesignaleerde problemenen nadelen van de bekende roetproductiestelsels te overwinnen.The invention now has for its object to overcome the above-identified problems and drawbacks of the known carbon black production systems.

De onderhavige uitvinding is daartoe gericht op een werkwijze voorhet besturen van de productie van roet in een roetreactor, omvattende devolgende stappen: a) het meten op onderling gescheiden tijdsintervallenvan tenminste een ingangsvariabele die wordt gebruikt bij de productievan roet terwijl de roetreactor in bedrijf is; b) het toepassen vantenminste een algoritme voor het op gescheiden intervallen voorspellenvan tenminste een uitgangsvariabele van het roet op basis van de ten¬minste ene ingangsvariabele die gedurende het genoemde interval werdgemeten; c) het op onderling gescheiden middelingsintervallen bepalenvan een gemiddelde waarde van de tenminste ene voorspelde uitgangsvaria¬bele; en d) het op onderling gescheiden intervallen naregelen van ten¬minste een van de ingangsvariabelen op basis van het verschil tussen degemiddelde waarde van de tenminste ene voorspelde roet-uitgangsvariabeleen een gewenste waarde van deze uitgangsvariabele terwijl de reactor inbedrijf is, teneinde de gewenste waarde van de genoemde uitgangsvaria¬bele te benaderen en daarmee een in hoofdzaak consistente kwaliteit vanhet roet te verkrijgen.To this end, the present invention is directed to a method of controlling the production of carbon black in a carbon black reactor, comprising the following steps: a) measuring, at mutually separated time intervals, at least one input variable used in the production of carbon black while the carbon black reactor is operating; b) applying at least one algorithm for predicting at least one carbon black output variable at separate intervals based on the at least one input variable measured during said interval; c) determining an average value of the at least one predicted output variable at mutually averaged intervals; and d) adjusting at least one of the input variables at mutually spaced intervals based on the difference between the mean value of the at least one predicted carbon black output variable and a desired value of this output variable while the reactor is in operation to achieve the desired value of approach the aforementioned starting variables and thereby obtain a substantially consistent quality of the carbon black.

De werkwijze volgens de uitvinding omvat bij voorkeur de volgendestappen: (a) het met gescheiden bemonsteringsintervallen bemonsteren van het roetterwijl de roetreactor in bedrijf is, (b) het meten van de genoemde tenminste ene uitgangsvariabele die doorhet algoritme is voorspeld aan de hand van een roetmonster, genomenterwijl de roetreactor in bedrijf is; en (c) het nastellen van het genoemde tenminste ene algoritme gebaseerd opde gemeten waarde van de tenminste ene uitgangsvariabele teneinde opmeer correcte wijze een voorspelling te verkrijgen voor de tenminste eneuitgangsvariabele.The method according to the invention preferably comprises the following steps: (a) sampling the carbon black at separate sampling intervals while the carbon black reactor is in operation, (b) measuring said at least one output variable predicted by the algorithm from a carbon black sample , taken while the soot reactor is in operation; and (c) adjusting said at least one algorithm based on the measured value of the at least one output variable to more accurately obtain a prediction for the at least one output variable.

In een uitvoeringsvorm van de uitvinding is de tenminste enevoorspelde uitgangsvariabele geselecteerd is uit een groep die het joodgetal en DBP omvat; de tenminste ene nagestelde ingangsvariabele geselecteerd is uit eengroep die omvat de toevoermateriaalstroomsnelheid.In an embodiment of the invention, the at least one predicted output variable is selected from a group comprising the iodine number and DBP; the at least one adjusted input variable is selected from a group comprising the feed material flow rate.

In een andere uitvoeringsvorm wordt het genoemde tenminste enealgoritme nagesteld door gebruik te maken van een gewogen gemiddelde vande beste schatting van de afwijkingsvariantie van de huidige voorspeldewaarde van de genoemde tenminste ene roet-uitgangsvariabele en de afwij¬kingsvariantie van de gemeten waarde van de tenminste ene uitgangsvaria-bele. Het genoemde tenminste ene algoritme wordt bij voorkeur nagestelddoor gebruik te maken van tenminste een tweede algoritme voor het vast¬stellen van een optimale geschatte waarde voor de tenminste ene uit-gangsvariabele door gebruik te maken van het genoemde gewogen gemiddeldevan de afwijkingvarianties en het verschil tussen de gemeten waarde voorde tenminste ene uitgangsvariabele en de gemiddelde waarde van de voor¬spelde waarden van de tenminste ene uitgangsvariabele gedurende deperiode waarin het monster werd genomen.In another embodiment, said at least one algorithm is adjusted using a weighted average of the best estimate of the deviation variance from the current predicted value of said at least one carbon black output variable and the deviation variance of the measured value of the at least one output variance -bele. Preferably said at least one algorithm is adjusted by using at least a second algorithm to determine an optimal estimated value for the at least one output variable using said weighted mean of the deviation variances and the difference between the measured value for the at least one output variable and the mean value of the predicted values of the at least one output variable during the sample period.

De uitvinding is verder gericht op een inrichting voor het regelenvan de productie van roet in een roetreactor, die voorzien is vanmeetmiddelen voor het met gescheiden intervallen meten van tenminsteeen ingangsvariabele die wordt gebruikt bij de productie van roet ter¬wijl de roetreactor in bedrijf is; berekeningsmiddelen die gekoppeld zijn met de meetmiddelen voor het metgescheiden intervallen voorspellen van tenminste een uitgangsvariabelevan het roet op basis van tenminste een algoritme dat gebruik maakt vande genoemde tenminste ene ingangsvariabele, gemeten gedurende het ge¬noemde interval, welke berekeningsmiddelen verder met gescheiden mid-delingsintervallen een gemiddelde waarde bepalen van de genoemde ten¬minste ene voorspelde uitgangsvariabele; en nastelmiddelen die gekoppeld zijn met de genoemde berekeningsmiddelenvoor het op gescheiden intervallen nastellen van de tenminste ene in¬gangsvariabele op basis van een nastelalgoritme dat gebruik maakt vanhet verschil tussen de genoemde gemiddelde waarde van de tenminste enevoorspelde uitgangsvariabele en een gewenste waarde van de genoemdetenminste ene voorspelde uitgangsvariabele teneinde de gewenste waardevan deze uitgangsvariabele te bereiken terwijl de reactor in bedrijf isteneinde een in hoofdzaak consistente kwaliteit van het roet te realise¬ren.The invention is further directed to an apparatus for controlling the production of carbon black in a carbon black reactor, comprising measuring means for measuring at least one input variable used in the production of carbon black at separate intervals while the carbon black reactor is in operation; calculating means coupled to the measuring means for the separated intervals predicting at least one soot output variable based on at least one algorithm using said at least one input variable, measured during said interval, said calculating means further at separate averaging intervals determine average value of said at least one predicted output variable; and adjusting means coupled to said calculating means for adjusting the at least one input variable at separate intervals based on a adjusting algorithm using the difference between said mean value of the at least one predicted output variable and a desired value of said at least one predicted output variable in order to achieve the desired value of this output variable while the reactor is in operation in order to achieve a substantially consistent quality of the carbon black.

In een andere uitvoeringsvorm is de inrichting verder voorzien vanbemonsteringsmiddelen voor het op gescheiden intervallen bemonsteren vanhet geproduceerde roet terwijl de reactor in bedrijf is zodanig dat tenminste een uitgangsvariabele uit het roetmonster kan worden gemetenen waarbij de berekeningsmiddelen reageren op de genoemde gemeten waardevan de tenminste ene uitgangsvariabelen door het nastellen van hettenminste ene algoritme gebruikmakend van de gemeten waarde van detenminste ene uitgangsvariabele teneinde op meer correcte wijze deuitgangsvariabele te kunnen voorspellen.In another embodiment, the apparatus further includes sampling means for sampling the carbon black produced at separate intervals while the reactor is operating such that at least one output variable from the carbon black sample can be measured, the calculating means responding to said measured value of the at least one output variables by adjusting the at least one algorithm using the measured value of the at least one output variable to more accurately predict the output variable.

De werkwijze en de inrichting volgens de onderhavige uitvindingbieden derhalve een compensatie voor veranderingen in de ingangsvariabe-len en andere fysische parameters in het roetbereidingsstelsel terwijlde roetreactor in bedrijf is zodat roet met een in hoofdzaak consistentekwaliteit kan worden geproduceerd. Door de tenminste ene ingangsvriabelemet gescheiden intervallen te meten, de tenminste ene uitgangsvariabeleop gescheiden intervallen te voorspellen met behulp van een algoritmedat gebruik maakt van de tenminste ene ingangsvariabele, door het mid¬delen met gescheiden middelingsintervallen van de voorspelde uitgangsva¬riabelen en het daarna met gescheiden intervallen naregelen van detenminste ene ingangsvariabele door gebruik te maken van de gemiddeldevoorspelde waarde van de uitgangsvariabele leveren de werkwijze eninrichting volgens de onderhavige uitvinding roet met een in hoofdzaakconsistente kwaliteit. Ook door het bemonsteren van het geproduceerderoet met gescheiden intervallen, het meten van de tenminste ene uit¬gangsvariabele uit het bemonsterde roet, en het nastellen van het ten¬minste ene algoritme door gebruik te maken van de gemeten waarde kan dewerkwijze volgens de onderhavige uitvinding een meer nauwkeurige schat¬ting geven van de uitgangsvariabele en daarmee roet van een in hoofdzaakconsistente kwaliteit produceren.The method and apparatus of the present invention therefore compensate for changes in the input variables and other physical parameters in the carbon black preparation system while the carbon black reactor is operating so that carbon black of substantially consistent quality can be produced. By measuring the at least one input variable with separate intervals, predicting the at least one output variable at separate intervals using an algorithm that uses the at least one input variable, by averaging the averaged intervals of the predicted output variables and then using separated Adjusting intervals of the at least one input variable using the average predicted value of the output variable provides the method and apparatus of the present invention with a substantially consistent quality. Also, by sampling the production stage at separate intervals, measuring the at least one output variable from the sampled carbon black, and adjusting the at least one algorithm using the measured value, the method of the present invention can provide more accurate estimates of the output variable and thereby produce carbon black of a substantially consistent quality.

Andere voordelen en kenmerken van de uitvinding zullen duidelijkworden aan de hand van de navolgende gedetailleerde beschrijving waarinwordt verwezen naar de figuren.Other advantages and features of the invention will become apparent from the following detailed description referring to the figures.

Figuur 1 illustreert schematisch een voorbeeld van een roetoven-reactor waarin het regelstelsel volgens de onderhavige uitvinding kanworden gebruikt.Figure 1 schematically illustrates an example of a soot oven reactor in which the control system of the present invention can be used.

Figuur 2 illustreert schematisch de hardware componenten van hetregelstelsel volgens de uitvinding.Figure 2 schematically illustrates the hardware components of the control system according to the invention.

Figuur 3 is een stroomschema waaein in conceptvorm de proceduresworden geïllustreerd van het regelstelsel voor het regelen van hetjoodgetal en/of de DBP.Figure 3 is a flow chart illustrating conceptually the procedures of the iodine and / or DBP control system.

Figuur 4 is een stroomschema waarin in conceptvorm de proceduresworden geïllustreerd van het regelstelsel volgens figuur 2 voor hetvoorspellen van het joodgetal en de DBP in overeenstemming met de uit- vinding.Figure 4 is a flow chart illustrating in concept the procedures of the control system of Figure 2 for predicting the iodine number and the DBP in accordance with the invention.

Figuur 5 is een stroomschema waarin in conceptvorm de proceduresworden geïllustreerd van het gedistribueerde regelstelsel volgens figuur2 voor het bijregelen van de toevoermateriaalstroomsnelheid en destroomsnelheid van de kalium toevoegende oplossing teneinde resp. hetgewenste joodgetal en de gewenste DBP in overeenstemming met de uitvin¬ding te bereiken.Figure 5 is a flow chart illustrating in concept form the procedures of the distributed control system of Figure 2 for adjusting the feedstock flow rate and the flow rate of the potassium additive solution, respectively. achieve the desired iodine value and the desired DBP in accordance with the invention.

Figuur 6 illustreert schematisch een PID algoritme dat gebruiktwordt in overeenstemming met de uitvinding vcor het bijregelen van denieuwe toevoermateriaalstroomsnelheid en de nieuwe stroomsnelheid van dekalium toevoegende oplossing teneinde resp. het gewenste joodgetal en degewenste DBP te bereiken.Figure 6 schematically illustrates a PID algorithm used in accordance with the invention to adjust the new feedstock flow rate and the new flow rate of the potassium additive solution to give resp. achieve the desired iodine value and the desired DBP.

Figuur 7 is een stroomschema waarin in conceptvorm de proceduresvan de systeemregelaar uit figuur 2 worden geïllustreerd voor het na¬stellen van het joodgetalalgoritme en DB_ algoritme aan het eind vanelke roetbemonsteringsperiode in overeenstemming met de uitvinding.Figure 7 is a flow chart illustrating in concept the procedures of the system controller of Figure 2 for resetting the Iodine Algorithm and DB_ Algorithm at the end of each carbon black sampling period in accordance with the invention.

Het regelstelsel voor het roetbereidingsproces volgens de onder¬havige uitvinding compenseert variaties in de fysische parameters in eenroetreactor door een of meer ingangsvariabelen van het proces bij testellen en daardoor een of meer uitgangsvariabelen van het proces teregelen en derhalve roet te produceren met een in hoofdzaak consistentekwaliteit. De uitgangsvariabelen van het roet, die geregeld worden zijnbijvoorbeeld het joodgetal en/of de DBP.The control system for the carbon black manufacturing process of the present invention compensates for variations in the physical parameters in a carbon black reactor by setting one or more input variables of the process and thereby controlling one or more output variables of the process, and thus producing carbon black of substantially consistent quality. The output variables of the carbon black that are controlled are, for example, the iodine value and / or the DBP.

In figuur 1 is als voorbeeld schematisch een roetovenreactorgetoond waarin het procesregelstelsel van de onderhavige uitvinding kanworden toegepast. De getoonde roetreactor is een drietraps reactoromvattende een branderzone, een aanvoerstoffen-injectiezone en eenreactorzone. Er wordt echter op gewezen dat het procesregelstelselvolgens de onderhavige uitvinding kan worden toegepast bij willekeurigeandere typen roetreactoren of processen waarin een aangevoerde kool¬waterstof wordt gepyrolyseerd met hete verbrandingsgassen teneindeverbrandingsproducten te produceren die roetdeeltjes bevatten, in debranderzone van de reactor in figuur 1 laat men een vloeibare of gas¬vormige brandstof reageren met een willekeurig geschikt oxidatiemiddel,bij voorkeur lucht, teneinde hete verbrandingsgassen te vormen. Deresulterende verbrandingsgassen worden afgevoerd aan het stroomafwaartseuiteinde van de branderzone en moeten daar met hoge snelheid door eenaanvoermateriaal-injectiezone stromen. Een aangevoerde koolwaterstof ingasvormige, dampvormige of vloeibare vorm, die gelijk kan zijn aan debrandstof die gebruikt werd voor het vormen van de verbrandingsgasstroom danwel verschillend daarvan kan zijn, wordt geïnjecteerd in de verbran-dingsgasstroom in de aanvoermateriaalinjectiezone en in deze zone vindteen pyrolyse of thermische decompositie plaats van de aangevoerde kool¬waterstoffen. Het reactiemengsel van aangevoerde stoffen en verbran¬dingsgassen wordt dan afgevoerd in de reactorzone waarin de vorming vanroetdeeltjes plaats vindt. Het reactiemengsel wordt vervolgens gekoeldmet behulp van een geschikte vloeistof, over het algemeen water, aan hetuiteinde van de reactorzone teneinde de vormingsreactie van roetdeeltjeste beëindigen. Het reactiemengsel wordt vervolgens verder gekoeld en devaste roetdeeltjes worden op een voor de deskundige bekende wijze ver¬zameld.Figure 1 schematically shows, as an example, a soot furnace reactor in which the process control system of the present invention can be used. The soot reactor shown is a three-stage reactor comprising a burner zone, a feedstock injection zone and a reactor zone. However, it is pointed out that the process control system of the present invention may be used in any other types of soot reactors or processes in which a feed hydrocarbon is pyrolyzed with hot combustion gases to produce combustion products containing soot particles in the burner zone of the reactor in Figure 1. or gaseous fuel react with any suitable oxidizing agent, preferably air, to form hot combustion gases. The resulting combustion gases are vented to the downstream end of the burner zone and must flow there through a feedstock injection zone at high speed. A supplied hydrocarbon gas, vapor or liquid form, which may be the same as the fuel used to form the combustion gas stream or which may be different therefrom, is injected into the combustion gas stream in the feedstock injection zone and pyrolysis or thermal decomposition takes place in this zone place of the supplied hydrocarbons. The reaction mixture of supplied substances and combustion gases is then discharged into the reactor zone in which the formation of soot particles takes place. The reaction mixture is then cooled using a suitable liquid, generally water, at the end of the reactor zone to terminate the carbon black particle formation reaction. The reaction mixture is then cooled further and the solid carbon black particles are collected in a manner known to the person skilled in the art.

De ingangsvariabelen die worden geanalyseerd in het roetberei-dings-regelstelsel volgens de onderhavige uitvinding zijn eveneensschematisch in figuur 1 geïllustreerd. De ingangsvariabelen worden elkgemeten voorafgaand aan de injectie in de branderzone of in de toevoer-materiaalinjectiezone. De ingangsvariabelen omvatten de toevoermateri-aalstroomsnelheid, de brandstofstroomsnelheid, de luchtstroomsnelheid,de luchtvoorverwarmingstemperatuur, de luchtvochtigheid, de kwaliteitvan het gas of de andere brandstof in de eerste trap, de toevoermateri-aalkwaliteit en/of de stroomsnelheid van de kalium toevoegende oplos¬sing. Over het algemeen kunnen slechts enkele van de ingangsvariabelennauwkeurig worden geregeld voor het besturen van een of meer uitgangsva-riabelen van het roet, zoals het joodgetal en/of DBP. Kenmerkende ge¬stuurde ingangsvariabelen zijn de voedingsstof-stroomsnelheid, de brand¬stof stroomsnelheid, de luchtstroomsnelheid en/of de stroomsnelheid vande kalium toevoegende oplossing.The input variables analyzed in the carbon black control system of the present invention are also schematically illustrated in Figure 1. The input variables are each measured prior to injection into the burner zone or into the feedstock injection zone. The input variables include the feed material flow rate, the fuel flow rate, the air flow rate, the air preheating temperature, the humidity, the quality of the gas or other fuel in the first stage, the feed material quality and / or the flow rate of the potassium-adding solution. In general, only some of the input variables can be precisely controlled to control one or more carbon black output variables, such as the iodine value and / or DBP. Typical controlled input variables are the nutrient flow rate, the fuel flow rate, the air flow rate and / or the flow rate of the potassium adding solution.

In een uitvoeringsvorm van de onderhavige uitvinding berekent hetregelsysteem op gescheiden tijdsintervallen een voorspeld joodgetal(Ι2Νο.ϊ,), bijvoorbeeld telkens om de tien seconden. De voorspelde jood-getallen worden berekend met behulp van een algoritme dat gedeeltelijkgebaseerd is op empirische testresultaten voor een bepaalde willekeurigeroetreactorgeometrie waarin het regelstelsel wordt toegepast. De voor¬spelde joodgetallen worden vervolgens gemiddeld (I2No.Gem) over deafzonderlijke intervallen, bijvoorbeeld over een totaal van twee minu¬ten. Gebaseerd op de voorspelde gemiddelde joodgetallen wordt een be¬stuurbare ingangsvariabele, zoals voedingsstofstroomsnelheid automatischnageregeld teneinde het gewenste joodgetal (Ι2Νο.ηΟΕΓ.) te bereiken.Daarmee kan roet van een in hoofdzaak consistente kwaliteit wordengeproduceerd ongeacht veranderingen in de meetbare ingangsvariabelen vande roetreactor, zoals de luchtvochtigheid en/of veranderingen in de berekende ingangsvariabelen zoals de brandstofkwaliteit.In an embodiment of the present invention, the control system calculates a predicted iodine number (Ι2Νο.ϊ,) at separate time intervals, for example every ten seconds. The predicted iodine numbers are calculated using an algorithm based in part on empirical test results for a given random test reactor geometry in which the control system is applied. The predicted iodine numbers are then averaged (I2No.Gem) over the individual intervals, for example over a total of two minutes. Based on the predicted average iodine numbers, a controllable input variable, such as nutrient flow rate, is automatically adjusted to achieve the desired iodine value (Ι2Νο.ηΟΕΓ.), Producing soot of a substantially consistent quality regardless of changes in the soot reactor's measurable input variables, such as the humidity and / or changes in the calculated input variables such as fuel quality.

In overeenstemming met een voorbeeld van de onderhavige uitvindingwordt het roetbereidingsregelproces gebruikt in een drietrapsreactor vanhet type als schematisch geïllustreerd is in figuur 1. De als voorbeeldgenomen reactor maakt gebruik van een koolwaterstoffen bevattende olieals voedingsstof en van aardgas als brandstof. Het zal echter duidelijkzijn dat het bereidingsproces-regelstelsel volgens de onderhavige uit¬vinding met gelijk resultaat kan worden gebruikt bij een reactor meteen ander type geometrie en bij andere voedingsstoffen en/of brandstof¬fen. De voorspelde joodgetallen (l2No.p) kunnen worden berekend inovereenstemming met het volgende joodgetalalgoritme:In accordance with an example of the present invention, the soot preparation control process is used in a three-stage reactor of the type schematically illustrated in Figure 1. The exemplary reactor uses a hydrocarbon containing oil as a nutrient and natural gas as a fuel. It will be understood, however, that the manufacturing process control system of the present invention can be used with equal results in a reactor with a different type of geometry and in other nutrients and / or fuels. The predicted iodine numbers (l2No.p) can be calculated in accordance with the following iodine number algorithm:

(1) I2N0.jp = KC*OAC + KP*PC + KA*LUCHT + KT*CAT + KH*AH + KO(1) I2N0.jp = KC * OAC + KP * PC + KA * AIR + KT * CAT + KH * AH + KO

De constanten van het algoritme zijn empirisch bepaald voor be¬paalde roetreactor-geometrieën. De algoritme-constanten voor een drie-traps reactor van het type geïllustreerd in figuur 1 kunnen bijvoorbeeldwaarden hebben die verschillen van de algoritme-constanten voor een(niet getoonde) tweetraps reactor. De algoritme-constanten kunnen alsvolgt worden gedefinieerd: KC - totale verbrandingsconstante KP - primaire verbrandingsconstante KA - luchtstroomsnelheidconstante KT - luchtvoorverwarmingstemperatuurconstante KH - luchtvochtigheidconstante KO - systeem begrenzingsconstanteThe constants of the algorithm have been determined empirically for certain soot reactor geometries. For example, the algorithm constants for a three-stage reactor of the type illustrated in Figure 1 may have values different from the algorithm constants for a two-stage reactor (not shown). The algorithm constants can be defined as follows: KC - total combustion constant KP - primary combustion constant KA - airflow rate constant KT - air preheating temperature constant KH - humidity constant KO - system limiting constant

De ingangsvariabelen kunnen als volgt worden gedefinieerd: OAC - totale verbranding [%)] PC - primaire verbranding [%] LUCHT - verbrandingsluchtsnelheid [KSCFH] CAT - verbrandingslucht-voorverwarmingstemperatuur [°F] AH - absolute luchtvochtigheid [gewicht water/duizendvoudig gewichtdroge lucht]The input variables can be defined as follows: OC - Total combustion [%)] PC - Primary combustion [%] AIR - Combustion air velocity [KSCFH] CAT - Combustion air preheating temperature [° F] AH - Absolute humidity [weight of water / thousand weight dry air]

De ingangsvariabelen worden bepaald door het meten van bepaalde ingangs¬variabelen van de roetreactor met meetinstrumenten terwijl de reactor inbedrijf is. Direct tijdens het meten van de respectievelijke ingangsva- riabelen worden de ingangsvariabelen berekend gebaseerd op de volgendevergelij kingen:The input variables are determined by measuring certain input variables of the soot reactor with measuring instruments while the reactor is in operation. Immediately while measuring the respective input variables, the input variables are calculated based on the following equations:

waarin: LUCHT is de luchtstroomsnelheid [KSCFH] (standaard kubieke voetper uur in duizenden); GAS is de gasstroomsnelheid [KSCFH]; en ATBG is de verhouding tussen lucht en verbrandingsgas [SCF lucht/-SCF gas], hetgeen een stoichiometrische waarde is van de hoeveelheidlucht die nodig is om een corresponderend volume aan gas volledig teverbranden.where: AIR is the airflow rate [KSCFH] (standard cubic feet per hour in thousands); GAS is the gas flow rate [KSCFH]; and ATBG is the ratio of air to combustion gas [SCF air / -SCF gas], which is a stoichiometric value of the amount of air required to completely burn a corresponding volume of gas.

Als de roetreactor een ander brandstoftype dan gas gebruikt,bijvoorbeeld een vloeibare koolwaterstof, dan kan de stromingssnelheidvan deze vloeistof worden gebruikt in vergelijking (2) in plaats van degasstroomsnelheid (GAS), en in de andere vergelijkingen die in hetonderstaande nog worden beschreven verschijnt dan ook deze term. Opsoortgelijke wijze kan ATBG in dezelfde vergelijkingen worden vervangendoor de verhouding van de stoichiometrische waarde van de hoeveelheidlucht die nodig is om een corresponderende hoeveelheid van het gebruiktebrandstoftype volledig te verbranden. Als op soortgelijke wijze deroetreactor een ander geschikt oxidatiemiddel dan lucht gebruikt, danzal de stromingssnelheid van dat oxidatiemiddel worden aangegeven invergelijking (2) in plaats van de luchtstroomsnelheid (LUCHT), en in deandere vergelijkingen die in het onderstaande nog worden beschreven zaldeze term dan ook optreden.If the soot reactor uses a fuel type other than gas, for example a liquid hydrocarbon, then the flow rate of this liquid can be used in equation (2) instead of the gas flow rate (GAS), and the other equations described below will also appear this term. Similarly, in the same equations, ATBG can be replaced by the ratio of the stoichiometric value of the amount of air needed to completely burn a corresponding amount of the fuel type used. Similarly, if the test reactor uses a suitable oxidizing agent other than air, then the flow rate of that oxidizing agent will be indicated in equation (2) instead of the air flow rate (AIR), and in the other equations described below this term will occur. .

waarin: LUCHT is de luchtstroomsnelheid [KSCFH]; GAS is de gasstroomsnelheid [KSCFH]; ATBG is de verhouding tussen lucht en verbrandingsgas [SCFlucht/SCF gas]; OLIE is de vloeibare koolwaterstof toevoerstroomsnelheid[gal./uur); en ATBO is de verhouding tussen lucht en branderolie [KSCFlucht/gal.olie], hetgeen de stoichiometrische waarde is van de hoeveel¬heid lucht die nodig is om een corresponderend volume aan olie volledig te verbranden (een kenmerkende waarde is ongeveer 1,54 KSCF/gal.olie).where: AIR is the airflow rate [KSCFH]; GAS is the gas flow rate [KSCFH]; ATBG is the ratio between air and combustion gas [SCF air / SCF gas]; OIL is the liquid hydrocarbon feed flow rate [gal./hour]; and ATBO is the ratio of air to burner oil [KSCF air / gal.oil], which is the stoichiometric value of the amount of air required to completely burn a corresponding volume of oil (a typical value is about 1.54 KSCF / gal.oil).

Als de roetreactor een ander toevoermateriaal gebruikt dan eenvloeibaar koolwaterstofachtig materiaal, zoals een gasvormig koolwater¬stof toevoermateriaal, dan zal de stroomsnelheid van dit materiaal wordenaangegeven in plaats van de olietoevoersnelheid (OLIE), en ook in deandere vergelijkingen die nog worden besproken zal deze term verschij¬nen. Op soortgelijke wijze zal de ATBO in dezelfde vergelijkingen wordenvervangen door de verhouding van de stoichiometrische waarde van dehoeveelheid lucht die nodig is om de corresponderende hoeveelheid vanhet andere type gebruikte toevoermateriaal volledig te verbranden.If the soot reactor uses a different feed material than a liquid hydrocarbonaceous material, such as a gaseous hydrocarbon feed material, the flow rate of this material will be indicated in place of the oil feed rate (OIL), and this term will also appear in the other equations discussed below. And. Similarly, in the same equations, the ATBO will be replaced by the ratio of the stoichiometric value of the amount of air required to completely burn the corresponding amount of the other type of feed material used.

De luchtstroomsnelheid (LUCHT) en de gasstroomsnelheid (GAS)worden on line gemeten door bekende meetinstrumenten voorafgaand aan deinjectie in de branderzone van de roetreactor. De lucht- en gasmeterszijn bij voorkeur van het meetbuistype waarin compensatie wordt gegevenvoor variaties in de stromingsdruk en de temperatuur tijdens het genere¬ren van de stroomsnelheidssignalen. De ATBG wordt bij voorkeur berekendgebaseerd op de ingangsgassamenstelling, gemeten door een (niet getoon¬de) gaschromatograaf. De gaschromatograaf kan worden gebruikt om degassamenstelling periodiek on line of periodiek off line te bepalen.Gebaseerd op de laatst gemeten gassamenstelling wordt de ATBG waardecorresponderend bijgesteld. Op soortgelijke wijze wordt ook de gravi-teitsmeting van het gebruikte gas door de gasmeter op corresponderendewijze bijgesteld afhankelijk van de gassamenstellingsmeting uitgevoerdmet de gaschromatograaf. Als de gaschromatograaf de gassamenstelling online meet dan heeft ze over het algemeen de mogelijkheid om de ATBG-waarde bij te stellen binnen een traject van tenminste gemiddeld tweetot tien minuten. De ATBO kan anderzijds niet on line worden gemeten enbijgesteld. Derhalve wordt de ATBO waarde bij voorkeur in het laborato¬rium gemeten voor elke bepaalde soort toevoermateriaal of mengsel daar¬van. De ATBO waarde kan bijvoorbeeld eens per enkele maanden voorafgaandaan een productieproces worden bijgesteld.The air flow rate (AIR) and the gas flow rate (GAS) are measured online by known measuring instruments prior to injection into the burner zone of the soot reactor. The air and gas meters are preferably of the test tube type which compensate for variations in flow pressure and temperature during the generation of the flow rate signals. The ATBG is preferably calculated based on the input gas composition, measured by a gas chromatograph (not shown). The gas chromatograph can be used to determine the gas composition periodically online or periodically offline. Based on the last gas composition measured, the ATBG value is adjusted accordingly. Likewise, also the gravity measurement of the gas used by the gas meter is adjusted accordingly depending on the gas composition measurement performed with the gas chromatograph. When the gas chromatograph measures the gas composition online, it generally has the option to adjust the ATBG value within a range of at least two to ten minutes on average. The ATBO, on the other hand, cannot be measured and adjusted online. Therefore, the ATBO value is preferably measured in the laboratory for each particular type of feed material or mixture thereof. For example, the ATBO value can be adjusted once every few months prior to a production process.

De toevoermateriaalstroomsnelheid (OLIE) wordt bij voorkeur geme¬ten door een stromingsmeter van het Coriolistype, die de massastromings-snelheid van het toevoermateriaal meet, over het algemeen in lbs/hr, ende dichtheid van het toevoermateriaal voorafgaand aan de injectie ervanin de toevoermateriaal-injectiezone van de reactor. De toevoermateriaal-stromingssnelheid wordt bij voorkeur omgevormd in een gecorrigeerdevolumetrische stromingssnelheid, uitgedrukt in gallon per uur (gal.-/hr.). De voorverwarmingstemperatuur van de verbrandingslucht (CAT)wordt gemeten door een thermokoppel, direct voorafgaand aan de invoer daarvan in de verbrandingszone van de reactor. De absolute luchtvoch¬tigheid (AH) wordt gemeten door een luchtvochtigheidssensor van een typedat in de techniek bekend is en uitgedrukt in eenheden van lbs.water/perduizend lbs.droge lucht. De absolute luchtvochtigheidmetingen worden bijvoorkeur gebruikt voor twee primaire doeleinden. Een van de doelen ishet verschaffen van een bijgewerkte ingangsvariabele (AH) voor hetjoodgetalalgoritme. Het andere doel is het bijstellen van de luchtstro¬mingssnelheid (LUCHT) afhankelijk van de gemeten absolute luchtvoch¬tigheid (AH) voor het handhaven van een in hoofdzaak constante drogeluchtstromingssnelheid aan de invoerzijde van de branderzone van dereactor. Een PID algoritme (proportioneel, integraal en derivatiefstuuralgoritme) van een in de stand der techniek bekend type wordt bijvoorkeur gebruikt voor het regelen van de luchtstromingssnelheid af¬hankelijk van de bijgewerkte absolute luchtvochtigheidsmetingen, ten¬einde te compenseren voor de hoeveelheid vocht in de lucht en derhalvein in hoofdzaak constante droge luchtstromingssnelheid te handhaven.The feed material flow rate (OIL) is preferably measured by a Coriolis type flow meter, which measures the feed material mass flow rate, generally in lbs / hr, and the density of the feed material prior to its injection into the feed material injection zone of the reactor. The feed material flow rate is preferably converted into a corrected volumetric flow rate, expressed in gallons per hour (gal / hr). The preheating temperature of the combustion air (CAT) is measured by a thermocouple immediately prior to its introduction into the combustion zone of the reactor. Absolute Humidity (AH) is measured by a humidity sensor of a type known in the art and expressed in units of lbs. Water / per thousand lbs. Dry air. The absolute humidity measurements are preferably used for two primary purposes. One of the goals is to provide an updated input variable (AH) for the iodine number algorithm. The other purpose is to adjust the air flow rate (AIR) depending on the measured absolute air humidity (AH) to maintain a substantially constant dry air flow rate on the inlet side of the burner zone of the reactor. A PID algorithm (proportional, integral and derivative control algorithm) of a type known in the art is preferably used to control the airflow rate depending on the updated absolute humidity measurements, to compensate for the amount of moisture in the air and therefore, to maintain substantially constant dry air flow rate.

De algoritmeconstanten van het joodgetalalgoritme (vergelijking(1)) worden vastgesteld in overeenstemming met een bekende proces-iden-tificatieprocedure gebruikmakend van een regressie-analyse en wordenbepaald voor bepaalde typen geometrieën van een roetreactor. De waardenvan de constanten zullen hoogstwaarschijnlijk verschillend zijn voorreactoren met een in hoofdzaak verschillende geometrie. Een bekendsoftware pakket dat de componenten "RS/1", "RS/Explore", en "RS/Dis-cover" bevat en wordt verkocht door BBN Software Products Corporation,Cambridge, Massachusetts, wordt bij voorkeur gebruikt voor het uitvoerenvan de regressie-analyse-procedure. De BBN software kan worden gebruiktmet een VAX minicomputer, gefabriceerd door Digital Equipment Corpora¬tion, Maynard, Massachusetts. De BBN software vergemakkelijkt de im¬plementatie van experimentele ontwerpprocedures die voor de deskundigeop dit terrein bekend zijn, alsmede de regressie-analyse-procedures dieook voor de deskundige op dit terrein bekend zijn, en het is niet nood¬zakelijk maar verschaft eenvoudig een geschikt middel voor het uitvoerenvan dergelijke procedures.The algorithm constants of the iodine number algorithm (equation (1)) are determined in accordance with a known process identification procedure using a regression analysis and are determined for certain types of soot reactor geometries. The values of the constants will most likely be different for reactors with a substantially different geometry. A known software package containing the components "RS / 1", "RS / Explore", and "RS / Dis-cover" and sold by BBN Software Products Corporation, Cambridge, Massachusetts, is preferably used to perform the regression analysis procedure. The BBN software can be used with a VAX mini computer, manufactured by Digital Equipment Corporation, Maynard, Massachusetts. The BBN software facilitates the implementation of experimental design procedures known to those skilled in the art, as well as the regression analysis procedures known to those skilled in the art, and it is not necessary but simply provides an appropriate means to perform such procedures.

Bij het uitvoeren van de regressie-analyse-procedure worden deingangs- en uitgangsvariabelen van het roetproductieproces geïdentifi¬ceerd. De ingangsvariabelen met betrekking tot het joodgetal zijn bij¬voorbeeld de variabelen die geïllustreerd zijn in figuur 1 waartoebehoren de materiaaltoevoersnelheid, de luchtstromingssnelheid, debrandstofstroomsnelheid, de luchtvoorverwarmingstemperatuur en de voch¬tigheid daarvan, de brandstofkwaliteit (ATBG) en de materiaalkwaliteit (ATBO). De uitgangsvariabele is het joodgetal (I2bo.). Gebaseerd op degeïdentificeerde ingangsvariabelen en uitgangsvariabelen wordt een reeksexperimenten ontworpen om de parameters te identificeren van het al¬goritme, bij voorkeur door gebruik te maken van de BBN software in eenVAX minicomputer. De reeks van experimenten wordt dan uitgevoerd vooreen roetreactor die de reactorgeometrie heeft van het type waarvoor hetalgoritme zal worden gebruikt. De regressie-analyse-procedure zal der¬halve hoogstwaarschijnlijk constanten opleveren die verschillende waar¬den hebben voor verschillende typen reactorgeometrieën. In verschillendestadia gedurende de experimenten worden veranderingen uitgevoerd in deingangsvariabelen op een wijze, voorgeschreven door de ontworpen ex¬perimenten. Gebaseerd op de experimenten wordt een groep van ingangsge¬gevens en corresponderende uitgangsgegevens verzameld. De regressie-analyse-procedure wordt dan uitgevoerd op de groep van gegevens teneindede empirisch vastgestelde constanten van het joodgetalalgoritme teidentificeren (vergelijking (1)).When performing the regression analysis procedure, the input and output variables of the soot production process are identified. The input variables with respect to the iodine number are, for example, the variables illustrated in Figure 1, accessories for which are the material supply speed, the air flow rate, the fuel flow rate, the air preheating temperature and the humidity thereof, the fuel quality (ATBG) and the material quality (ATBO). The output variable is the iodine number (I2bo.). Based on the identified input variables and output variables, a series of experiments is designed to identify the parameters of the algorithm, preferably using the BBN software in a VAX mini computer. The series of experiments is then performed for a carbon black reactor having the reactor geometry of the type for which the algorithm will be used. The regression analysis procedure will therefore most likely yield constants that have different values for different types of reactor geometries. At different stages during the experiments, changes are made to the input variables in a manner prescribed by the designed experiments. Based on the experiments, a group of input data and corresponding output data is collected. The regression analysis procedure is then performed on the group of data to identify the empirically determined constants of the iodine number algorithm (equation (1)).

In overeenstemming met een voorbeeld van de onderhavige uitvindingwerden, geheel in overeenstemming met de bovenbeschreven regressie-analyse-procedure, de volgende constanten empirisch vastgesteld voor eendrietraps reactorgeometrie soortgelijk aan de geometrie die schematischin figuur 1 is geïllustreerd: KC = 12,5 KT = 0,094 KP = 0,123 KH - 0,238 KA = -0,184 KO = -201 (bij benadering)In accordance with an example of the present invention, in full accordance with the regression analysis procedure described above, the following constants were empirically determined for a three-stage reactor geometry similar to the geometry illustrated schematically in Figure 1: KC = 12.5 KT = 0.094 KP = 0.123 KH - 0.238 KA = -0.184 KO = -201 (approximate)

In overeenstemming met een uitvoeringsvorm van de onderhavige uitvindingworden derhalve de ingangsvariabelen die nodig zijn voor het vaststellenvan de ingangsvariabelen van het joodgetalalgoritme (vergelijking (1))een maal per seconde gemeten. Gebaseerd op deze metingen wordt hetjoodgetalalgoritme een maal per seconde opgelost teneinde een nieuwvoorspeld joodgetal (I2No.p) te genereren. Vervolgens worden op ges¬cheiden middelingsintervallen, bijvoorbeeld telkens om de twee minuten,de voor dat interval berekende joodgetallen gemiddeld (I2No.Gem). Eenregelbare ingangsvariabele zoals de toevoermateriaalstromingssnelheid(OLIE) wordt dan automatisch nagesteld aan het eind van elk middelings-interval afhankelijk van het verschil tussen het gemiddelde voorspeldejoodgetal (IsNo.qem) en het joodgetal-instelpunt of het gewenste joodge¬tal (IzNo.doel), teneinde het gewenste joodgetal te benaderen. Er wordtechter op gewezen dat een of meer van de andere ingangsvariabelen zoals LUCHT en/of GAS kunnen worden nageregeld in plaats van de materiaalstro-mingssnelheid (OLIE) teneinde het gewenste joodgetal (iaNo.DOEi.) tebereiken.Therefore, in accordance with an embodiment of the present invention, the input variables needed to determine the input variables of the iodine number algorithm (equation (1)) are measured once per second. Based on these measurements, the iodine number algorithm is solved once per second to generate a new predicted iodine number (I2No.p). The iodine values calculated for that interval are then averaged at separated averaging intervals, for example every two minutes (I2No.Gem). An adjustable input variable such as feed material flow rate (OIL) is then automatically reset at the end of each averaging interval depending on the difference between the mean predicted iodine value (IsNo.qem) and the iodine setpoint or the desired iodine value (IzNo.goal), in order to approximate the desired iodine value. However, it is noted that one or more of the other input variables such as AIR and / or GAS can be adjusted instead of the material flow rate (OIL) to achieve the desired iodine value (iaNo.DOEi.).

De relatie tussen het joodgetal en de OAC is de primaire afregel-relatie. De OAC is een berekende besturingsvariabele in tegenstellingtot een gemeten besturingsvariabele. Zoals in het onderstaande zalworden beschreven bevat de vergelijking die de OAC gedenieert als termende LUCHT, GAS en OLIE. Gebaseerd op de relaties tussen het joodgetal ende OAC kunnen de geschikte veranderingen in de als voorkeur gemetenbesturingsvariabele OLIE worden afgeleid teneinde een gewenst joodgetal(laNo.doil) te bereiken. De materiaalstromingssnelheid (OLIE) is de alsvoorkeur geregelde ingangsvariabele omdat om een reden te noemen dezevariabele optreedt in slechts een term van het joodgetalalgoritme en deafregelprocedure derhalve relatief eenvoudig en rechttoe rechtaan kanworden uitgevoerd.The relationship between the iodine number and the COC is the primary adjustment relationship. The OC is a calculated control variable as opposed to a measured control variable. As will be described below, the equation that the OAC denotes as terming AIR, GAS and OIL. Based on the relationships between the iodine number and the OAC, the appropriate changes in the preferred control variable OIL can be deduced to achieve a desired iodine number (laNo.doil). The material flow rate (OIL) is the preferred controlled input variable because for a reason this variable occurs in only one term of the Iodine algorithm and the adjustment procedure can therefore be performed relatively simply and straightforward.

De nieuwe toevoermateriaalstromingssnelheid (OLIEnieu„) die nodigis om het gewenste joodgetal (I2No.DOxbi.) te bereiken wordt geschat opbasis van de volgende relatie tussen het joodgetal en de OACThe new feedstock flow rate (OILnew ") required to achieve the desired iodine value (I2No.DOxbi.) Is estimated based on the following relationship between the iodine value and the OC

(4) aIzNo. = KC *aOACwaarin:(4) aIzNo. = KC * aOAC where:

ΔΙ2Ν0. is het I2No.doel verminderd met het twee minutengemiddelde (of het gemiddelde over een ander interval) van de Ι2Ν0.Ρ(I2N0.GEm)JΔΙ2Ν0. the I2No goal is reduced by the two-minute average (or average over another interval) of the Ι2Ν0.Ρ (I2N0.GEm) J

aOAC is de nieuwe OAC (OACnieuw) die nodig is om deIzNo.doeji. verminderd met het twee minuten gemiddelde van de gemeten OAC(OACgem) te bereiken; en KC is de algehele verbrandingsconstante van het joodgetal¬algoritme.aOAC is the new OAC (OACnew) required to run the IzNo.doeji. minus the two-minute average of the measured OAC (OACgem) to be reached; and KC is the overall combustion constant of the iodine number algorithm.

Vergelijking (4) is bewerkt naar de partiële afgeleide van hetjoodgetalalgoritme (vergelijking (1)) met betrekking tot de OAC. Denieuwe toevoermateriaalstromingssnelheid (OLIEnieuw) wordt dan bepaaldgebaseerd op de volgende vergelijkingen:Equation (4) has been adapted from the partial derivative of the Iodine algorithm (Equation (1)) with respect to the OC. The new feedstock flow rate (OIL new) is then determined based on the following equations:

De vergelijkingen (5) en (6) worden vervolgens opgelost voor OLIEnieuwals volgt:Equations (5) and (6) are then solved for OIL news as follows:

In overeenstemming daarmee kan OLlE^n-u», telkens per twee minuten (ofeen ander interval) worden berekend gebruikmakend van het gemiddelde vande voorspelde joodgetallen (IzNo.obm) berekend over dat middelingsinter-val, en de toevoermateriaalstromingssnelheid (OLIE) kan dan automatischworden nageregeld teneinde I2No.doel te bereiken.Accordingly, OL1E ^ nu »can be calculated every two minutes (or any other interval) using the average of the predicted iodine numbers (IzNo.obm) calculated over that averaging interval, and the feed material flow rate (OIL) can then be automatically adjusted to I2No goal.

Het roetproces-regelstelsel volgens de onderhavige uitvindingheeft als extra kenmerk een off line laboratoriummeetprocedure. Metgescheiden intervallen worden, terwijl de roetreactor in bedrijf is,monsters van het geproduceerde roet genomen en wordt met behulp vanbekende technieken van elk monster het joodgetal Ι2Νο.βλβ) gemeten. Hetgemeten joodgetal (I2No.z.*.B) en de bekende standaard deviatie daarvan(SDla.b) worden bepaald tezamen met het gemiddelde en met de standaarddeviatie (SDP) van de voorspelde joodgetallen (l2No.p) voor de periodewaarin dat monster was genomen. Daarna wordt, afhankelijk van de waardenvan het gemeten joodgetal (ϊ2Νο.ΒΛΒ), zijn teststandaarddeviatie(SDlab), en het gemiddelde en de standaard deviatie (SDP) van de voor¬spelde joodgetallen (l2No.p) de systeeminterceptieconstante (KO) vanhet joodgetalalgoritme (vergelijking (1)) nageregeld teneinde een meernauwkeurig voorspeld joodgetal (l2No.p) te berekenen zoals in het vol¬gende nog in meer detail zal worden beschreven. In overeenstemming metde onderhavige uitvinding kan derhalve de nauwkeurigheid van het joodge-tal-regelalgoritme (vergelijking (1)) zelf systematisch worden gecontro¬leerd aan de hand van het in het laboratorium gemeten joodgetal(l2No.lab) en worden verbeterd terwijl de roetreactor in bedrijf is. Deoff line bemonsteringseigenschap van de onderhavige uitvinding compen¬seert derhalve voor niet gemeten verstoringen in de roetreactor die nietvoortdurend worden gemeten of voortdurend kunnen worden gemeten, dit integenstelling met de gemeten ingangsvariabelen, zoals in het boven¬staande is beschreven.The carbon black process control system of the present invention has the additional feature of an offline laboratory measurement procedure. While the carbon black reactor is in operation, samples are taken of the carbon black produced and the iodine value Ι2Νο.βλβ) is measured from each sample using known techniques. The measured iodine number (I2No.z. *. B) and its known standard deviation (SDla.b) are determined together with the mean and with the standard deviation (SDP) of the predicted iodine numbers (12No.p) for the period in which that sample was taken. Then, depending on the values of the measured iodine value (ϊ2Νο.ΒΛΒ), its test standard deviation (SDlab), and the mean and standard deviation (SDP) of the predicted iodine numbers (l2No.p), the system interception constant (KO) of the iodine number algorithm (equation (1)) adjusted to calculate a more accurately predicted iodine value (12No.p) as will be described in more detail in the following. Therefore, in accordance with the present invention, the accuracy of the iodine number control algorithm (equation (1)) itself can be systematically checked against the iodine value measured in the laboratory (12No.lab) and improved while the soot reactor in company. The off-line sampling feature of the present invention therefore compensates for unmeasured soot reactor perturbations that are not continuously measured or can be continuously measured, unlike the measured input variables, as described above.

In overeenstemming met de onderhavige uitvinding wordt een fil-teralgoritme, bij voorkeur een Kalman-filteralgoritme, gebruikt voorhet veranderen van de systeeminterceptie (KO) van het joodgetalalgorit¬me. De systeeminterceptie (KO) wordt veranderd gebaseerd op het gemetenjoodgetal (I2No.LAB) en de voorspelde joodgetallen I2No.p) bepaaltoedurende het interval waarin het roetmonster is Genomen teneinde uit het joodgetalalgoritme op meer nauwkeurige wijze de joodgetallen tevoorstellen. Het joodgetal van het roetmonster (l2No.r.AB) wordt door eendeskundige op een bekende wijze gemeten, bijvoorbeeld met behulp van eenvolumetrische wijze van titratie van het roetmonster met een joodoplos-sing. De joodgetaltest wordt bij voorkeur uitgevoerd aan de hand van dejoodabsorptiegetaltest, aangegeven in de ASTM-verordening: D1510-85. Hetbemonsteringsinterval waarin het roetmonster wordt genomen ligt over hetalgemeen binnen een traject van ongeveer 2 tot 20 minuten.In accordance with the present invention, a filter algorithm, preferably a Kalman filter algorithm, is used to change the system interception (KO) of the iodine number algorithm. The system interception (KO) is changed based on the measured iodine number (I2No.LAB) and the predicted iodine numbers I2No.p) during the interval in which the carbon black sample is taken in order to more accurately represent the iodine number algorithm. The iodine value of the carbon black sample (12No.r.AB) is measured in a known manner by an expert, for example by means of a volumetric method of titration of the carbon black sample with an iodine solution. The iodine number test is preferably performed using the iodine absorption number test specified in ASTM Regulation: D1510-85. The sampling interval at which the carbon black sample is taken is generally within a range of about 2 to 20 minutes.

In overeenstemming met de bemonsteringseigenschap van de onder¬havige uitvinding worden de beste schatting van de afwijkingsvariantievan de huidige voorspelde joodgetallen (Vu.) en de afwijkingsvariantievan de in het laboratorium gemeten joodgetallen (Vu.) bepaald. De afwij¬kingsvariantie is het kwadraat van de standaarddeviatie van het joodge¬tal. Vu. is derhalve het kwadraat van de standaarddeviatie (SDLAB) vanhet in het laboratorium gemeten joodgetal voor het roetmonster(I2No.x,ab). Omdat over het algemeen slechts een joodgetal (I2No.r.AB) inhet laboratorium wordt gemeten voor een monster gedurende de periode isVxr, in hoofdzaak een constante die wordt bepaald door een nauwkeurig¬heids- of reproduceerbaarheidsstudie van een op zichzelf bekend typenaar de in het laboratorium uitgevoerde joodgetalmeting. VÏL wordtderhalve periodiek, bijvoorbeeld eens per enkele maanden, bijgewerkt ofwanneer er een verandering is opgetreden in de procedure voor het vast¬stellen van het in het laboratorium gemeten joodgetal (I2No.i.ab). Vïpvormt de beste schatting van de afwijkingsvariantie van het huidigevoorspelde joodgetal (I2No.p) zoals in het onderstaande nog in meerdetail zal worden beschreven. Vir> en Vxx. vormen dus indicaties voor deonzekerheden in de respectievelijke joodgetalbepalingen zelf.In accordance with the sampling property of the present invention, the best estimate of the deviation variance of the current predicted iodine numbers (Vu.) And the deviation variant of the laboratory iodine numbers (Vu.) Are determined. The deviation variance is the square of the standard deviation of the iodine value. Vu. is therefore the square of the standard deviation (SDLAB) of the laboratory iodine value for the carbon black sample (I2No.x, ab). Since in general only one iodine number (I2No.r.AB) is measured in the laboratory for a sample during the period is Vxr, essentially a constant determined by an accuracy or reproducibility study by a typist known in the art. laboratory performed iodine number measurement. VÏL is therefore updated periodically, for example once every few months, or when there has been a change in the procedure for determining the iodine value measured in the laboratory (I2No.i.ab). Vï forms the best estimate of the deviation variance of the current predicted iodine value (I2No.p) as will be described in more detail below. Vir> and Vxx. are therefore indications of the uncertainties in the respective iodine number determinations themselves.

Gebaseerd op de afwijkingsvarianties V» en Vu. wordt dan eenjoodgetal-Kalman-filterversterkingsfactor (Kx) die in het volgende nognader zal worden beschreven, gebruikt om de systeeminterceptie (KO) vanhet joodgetalalgoritme, welke als volgt wordt bepaald, bij te werken:Based on the deviation variables V »and Vu. then an iodine-Kalman filter amplification factor (Kx), which will be described in more detail below, is used to update the system interception (KO) of the iodine number algorithm, which is determined as follows:

De Kalman filterversterkingsfactor (Kx) is derhalve in hoofdzaak een & gewogen gemiddelde van de afwijkingsvarianties (V ii» ΘΠ Vil ) die elk demate van variantie in twee gewone ruismetingen (IzNo.p en I2No.i,ab)reflecteren. De l2No.p en Ι2Νο.χ.ΑΒ zijn over het algemeen verschillend.Derhalve is de Kalman filterversterkingsfactor (Kx) in feite een weeg-coëfficiënt die gebaseerd is op statistische informatie met betrekking tot de betrouwbaarheid van de twee verschillende metingen izNo.p enI2N0·lab, die indiceert welke meting meer nauwkeurig is. Als bijvoor¬beeld Kx = 1 dan bestaat er een verwaarloosde afwijkingsvariantie inI2No.i.Ab, en als Kz = 0 dan bestaat er een verwaarloosbare afwijkingsva¬riantie in de I2No.p.The Kalman filter gain factor (Kx) is therefore essentially a & weighted average of the deviation variances (V ii »ΘΠ Vil), each reflecting the degree of variance in two ordinary noise measurements (IzNo.p and I2No.i, ab). The l2No.p and Ι2Νο.χ.ΑΒ are generally different, therefore the Kalman filter gain factor (Kx) is in fact a weighting coefficient based on statistical information regarding the reliability of the two measurements izNo.p and I2N0 Lab, which indicates which measurement is more accurate. For example, if Kx = 1 then there is a neglected variance variance in I2No.i.Ab, and if Kz = 0 then there is negligible variance variance in I2No.p.

Gebaseerd op de Kalman filterversterkingsfactor (Kx) wordt eenKalman filteralgoritme ontwikkeld om een nieuw optimaal geschat joodge-tal (I2No •FILTER ) vast te stellen op de volgende wijze: (9) I2No • FILTER = IaNo • GBM + Kx*(I2No * LAB " I2N0 • gsm) waarin I2No.Qem het gemiddelde is over de voorspelde joodgetallen(IaNo.p) gedurende de periode waarin het monster werd genomen.Based on the Kalman filter amplification factor (Kx), a Kalman filter algorithm is developed to determine a new optimal estimated iodine value (I2No • FILTER) in the following way: (9) I2No • FILTER = IaNo • GBM + Kx * (I2No * LAB "I2N0 • gsm) where I2No.Qem is the average of the predicted iodine numbers (IaNo.p) over the period of sampling.

Gebaseerd op het nieuwe optimale geschatte joodgetal (Ι2Νο.ΡΙι.τβΚ)wordt dan een nieuwe systeeminterceptieconstante (ΚΟΝχηυ») berekend voorhet joodgetalalgoritme op de volgende wijze:Based on the new optimal estimated iodine value (Ι2Νο.ΡΙι.τβΚ), a new system interception constant (ΚΟΝχηυ ») is calculated for the iodine number algorithm as follows:

(10) KOnixow — KOoöD + I2N0. filter — I2N0 . GEH(10) KOnixow - KOoöD + I2N0. filter - I2N0. GEH

Er wordt op gewezen dat bijvoorbeeld een een-punts verandering in desysteeminterceptieconstante (Κ0) correspondeert met een een-punts veran¬dering in het joodgetal en daarom kunnen de getallen direct in vergelij¬king (10) worden gesubstitueerd voor het oplossen van KOnieu». De sys¬teeminterceptieconstante (KO) wordt derhalve bijgerekend telkens wanneerhet in het laboratorium gemeten joodgetal (Ι2Ν0.Γ.Μ) ter beschikkingkomt teneinde het joodgetalalgoritme (vergelijking (1)) meer correct temaken.It is pointed out that, for example, a one-point change in the system interception constant (Κ0) corresponds to a one-point change in the iodine number and therefore the numbers can be directly substituted in equation (10) for solving KOnieu ». The system interception constant (KO) is therefore added every time the iodine value measured in the laboratory (Ι2Ν0.Γ.Μ) becomes available in order to make the iodine number algorithm (equation (1)) more correct.

Opnieuw verwijzend naar de foutvarianties wordt de beste schattingvan de ware huidige afwijkingsvariantie van het voorspelde joodgetal(Vxs.(k+1)) over het tijdinterval (k+1) welke, zoals in het onderstaandenog zal worden besproken, wordt gebruikt voor het vaststellen van deKalman filterversterkingsfactor (Kx) als volgt bepaald: (11) Vxp (k+1) = VxE(k) + Vim (k+1) waarin:Referring again to the error variances, the best estimate of the true current deviation variance of the predicted iodine value (Vxs. (K + 1)) over the time interval (k + 1), which will be discussed below, is used to determine deKalman filter gain factor (Kx) determined as follows: (11) Vxp (k + 1) = VxE (k) + Vim (k + 1) where:

Vn.(k+1) de beste schatting is van de ware huidige afwijkingsvari¬antie van het huidige voorspelde joodgetal (I2No.p) voor het tijdinter¬val (k+1);Un (k + 1) is the best estimate of the true current deviation variance from the current predicted iodine value (I2No.p) for the time interval (k + 1);

VrE(k) de afwijkingsvariantie is van de voorafgaande optimale joodgetalschatting (I2No.*»**«) over het tijdinterval (k);VrE (k) is the deviation variance from the preceding optimal iodine number estimate (I2No. * »**«) over the time interval (k);

ViM(k+1) de afwijkingsvariantie is van de voorspelde joodgetallen(IaNo.p) over het tijdinterval (k+1) gemeten over de laatste bemonste-ringsperiode.ViM (k + 1) is the deviation variance from the predicted iodine numbers (IaNo.p) over the time interval (k + 1) measured over the last sampling period.

De nieuwe Kalman filterversterkingsfactor (Kx(k+1)) wordt danbepaald uit de afwijkingsvarianties van de huidige voorspelde joodgetal¬len (I2No.p) en het huidige in het laboratorium gemeten joodgetal(I2N0.ub) op de volgende wijze:The new Kalman filter amplification factor (Kx (k + 1)) is then determined from the deviation variances of the current predicted iodine values (I2No.p) and the current iodine value measured in the laboratory (I2N0.ub) in the following manner:

Vxx.(k+1) is de foutvariantie van het huidige in het laboratoriumgemeten joodgetal (I2No.l*.b) en wordt als volgt bepaald:Vxx. (K + 1) is the error variance of the current iodine value measured in the laboratory (I2No.l * .b) and is determined as follows:

(13) Vxx.(k+1 ) = [PSDe.Ab/1 00 ] 2 * I2N0 . IHSXIL(13) Vxx. (K + 1) = [PSDe.Ab / 1 00] 2 * I2N0. IHSXIL

PSDtjui is de procentuele standaarddeviatie van de joodgetaltestzoals met behulp van een nauwkeurigheids- of reproduceerbaarheidsstudie,op zichzelf uit de stand der techniek bekend, is vastgesteld. Derhalvewordt nu de nieuwe optimale Kalman filterversterkingsfactor (Kx(k+1))gesubstitueerd in de bovenstaande vergelijking (9) teneinde als oplos¬sing het nieuwe optimale voorspelde joodgetal (IaNo •FILTER ) te vinden,Daarna wordt I2No •FILTER gesubstitueerd in de bovenstaande vergelijking(10) teneinde de nieuwe systeeminterceptieconstante (KOnieu») te vindenwaarmee het joodgetalalgoritme op meer correcte wijze het joodgetal kanvoorspellen.PSDtjui is the percentage standard deviation of the iodine number test as determined by an accuracy or reproducibility study known per se in the art. Therefore, the new optimal Kalman filter gain factor (Kx (k + 1)) is now substituted in the above equation (9) in order to find the new optimal predicted iodine value (IaNo • FILTER) as solution, Then I2No • FILTER is substituted in the above equation (10) in order to find the new system interception constant (KOnieu ») that allows the iodine number algorithm to more correctly predict the iodine number.

De foutvariantie van het nieuwe optimale geschatte joodgetal(Vis(k+1)) dat gebruikt moet worden voor de bepaling van Vu?(k+1) aanhet eind van de volgende bemonsteringsperiode (VIE(k) in de bovenstaandevergelijking (11)) wordt dan als volgt bepaald:The error variance of the new optimal estimated iodine value (Vis (k + 1)) to be used for the determination of Vu? (K + 1) at the end of the next sampling period (VIE (k) in the above equation (11)) is then determined as follows:

In overeenstemming met een andere uitvoeringsvorm van de onder¬havige uitvinding wordt het procesregelstelsel gebruikt voor het be¬ïnvloeden van de structuur van het roet. De structuur van het roet wordtin het algemeen in het laboratorium gemeten aan de hand van een dibutyl-ftalaat absorptiegetal ("DBP")vastgelegd in de ASTM richtlijn: D2414-86.De DBP waarde vormt derhalve een indicatie van de structuur van hetroet. Er zijn echter andere geschikte parameters van de roet-structuur die op gelijke wijze kunnen worden beïnvloed met behulp van het regel-proces volgens de onderhavige uitvinding. Een manier om de DBP te rege¬len is door het injecteren van een kalium toevoegende oplossing (K-S),op zichzelf uit de stand der techniek bekend, bij voorkeur in het toe-voerraateriaal voorafgaand aan de injectie van het toevoermateriaal in detoevoerinjectiezone van de reactor. De kalium toevoegende oplossing(K*S) wordt dan gedispergeerd in het reactiemengsel in de reactorzone enheeft derhalve een ionisch ladend effect op de deeltjes van het gevormderoet. Het is derhalve gebruikelijk dat, indien een hoge concentratie vaneen kalium toevoegende oplossing (K*S) in het toevoermateriaal wordtgeïnjecteerd, een neiging zal zijn tot minder aggregatie tussen dedeeltjes van het gevormde roet.In accordance with another embodiment of the present invention, the process control system is used to influence the structure of the carbon black. The structure of the carbon black is generally measured in the laboratory using a dibutyl phthalate absorption number ("DBP") specified in the ASTM guideline: D2414-86. The DBP value is therefore indicative of the structure of the carbon black. However, there are other suitable parameters of the carbon black structure that can be similarly influenced using the control process of the present invention. One way to control the DBP is by injecting a potassium-adding solution (KS), known per se in the art, preferably into the feed material prior to the injection of the feed material into the feed injection zone of the reactor . The potassium-adding solution (K * S) is then dispersed in the reaction mixture in the reactor zone and thus has an ionic loading effect on the particles of the molded soot. It is therefore common that if a high concentration of a potassium-adding solution (K * S) is injected into the feedstock, there will be a tendency for less aggregation between the particles of the carbon black formed.

In overeenstemming met de onderhavige uitvinding worden voorspeldeDBP waarden (DBPp) berekend over gescheiden intervallen, bijvoorbeeldtelkens om de tien seconden. De voorspelde DBP waarden (DBPp) wordenberekend met behulp van een DBP algoritme dat gedeeltelijk gebaseerd isop empirische testresultaten voor een bepaalde roetreactorgeometriewaarin het regelstelsel wordt toegepast. De voorspelde DBP waardenworden dan gemiddeld over een aantal intervallen, bijvoorbeeld telkensom de twee minuten (DBPGEM). Gebaseerd op de gemiddelde voorspelde DBPwaarden (DBPGKM) wordt een gestuurde ingangsvariabele, zoals de toevoer-snelheid van de kalium toevoegende oplossing (K+S) automatisch geregeldteneinde de gewenste DBP waarde (DBPDOel) te bereiken.In accordance with the present invention, predicted DBP values (DBPp) are calculated over separate intervals, for example, every ten seconds. The predicted DBP values (DBPp) are calculated using a DBP algorithm based in part on empirical test results for a particular soot reactor geometry used in the control system. The predicted DBP values are then averaged over a number of intervals, for example every two minutes (DBPGEM). Based on the average predicted DBP values (DBPGKM), a controlled input variable such as the feed rate of the potassium adding solution (K + S) is automatically controlled to achieve the desired DBP value (DBPDOel).

De voorspelde DBP waarden (DBPp) kunnen worden berekend in over¬eenstemming met het volgende DBP algoritme: (15) DBPp = (164,9 - 17,3 * X)*RF voor 0 < X < 1 en (16) DBPp = (147,6 - 17,3 * In(X))*F voor X > 1waarin: X de concentratie is van de kaliumionen (K*) in het toevoermateriaal [gmK*/100 gal.olie]; en F een schaalfactor is die berekend is om het algoritme aan te passen aanniet gemeten verstoringen in de roetreactor of aan verschillen tussenreactoren (F is over het algemeen in het traject van ongeveer 0,7 totongeveer 1,2).The predicted DBP values (DBPp) can be calculated in accordance with the following DBP algorithm: (15) DBPp = (164.9 - 17.3 * X) * RF for 0 <X <1 and (16) DBPp = (147.6 - 17.3 * In (X)) * F for X> 1 where: X is the concentration of the potassium ions (K *) in the feedstock [gmK * / 100 gal. Oil]; and F is a scale factor calculated to adapt the algorithm to unmeasured disturbances in the soot reactor or to differences between reactors (F is generally in the range of about 0.7 to about 1.2).

De constanten in het DBP algoritme worden empirisch bepaald inovereenstemming met een bekende proces-identificatieprocedure gebruik¬makend van regressieanalyse, voor een bepaalde willekeurige roetreactor- geometrie, op dezelfde wijze als in het bovenstaande is besproken voorhet bepalen van de algoritme-constanten voor het joodgetal-algoritme. Dewaarden van de constanten zullen derhalve waarschijnlijk verschillendzijn voor verschillende typen reactorgeometrieën. De gemeten ingangsva-riabelen met betrekking tot de DBP zijn bij voorkeur de stromingssnel¬heid van de kalium toevoegende oplossing en de stroomsnelheid van hettoevoermateriaal. De uitgangsvariabele is DBP of een andere geschiktemaat voor de roetstructuur. Zoals in het bovenstaande voor het joodge-talalgoritme is beschreven wordt vervolgens een serie experimentenuitgevoerd op een roetreactor met het type reactorgeometrie waarvoor hetalgoritme zal worden gebruikt. Gebaseerd op de experimenten wordt eengroep van ingangs- en corresponderende uitgangs-data verzameld. Deregressie analyseprocedure wordt dan uitgevoerd op de groep van data omde constanten van het DBP algoritme te identificeren. De constanten inhet DBP algoritme zoals gedefinieerd in de vergelijkingen (15) en (16)zijn empirisch bepaald aan de hand van de bovenbeschreven regressieanalyseprocedure voor een drietraps reactorgeometrie soortgelijk aan deschematisch in figuur 1 geïllustreerde structuur.The constants in the DBP algorithm are determined empirically in accordance with a known process identification procedure using regression analysis, for a given random carbon black reactor geometry, in the same manner as discussed above for determining the algorithm constants for the iodine number. algorithm. The values of the constants are therefore likely to be different for different types of reactor geometries. The measured input variables with respect to the DBP are preferably the flow rate of the potassium adding solution and the flow rate of the feed material. The output variable is DBP or another suitable measure of the carbon black structure. As described above for the iodine number algorithm, a series of experiments is then conducted on a carbon black reactor of the type reactor geometry for which the algorithm will be used. Based on the experiments, a group of input and corresponding output data is collected. The deregression analysis procedure is then performed on the group of data to identify the constants of the DBP algorithm. The constants in the DBP algorithm as defined in equations (15) and (16) were determined empirically using the regression analysis procedure described above for a three-stage reactor geometry similar to the structure schematically illustrated in Figure 1.

Het DBP algoritme, de vergelijkingen (15) en (16), wordt gebruiktvoor het voorspellen van de DBP waarden (DBPp) met onderlinge interval¬len van bijvoorbeeld een seconde. Daarna worden de voorspelde DBP waar¬den gemiddeld over afzonderlijke middelingsintervallen (DBPGem), bij¬voorbeeld telkens om de.twee minuten. Elke gemiddelde DBP waarde(DBPGem) wordt dan gebruikt voor het berekenen van een nieuw instelpuntvoor de stroomsnelheid van de kalium toevoegende oplossing (K*Snieuw)gebruikmakend van een DBP-instelalgoritme dat als volgt is gedefinieerd:The DBP algorithm, equations (15) and (16), is used to predict the DBP values (DBPp) at intervals of, say, one second. Then the predicted DBP values are averaged over individual averaging intervals (DBPGem), for example every two minutes. Each mean DBP value (DBPGem) is then used to calculate a new setpoint for the flow rate of the potassium adding solution (K * Cut) using a DBP setting algorithm defined as follows:

waarin:in which:

De Xnieuw wordt afgeleid uit de partiële afgeleide van het DBPalgoritme (vergelijkingen (15) en (16)) met betrekking tot de concentra¬tie van de kalium ionen in het toevoermateriaal (X) en is gedefinieerdals volgt:The Xnew is derived from the partial derivative of the DBPalgorithm (equations (15) and (16)) with respect to the concentration of the potassium ions in the feed material (X) and is defined as follows:

Κ„χχ is de mengselsterkte van de kalium toevoegende oplossing K*S,uitgedrukt in grammen kaliumionen (K—) per pound kalium toevoegendeoplossing (K*S). Xnxjbuw is de nieuwe concentratie van de kaliumionen(K*) in het toevoermateriaal, nodig om DBPoosr. te bereiken. K""Schim is degemiddelde stroomsnelheid van de kalium toevoegende oplossing gedurendehet twee minuten interval en OLIEcem is de gemiddelde toevoermateriaal-stroomsnelheid gedurende het twee minuten interval. 0LIENiEUw is dehuidige ingestelde stroomsnelheid voor het toevoermateriaal, welke bijvoorkeur is ingesteld in overeenstemming met het joodgetalalgoritme opde bovenbeschreven wijze. Door derhalve gebruik te maken van de gemid¬delde voorspelde DBP waarden (DBPeB:M) over het twee minuten interval kande nieuwe stroomsnelheid voor de kalium toevoegende oplossing (k*Snïeuw)worden vastgesteld in overeenstemming met vergelijking (17) teneinde denieuwe DBP doelwaarde (DBPdoi1.l) te bereiken.Κ „χχ is the mixture strength of the potassium adding solution K * S, expressed in grams of potassium ions (K—) per pound of potassium adding solution (K * S). Xnxjbuw is the new concentration of the potassium ions (K *) in the feed material, necessary to DBPoosr. reach. K "" Phantom is the average flow rate of the potassium adding solution over the two minute interval and OILcem is the average feed material flow rate over the two minute interval. 0LieniEU is the current set flow rate for the feed material, which is preferably set in accordance with the iodine number algorithm in the manner described above. Therefore, by using the average predicted DBP values (DBPeB: M) over the two minute interval, the new flow rate for the potassium-adding solution (k * snow) can be determined in accordance with equation (17) to obtain the new DBP target value ( DBPdoi1.l).

Het procesregelstelsel volgens de onderhavige uitvinding heeft alsextra kenmerk een off-line DBP laboratorium meetprocedure. Met geschei¬den intervallen worden, terwijl de roetreactor in bedrijf is, monstersvan het geproduceerde roet genomen en voor elk monster wordt de DBPwaarde gemeten (DBPlAB), op een wijze die voor de deskundige bekend is.Het bemonsteringsinterval waarin het roetmonster wordt genomen ligt overhet algemeen binnen het traject van ongeveer twee tot twintig minuten.The process control system of the present invention additionally features an off-line DBP laboratory measurement procedure. Samples of the carbon black produced are taken at separate intervals while the carbon black reactor is operating and the DBP value is measured (DBPlAB) for each sample in a manner known to those skilled in the art. generally within the range of about two to twenty minutes.

De DBPlab wordt bij voorkeur gemeten in overeenstemming met de ASTMrichtlijn: D2414-86 die al boven werd genoemd.The DBPlab is preferably measured in accordance with the ASTM guideline: D2414-86 already mentioned above.

De gemeten DBP waarde (DBPlab) en zijn bekende standaard deviatie(SDlab) worden bepaald tezamen met het gemiddelde en de standaard devia¬tie (SDP) van de voorspelde DBP waarden (DBPp) voor de periode waarinhet monster was genomen. Vervolgens worden afhankelijk van de gemetenDBP waarde (DBPlAB), de standaard deviatie (SDt,AB) ervan en het gemid¬delde en de standaard deviatie van de voorspelde DBP waarden (DBPp) deschaalfactor (F) van het DBP algoritme (vergelijkingen (15) en (16))nageregeld teneinde meer correcte DBP waarden te berekenen. In over¬eenstemming met de onderhavige uitvinding kan dus de nauwkeurigheid vanhet DBP algoritme zelf systematisch worden gecontroleerd tegen de in het laboratorium gemeten DBP waarde (DBPiaB) en worden verbeterd terwijlde roetreactor in bedrijf is.The measured DBP value (DBPlab) and its known standard deviation (SDlab) are determined together with the mean and standard deviation (SDP) of the predicted DBP values (DBPp) for the period in which the sample was taken. Then, depending on the measured DBP value (DBPlAB), its standard deviation (SDt, AB) and its mean and standard deviation of the predicted DBP values (DBPp), the scaling factor (F) of the DBP algorithm (equations (15) and (16)) readjusted to calculate more correct DBP values. Thus, in accordance with the present invention, the accuracy of the DBP algorithm itself can be systematically checked against the laboratory measured DBP value (DBPiaB) and improved while the carbon black reactor is operating.

In overeenstemming met de bemonsteringseigenschap van de onder¬havige uitvinding wordt de beste schatting van de afwijkingsvariantievan de voorspelde DBP waarden (Vm>) en de afwijkingsvariantie van de inhet laboratorium gemeten DBP waarde (Vde.) bepaald. VDL is het kwadraatvan de standaard deviatie van de in het laboratorium gemeten DBP waarde(DBPlab)· Omdat gedurende elke bemonsteringsperiode bij voorkeur slechtseen in het laboratorium gemeten DBP waarde wordt genomen is VDL inhoofdzaak een constante die wordt bepaald aan de hand van een afzonder¬lijke nauwkeurigheids of reproduceerbaarheidsstudie van de DBPlab meet¬procedure van een uit de stand der techniek bekend type. VDr. wordtderhalve op gebruikelijke periodiek bijgewerkt, bijvoorbeeld eens perenkele maanden of wanneer er een verandering heeft plaats gevonden in deprocedure voor het vaststellen van de DBPx,M. VDI> vormt de beste schat¬ting van de afwijkingsvariantie van de huidige voorspelde DBP waarde(DBPp) zoals in het onderstaande nog in meer detail zal worden beschre¬ven.In accordance with the sampling property of the present invention, the best estimate of the deviation variance of the predicted DBP values (Vm>) and the deviation variance of the laboratory measured DBP value (Vde.) Is determined. VDL is the square of the standard deviation of the DBP value measured in the laboratory (DBPlab). Because during each sampling period it is preferable to take only a DBP value measured in the laboratory. VDL is essentially a constant that is determined on the basis of a separate accuracy or reproducibility study of the DBPlab measuring procedure of a type known from the prior art. VDr. is therefore updated on usual periodic basis, for example once every several months or when there has been a change in the procedure for determining the DBPx, M. VDI> is the best estimate of the variance variance from the current predicted DBP value (DBPp), as will be described in more detail below.

Gebaseerd op de afwijkingsvarianties VDp en VDi. wordt een fil-teralgoritme, bij voorkeur een Kalman filteralgoritme gebruikt voor hetbepalen van een beste schatting van de waarde DBP waarde gedurende deperiode waarin het monster werd genomen (DBP*.xi.tb:r) . De DBP*.ir,TER wordtgegenereerd als een gewogen gemiddelde tussen de DBPlab en het gemid¬delde van de voorspelde DBP waarden gedurende de periode waarin hetmonster werd genomen (DBPe=M). Het DBP Kalman filteralgoritme voorDBPrXi.TBR kan als volgt worden gedefinieerd: (22) DBPfilter — DBPcsem + KD * (DBPlab - DBPqem)Based on the deviation variables VDp and VDi. a filtering algorithm, preferably a Kalman filtering algorithm, is used to determine a best estimate of the DBP value during the sampling period (DBP * .xi.tb: r). The DBP * .ir, TER is generated as a weighted average between the DBPlab and the average of the predicted DBP values over the time the sample was taken (DBPe = M). The DBP Kalman filter algorithm for DBPrXi.TBR can be defined as follows: (22) DBP filter - DBPcsem + KD * (DBPlab - DBPqem)

Kd is de DBP Kalman filterversterkingsfactor die in hoofdzaak gelijk isaan een gewogen gemiddelde van de afwijkingvarianties VDP en VDi. en dieals volgt is gedefinieerd:Kd is the DBP Kalman filter gain factor which is substantially equal to a weighted average of the deviation variables VDP and VDi. and which is defined as follows:

Gebaseerd op de DBPPiLTEtl wordt vervolgens de schaalfactor (F) vanhet DBO algoritme, de vergelijkingen (15) en (16), nageregeld (FNIEUw)teneinde ervoor te zorgen dat het DBP algoritme op meer correcte wijzede DBP voorspelt en wel als volgt:Based on the DBPPiLTEtl, the scale factor (F) of the DBO algorithm, equations (15) and (16), is then adjusted (FNIEw) to ensure that the DBP algorithm predicts DBP in a more correct way as follows:

Xgkm vormt de gemiddelde concentratie van de kalium toevoegendeoplossing (K~*S) in het toevoermateriaal, zoals gedefinieerd wordt invergelijking (21), gedurende de periode waarin het monster werd genomen.De nieuwe schaalfactor (Fhizuw) wordt dan gesubstitueerd in het DBPalgoritme (vergelijkingen (15) en (16)) ter vervanging van de eerdergeldende schaalfactor (F) waarop het algoritme wordt bijgesteld voor hetmeer nauwkeurig voorspellen van DBP.Xgkm represents the mean concentration of the potassium additive solution (K ~ * S) in the feed material, as defined in equation (21), during the period when the sample was taken. The new scale factor (Fhizuw) is then substituted in the DBPalgorithm (equations (15) and (16)) to replace the previously applicable scale factor (F) on which the algorithm is adjusted to more accurately predict DBP.

De beste schatting van de ware huidige afwijkingsvariantie van devoorspelde DBP waarde (VDp(k+1)) gedurende het tijdinterval (k+1), diegebruikt is in vergelijking (23) voor het vaststellen van de huidigeDBP Kalman filterversterkingsfactor (KD) is gedefinieerd als volgt: (26) Vdp(k+1) - Vde(k) + VDM(k+1) waarin: VDJ?(k+1) de beste schatting is van de ware huidige afwijkingsvariantievan de huidige voorspelde DBP waarde over het tijdinterval (k+1);The best estimate of the true current deviation variance of the predicted DBP value (VDp (k + 1)) during the time interval (k + 1) used in equation (23) to determine the current DBP Kalman filter gain factor (KD) is defined as follows: (26) Vdp (k + 1) - Vde (k) + VDM (k + 1) where: VDJ? (k + 1) is the best estimate of the true current deviation variation of the current predicted DBP value over the time interval ( k + 1);

Vu® de afwijkingvariantie is van de voorafgaande optimale DBP schatting(DBPrxi,.rB.R) over het tijdinterval (k); en VDM(k+1) de afwijkingvariantie is van de voorspelde DBP waarden (DBPp)over het tijdinterval (k+1) gemeten over de laatste bemonsteringsperio-de.Vu® is the deviation variance from the preceding optimal DBP estimate (DBPrxi, .rB.R) over the time interval (k); and VDM (k + 1) is the deviation variance from the predicted DBP values (DBPp) over the time interval (k + 1) measured over the last sampling period.

De nieuwe DBP Kalman filterversterkingsfactor (KD(k+1)) wordt danbepaald als een gewogen gemiddelde van de afwijkingvariantie van dehuidige gemiddelde DBP waarden (DBP*,) en de huidige in het laboratoriumgemeten DBP waarde (DBPz.ab) op de volgende wijze:The new DBP Kalman filter gain factor (KD (k + 1)) is then determined as a weighted average of the deviation variance of the current mean DBP values (DBP *,) and the current laboratory measured DBP value (DBPz.ab) in the following manner:

VDt,(k+1) is de afwijkingsvariantie van de huidige in het laboratoriumgemeten DBP waarde (DBPi,ab) en is als volgt gedefinieerd:VDt, (k + 1) is the deviation variance from the current laboratory measured DBP value (DBPi, ab) and is defined as follows:

(28) VDL(k+1) = [PSDLAB/100]2 * DBP DOEL(28) VDL (k + 1) = [PSDLAB / 100] 2 * DBP TARGET

Hierin is PSDr,AB de aanwezige standaard deviatie van de laboratorium DBPPSDr, AB is the present standard deviation of the DBP laboratory

die bepaald is met een op zichzelf bekende nauwkeurigheids- of reprodu-ceerbaarheidsstudie. Derhalve wordt nu de nieuwe DBP Kalman filterver-sterkingsfactor (KD(k+1)) gesubstitueerd in de bovenstaande vergelijking(22) voor het oplossen van de nieuwe optimale geschatte DBP waarde(ϋΒΡ*.ΐΓ.ΤΒ.Λ). De DBPr.it.TBFi wordt dan gesubstitueerd in de bovenstaandevergelijkingen (24) en (25) voor het oplossen van de nieuwe schaalfactor(Fnxkuw) om ervoor te zorgen dat het DBP algoritme (vergelijkingen (15)en (16)) op meer nauwkeurige wijze de DBP voorspellen.determined by a per se known accuracy or reproducibility study. Therefore, the new DBP Kalman filter gain factor (KD (k + 1)) is now substituted in the above equation (22) to solve for the new optimal estimated DBP value (ϋΒΡ * .ΐΓ.ΤΒ.Λ). The DBPr.it.TBFi is then substituted in the above equations (24) and (25) to solve for the new scale factor (Fnxkuw) to ensure that the DBP algorithm (equations (15) and (16)) is more accurate predict the DBP.

De afwijkingsvariantie van de nieuwe optimale geschatte DBP waarde(Vor:(k+1)) wordt gebruikt bij het bepalen van VDp(k+1) aan het einde vande volgende bemonsteringsperiode (Vdb(k) in de bovenstaande vergelijking(26)) en wordt als volgt bepaald:The deviation variance of the new optimal estimated DBP value (Vor: (k + 1)) is used in determining VDp (k + 1) at the end of the next sampling period (Vdb (k) in the above equation (26)) and is determined as follows:

In overeenstemming met een andere uitvoeringsvorm van de onder¬havige uitvinding omvat het procesregelstelsel verder een CUSUM ("cumu¬latieve sommen") procedure voor het bewaken van de waarden van de be¬stuurde uitgangsvariabelen zoals het joodgetal en/of DBP. De CUSUMcompenseert voor trends in het joodgetal danwel in DBP die zouden kunnenresulteren in niet gemeten verstoringen in de roetreactor die nietvolledig worden gecompenseerd door het joodgetalalgoritme, de DBP al¬goritme of de respectievelijke Kalman filteralgoritmen. Derhalve wordtmet een CUSUM de I2No.r.AB bewaakt en wordt met een CUSUM de DBPr.ABbewaakt telkens wanneer elke uitgangsvariabele is gemeten teneinde vastte stellen of er een verschuiving is opgetreden in het gemiddelde vaneen van de waarden, voldoende om een verdere regeling in het proces temoeten uitvoeren.In accordance with another embodiment of the present invention, the process control system further comprises a CUSUM ("cumulative sums") procedure for monitoring the values of the controlled output variables such as the iodine number and / or DBP. The CUSUM compensates for iodine or DBP trends that could result in undetected soot reactor perturbations that are not fully compensated by the iodine algorithm, the DBP algorithm or the respective Kalman filter algorithms. Therefore, with a CUSUM, the I2No.r.AB is monitored and with a CUSUM, the DBPr.AB is monitored each time each output variable is measured to determine if there has been a shift in the mean of one of the values sufficient to further control the perform the process.

Elke CUSUM maakt gebruik van twee cumulatieve sommen, een hoge som(Shol>) en een lage som (Sr.(ij) voor het testen van resp. I2No •LAB 6ΠDBPj,ab om vast te stellen of er een ongewenste trend valt waar te nemen.Als de CUSUM's zijn gereset dan is elke cumulatieve som (SHc±> en Sx.(i))gelijkgesteld aan nul. De twee sommen worden als volgt bepaald: (30) Shc±> = Max [0,SK<±-1> + Y± - (DOEL + k)] (31) Sr.(i) = Min [0,Se.<3.-1) + Vjl - (DOEL - k) ]waarin: SHc±-i> is de sommatie van alle voorafgaande hoge sommen vanaf het moment waarop de CUSUM voor het laatst werd gereset;Each CUSUM uses two cumulative sums, a high sum (Shol>) and a low sum (Sr. (ij) to test I2No • LAB 6ΠDBPj, ab, respectively, to determine if there is an unwanted trend where If the CUSUMs are reset then each cumulative sum (SHc ±> and Sx. (i)) is equal to zero. The two sums are determined as follows: (30) Shc ±> = Max [0, SK <± - 1> + Y ± - (TARGET + k)] (31) Sr. (i) = Min [0, Se. <3.-1) + Vjl - (TARGET - k)] where: SHc ± -i> is the summation of all previous high sums from when the CUSUM was last reset;

Si.(dL_ij is de sommatie van alle voorafgaande lage sommen sinds hetmoment waarop de CUSUM voor het laatst werd gereset;Si. (DL_ij is the sum of all previous low sums since the time when the CUSUM was last reset;

Ya. is de huidige in het laboratorium gemeten waarde van de gestuurdeuitgangsvariabele en kan derhalve in overeenstemming met de voorgaandeuitvoeringsvormen gelijk zijn aan I2No.r,AB of DBPx.ab; DOEL is de doelwaarde van de geregelde uitgangsvariabele die in over¬eenstemming met de voorgaande uitvoeringsvormen derhalve gelijk kanzijn aan I2No * doel of DBPDoel; en k is een toelaatbare vertraging in de geregelde uitgangsvariabele die inhet algemeen ligt binnen het traject van ongeveer een standaarddeviatieof binnen ongeveer 68% van de in het laboratorium gemeten waarden van derespectievelijke geregelde uitgangsvariabele (zoals I2No.x.AB of DBPt,AB).Ya. is the current laboratory measured value of the controlled output variable and may therefore be I2No.r, AB or DBPx.ab in accordance with the foregoing embodiments; TARGET is the target value of the controlled output variable, which can therefore be equal to I2No * target or DBP Target in accordance with the previous embodiments; and k is an allowable delay in the controlled output variable generally within the range of about a standard deviation or within about 68% of the laboratory measured values of the respective controlled output variable (such as I2No.x.AB or DBPt, AB).

Er wordt een beslissingsinterval (-h, h) ingesteld voor elkegeregelde uitgangsvariabele waarvan de exacte waarde wordt gekozengebaseerd op ervaring met de gebruikte betreffende roetreactor, maar dieover het algemeen ligt dichtbij de tolerantiegrenzen die voor dezeuitgangsvariabele zijn gesteld. Een kenmerkende waarde van h voor hetjoodgetal of voor dbp kan bijvoorbeeld 5 zijn. Derhalve omvat het be¬slissingsinterval h 5 joodgetaleenheden of DBP eenheden aan beide zijdenvan de waarde van resp. l2No.DOEr. of DBPDOEl.A decision interval (-h, h) is set for each controlled output variable the exact value of which is chosen based on experience with the particular soot reactor used, but which is generally close to the tolerance limits set for this output variable. For example, a characteristic value of h for the iodine number or for dbp can be 5. Therefore, the decision interval h comprises 5 iodine number units or DBP units on both sides of the value of resp. l2No.DOEr. or DBPDOEl.

Nadat elk roetmonster is genomen en de in het laboratorium gemetenwaarden voor het joodgetal (I2No.x.AB) en/of DBP (DBPlab) zijn bepaaldworden deze waarden gesubstitueerd in de vergelijkingen (30) en (31)voor Y±. De twee cumulatieve sommen SH<±> en Snij worden dan berekendzowel voor I2No.!.AB als voor DBPi.ab. Als Sh(±> > h of als Sn*, < -h danzal zowel voor het joodgetal als voor DBP een alarmsignaal worden gege¬nereerd voor de respectievelijke uitgangsvariabele. Als een alarmsignaalwordt gegenereerd dan wordt de operateur daarmee aangespoord om debemonsteringsfrequentie van het geproduceerde roet te vergroten, in hetalgemeen tenminste met een factor twee. Als een alarmsignaal is gegene¬reerd voor het joodgetal en/of DBP dan worden de Kalman versterkingsfac-tor (Ki) voor het joodgetalalgoritme en/of de DBP Kalman versterkings-factor (KD) voor het DBP algoritme elk resp. gelijkgesteld aan een. Alsnadat het volgende roetmonster is genomen de I2No.i,ab of DBPlab vallenbinnen ±k van de respectievelijke I2No.Do=r. of DBPDOj=r., dan wordt deCUSUM gereset door het terugstellen van de cumulatieve sommen SH<±-1> ennaar nul voor de respectievelijke variabele. Als echter eenalarmsignaal gegenereerd blijft, dan wordt de Kalman versterkingsfactor(Ki of KD) voor de respectievelijke uitgangsvariabele gelijkgesteld aan een totdat de in het laboratorium gemeten waarde valt binnen ±k van dedoelwaarde voor de betreffende variabele.After each carbon black sample has been taken and the laboratory measured values for the iodine value (I2No.x.AB) and / or DBP (DBPlab) have been determined, these values are substituted in equations (30) and (31) for Y ±. The two cumulative sums SH <±> and Snij are then calculated both for I2No.!. AB and for DBPi.ab. If Sh (±>> h or as Sn *, <-h then an alarm signal is generated for both the iodine number and DBP for the respective output variable. If an alarm signal is generated, the operator is thereby urged to determine the sampling frequency of the carbon black produced in general, at least by a factor of 2. If an alarm signal is generated for the iodine number and / or DBP, then the Kalman gain factor (Ki) for the iodine algorithm and / or the DBP Kalman gain factor (KD) for the DBP algorithm each equated to a 1. After the next soot sample is taken, the I2No.i, ab or DBPlab fall within ± k of the respective I2No.Do = r. or DBPDOj = r., then the CUSUM is reset by resetting of the cumulative sums SH <± -1> and to zero for the respective variable, however, if an alarm signal continues to be generated, the Kalman gain factor (Ki or KD) for the respective output variable equated to a until the laboratory measured value falls within ± k of the target value for the variable concerned.

In figuur 2 zijn de hardware-componenten van het procesregelstel-sel volgens de uitvinding schematisch geïllustreerd. Het procesregel-stelsel omvat een regelaar die in zijn algemeenheid aangeduid is met 10.De systeemregelaar 10 is een voor de deskundige bekend type en bestaatbij voorkeur uit een minicomputer zoals een VAX minicomputer die in hetbovenstaande al werd beschreven. De systeemregelaar 10 is via een bus 12gekoppeld met een gedistribueerd regelstelsel 14. Het gedistribueerderegelstelsel 14 is ook een van voor de deskundige bekend type zoals eenFisher ProVOX Instrumentation System, gefabriceerd door Fisher ControlsINternational Incorporated uit Marshalltown Iowa. Het gedistribueerderegelstelsel 14 is op zijn beurt via een PID algoritme (PID) gekoppeldmet een oliestromingsmeter 16 en een automatisch regelbare stromingsklep18. Zoals in het bovenstaande is beschreven bestaat de oliestromingsme¬ter 16 bij voorkeur uit een stromingsmeter van het Coriolistype. Deoliestromingsklep 18 is gemonteerd stroomopwaarts of stroomafwaarts vande oliestromingsmeter 16 in de materiaaltoevoerleiding 20 van de roet-reactor. Het gedistribueerde regelstelsel 14 bestuurt derhalve de wer¬king van de klep 18 teneinde automatisch de stroomsnelheid van hettoevoermateriaal (OLIE) te regelen teneinde het gewenste joodgetal(IzNo.noBi.) te bereiken zoals in het volgende nog in detail zal wordenbeschreven. Het gedistribueerde regelstelsel 14 is ook via een PIDalgoritme (PID) gekoppeld met een stromingsmeter 22 voor de kaliumtoevoegende oplossing en met een automatisch instelbare stromingsklep24. De stromingsmeter 22 is bij voorkeur een stromingsmeter van hetCoriolis-type evenals de oliestromingsmeter 16. De stromingsklep 14 isstroomopwaarts of stroomafwaarts van de stromingsmeter 22 gemonteerd inde leiding 26 waardoor de kalium toevoegende oplossing naar de roetreac-tor stroomt. Het gedistribueerde regelstelsel 14 bestuurt derhalve ookde werking van de klep 22 zodanig dat de stroomsnelheid van de kaliumtoevoegende oplossing (K*S) wordt geregeld door het bereiken van degewenste DBP waarde (DBPdojel) zoals in het volgens nog in meer detailzal worden beschreven.Fig. 2 schematically illustrates the hardware components of the process control system according to the invention. The process control system comprises a controller generally designated 10. The system controller 10 is a type known to those skilled in the art and preferably consists of a minicomputer such as a VAX minicomputer which has already been described above. The system controller 10 is coupled through a bus 12 to a distributed control system 14. The distribution control system 14 is also one of the type known to those skilled in the art such as a Fisher ProVOX Instrumentation System manufactured by Fisher Controls International Incorporated of Marshalltown Iowa. The distribution control system 14, in turn, is coupled via an PID algorithm (PID) to an oil flow meter 16 and an automatically controllable flow valve 18. As described above, the oil flow meter 16 preferably consists of a flowmeter of the Coriolis type. The oil flow valve 18 is mounted upstream or downstream of the oil flow meter 16 in the material supply line 20 of the carbon black reactor. Thus, the distributed control system 14 controls the operation of the valve 18 to automatically control the flow rate of the feedstock (OIL) to achieve the desired iodine value (IzNo.noBi.) As will be described in detail below. The distributed control system 14 is also coupled via a PID algorithm (PID) to a flow meter 22 for the potassium-adding solution and to an automatically adjustable flow valve24. The flow meter 22 is preferably a flow meter of the Coriolis type as well as the oil flow meter 16. The flow valve 14 is mounted upstream or downstream of the flow meter 22 in the conduit 26 through which the potassium additive solution flows to the soot reactor. Thus, the distributed control system 14 also controls the operation of the valve 22 such that the flow rate of the potassium adding solution (K * S) is controlled by achieving the desired DBP value (DBPdojel) as will be described in more detail below.

In figuur 3 is een stroomschema geïllustreerd dat in conceptvormde procedures van het roetprocesregelstelsel volgens de onderhavigeuitvinding beschrijft. De labels S-, tot en met S12 wijzen op de stappen1 tot en met 12. Als het procesregelstelsel in bedrijf is, zoals veron¬dersteld is bij S-ι, dan genereert het gedistribueerde regelstelsel 14een voorspeld joodgetal (IsNo.j.) en een voorspelde DBP waarde (DBPp) zoals aangegeven is bij S2, in overeenstemming met het respectievelijkebovenbeschreven joodgetalalgoritme en DBP algoritme. Bij voorkeur zijnhet joodgetalalgoritme en daarmee de vergelijkingen voor de ingangsva-riabelen uitgevoerd als subroutines in het gedistribueerde regelstelsel14. Op soortgelijke wijze worden ook de vergelijkingen voor het DBPalgoritme bij voorkeur uitgevoerd als subroutines in het gedistribueerderegelstelsel 14. Nadat elke I2No.p en DBPp zijn berekend worden zeopgeslagen in het computergeheugen binnen de systeemregelaar 10. Hetgedistribueerde regelstelsel 14 berekent zowel I2No.p als DBPp telkensom de seconde gebaseerd op de huidige afleeswaarden van de ingangsvaria-belen, zoals aangeduid is bij S3. Elke bijgewerkte I2No.P en DBPp wordtdan opgeslagen in het geheugen van de systeemregelaar 10. Zoals aan¬geduid is bij S4 worden de in het computergeheugen opgeslagen waardenvan I2No.p en DBPp telkens gemiddeld over een interval van twee minuten.Door het gedistribueerde regelstelsel 14 en de l2No.CEM en DBPGE„ wordenin het computergeheugen opgeslagen.Fig. 3 illustrates a flow chart describing drafting procedures of the carbon black process control system of the present invention. The labels S- through S12 indicate steps 1 through 12. If the process control system is in operation, as assumed by S-ι, the distributed control system 14 generates a predicted iodine value (IsNo.j.) and a predicted DBP value (DBPp) as indicated at S2, in accordance with the iodine number algorithm and DBP algorithm described above, respectively. Preferably, the iodine number algorithm and hence the input variable equations are implemented as subroutines in the distributed control system14. Similarly, the comparisons for the DBPal algorithm are also preferably performed as subroutines in the distribution control system 14. After each I2No.p and DBPp are calculated, they are stored in the computer memory within the system controller 10. The distributed control system 14 calculates both I2No.p and DBPp each time. the second based on the current reading values of the input variables, as indicated at S3. Each updated I2No.P and DBPp is then stored in the memory of the system controller 10. As indicated in S4, the values stored in the computer memory of I2No.p and DBPp are averaged over an interval of two minutes. By the distributed control system 14 and the l2No.CEM and DBPGE „are stored in the computer memory.

Gebaseerd op de I2No.Cb:m over het interval van twee minuten wordtdan de nieuwe toevoermateriaalstroomsnelheid (0LIEnx:h:u„) bepaald doorhet gedistribueerde regelstelsel 14 zoals aangegeven is bij Ss. Opdezelfde wijze wordt, gebaseerd op de DBP0=M over het twee minuteninterval de nieuwe stroomsnelheid voor de kalium toevoegende oplossing(K^Sokm) vastgesteld. De boven beschreven vergelijkingen (5) tot en met(7) en de vergelijkingen (17) tot en met (21) zijn bij voorkeur gereali¬seerd als subroutines in het gedistribueerde regelstelsel 14 voor hetbepalen van zowel de nieuwe toevoermateriaalstroomsnelheid (OLIENIEUw)alsook de nieuwe stroomsnelheid voor de kalium toevoegende oplossing(K*S NIEUW ). Gebaseerd op de nieuwe toevoermateriaalstroomsnelheid(OLIEnucuw) en de nieuwe snelheid van de kalium toevoegende oplossing(K^Snxbuw) bepaalt het gedistribueerde regelstelsel dan de mate waarinde klep 18 en de klep 24 moeten worden nageregeld door gebruikmakend vande PID-algoritmen zoals in het navolgende nog nader zal worden beschre¬ven. De nieuwe toevoermateriaalstroomsnelheid (OLIEnxeuw) en de nieuwesnelheid van de kalium toevoegende oplossing (K~S NIEUW ) worden vervol¬gens elke twee minuten bijgewerkt. De kleppen 18 en 24 worden op hunbeurt telkens om de twee minuten nagesteld gebaseerd op de respectieve¬lijke nieuwe I2No.a=M en DBPaEM teneinde de nieuwe stroomsnelheden tebereiken zoals aangegeven is met S7.Based on the I2No.Cb: m over the two minute interval, the new feedstock flow rate (0LIEnx: h: u ") is then determined by the distributed control system 14 as indicated at Ss. Similarly, based on the DBP0 = M over the two minute interval, the new flow rate for the potassium adding solution (K ^ Sokm) is determined. The above-described equations (5) to (7) and equations (17) to (21) are preferably realized as subroutines in the distributed control system 14 for determining both the new feedstock flow rate (OILS) and the new flow rate for the potassium adding solution (K * S NEW). Based on the new feedstock flow rate (OIL nuuw) and the new rate of the potassium adding solution (K ^ Snxbuw), the distributed control system then determines the extent to which valve 18 and valve 24 are to be controlled using the PID algorithms as described below. will be described in more detail. The new feed material flow rate (OIL century) and the new rate of the potassium adding solution (K ~ S NEW) are then updated every two minutes. Valves 18 and 24 are serviced every two minutes based on the respective new I2No.a = M and DBPaEM to achieve the new flow rates as indicated by S7.

De eerste stap in de off-line laboratorium meetprocedure volgensde onderhavige uitvinding is aangeduid met Sa waarbij aangegeven is datde systeemregelaar 10 het gemiddelde en de standaard deviatie bepaalt van zowel de I2No.p en DBPp, telkens berekend om de seconde (of eenander interval) gedurende de periode waarin het roetmonster is genomen.Het geproduceerde roet wordt bemonsterd op gescheiden intervallen,gebruikelijk binnen een traject van een tot enkele uren, en zowel hetjoodgetal als de DBP van het monster worden gemeten in een laboratorium(I2No.lab en DBPum) zoals aangegeven is bij S9. Zoals in het boven¬staande werd opgemerkt ligt het roetbemonsteringsinterval in het al¬gemeen binnen een traject van ongeveer 2 tot 20 minuten. De nieuwesysteeminterceptie (KO) voor het joodgetalalgoritme wordt daarna bijge¬steld door de systeemregelaar 10, gebaseerd op de I2No.r,XB en I2No.gem,berekend gedurende de periode waarin het monster werd genomen zoalsaangegeven is bij S10. Bij voorkeur zijn de vergelijkingen (8) tot enmet (14) die in het bovenstaande al werden beschreven uitgevoerd alssubroutines in de systeemregelaar 10. Op soortgelijke wijze wordt ook deschaalfactor (F) nageregeld gebaseerd op de DBPr.*B en DBPgem gedurendede periode waarin het monster werd genomen. Bij voorkeur zijn ook debovenstaande vergelijkingen (22) tot en met (29) uitgevoerd als sub¬routines in het gedistribueerde regelstelsel 14. De nieuwe systeeminter¬ceptie (KOnïeuw) wordt dan gebruikt voor het bijwerken van het joodge¬talalgoritme voor het meer nauwkeurig bepalen van voorspelde joodgetal-len (laNo.p.) totdat het volgende roetmonster wordt genomen zoals aan¬gegeven is bij Sn. Op soortgelijke wijze wordt de nieuwe schaalfactor(Fnieuh) gebruikt voor het bijwerken van het DBP algoritme voor het meernauwkeurig bepalen van DBP waarden totdat het volgende roetmonster wordtgenomen, hetgeen eveneens bij Sn is aangegeven. Zoals aangegeven is bijSi 2 worden zowel het joodgetalalgoritme als het DBP algoritme bijgewerkttelkens wanneer een roetmonster is genomen en worden derhalve bijgewerktbinnen een traject van ongeveer 1 tot 4 uur.The first step in the off-line laboratory measurement procedure of the present invention is designated Sa where it is indicated that system controller 10 determines the mean and standard deviation of both the I2No.p and DBPp, calculated every second (or different interval) for the period in which the carbon black sample was taken. The carbon black produced is sampled at separate intervals, usually within a range of one to several hours, and both the iodine value and the DBP of the sample are measured in a laboratory (I2No.lab and DBPum) as indicated is at S9. As noted above, the soot sampling interval is generally within a range of about 2 to 20 minutes. The new system interception (KO) for the iodine number algorithm is then adjusted by the system controller 10, based on the I2No.r, XB and I2No.gem, calculated during the time the sample was taken as indicated at S10. Preferably, the equations (8) to (14) already described above are performed as subroutines in the system controller 10. Similarly, the scaling factor (F) is also adjusted based on the DBPr. * B and DBPgem during the period in which the sample was taken. Preferably, the above equations (22) through (29) are also performed as subroutines in the distributed control system 14. The new system interception (KOnïeuw) is then used to update the iodine number algorithm for more precise determination of predicted iodine numbers (laNo.p.) until the next carbon black sample is taken as indicated at Sn. Similarly, the new scale factor (Fnieuh) is used to update the DBP algorithm to more accurately determine DBP values until the next carbon black sample is taken, which is also indicated at Sn. As indicated in Si 2, both the iodine number algorithm and the DBP algorithm are updated each time a carbon black sample is taken and are therefore updated within a range of about 1 to 4 hours.

Figuur 4 toont een stroomschema dat in concept de proceduresbeschrijft van het gedistribueerde regelstelsel 14 voor het voorspellenvan zowel het joodgetal I2No.p in overeenstemming met het joodgetalal¬goritme en de DBPp in overeenstemming met het DBP algoritme zoals in hetbovenstaande werd beschreven. Het gedistribueerde regelstelsel 14 leestallereerst de ingangsgegevens die nodig zijn voor het berekenen van deingangsvariabelen voor het joodgetalalgoritme en de ingangsvariabelevoor het DBP algoritme zoals aangegeven is bij Sn. De ingangsvariabelenvoor het joodgetalalgoritme omvatten de toevoermateriaalstroomsnelheid,de gasstroomsnelheid, de luchtstroomsnelheid, de luchtvoorverwarmings-temperatuur en de luchtvochtigheid. De ATBG (brandstofkwaliteit) is eenberekende besturingsvariabele en de ATBO (toevoermateriaalkwaliteit) is in hoofdzaak een constante besturingsvariabele zoals in het bovenstaandereeds werd beschreven. De ingangsvariabelen voor het DBP algoritme zijnde stroomsnelheid van de kalium toevoegende oplossing en de toevoer-materiaalstroomsnelheid.Figure 4 shows a flow chart conceptually describing the procedures of the distributed control system 14 for predicting both the iodine number I2No.p in accordance with the iodine number algorithm and the DBPp in accordance with the DBP algorithm as described above. The distributed control system 14 first reads the input data required to calculate the input variables for the Iodine algorithm and the input variable for the DBP algorithm as indicated at Sn. The input variables for the iodine number algorithm include the feed material flow rate, the gas flow rate, the air flow rate, the air preheating temperature and the humidity. The ATBG (fuel quality) is a calculated control variable and the ATBO (feed material quality) is essentially a constant control variable as described above. The input variables for the DBP algorithm are the flow rate of the potassium adding solution and the feed material flow rate.

Na het uitlezen van de ingangsgegevens vergelijkt het gedistribu¬eerde regelstelsel de ingangsgegevens met een toelaatbare reeks vanwaarden voor elke variabele, zoals aangegeven is bij S2. Als een wil¬lekeurige variabele valt buiten zijn toelaatbare traject (BAD) dan wordteen slechte datavlag (een digitaal signaal) ingesteld zoals aangegevenis bij S3. Als de slechte datavlag is ingesteld dan wordt er op basisvan deze data geen I2No.p en/of DBPp berekend. Als alle data valt binnende toelaatbare trajecten dan worden zowel l2No.p als DBPp berekendgebaseerd op deze groep van ingangsdata gebruikmakend van het respec¬tievelijke joodgetalalgoritme en DBP algoritme zoals aangegeven is bijS4. Zowel I2No.p als DBPp worden elk vergeleken met een realisatischtraject waarin binnen elke uitgangsvariabele zou moeten vallen zoalsaangegeven is bij Ss. Als l2No.P danwel DBPp niet valt binnen een toe¬laatbaar traject dan wordt de slechts datavlag ingesteld en worden dehuidige waarden voor I2No.p en/of DBPp niet gebruikt, afhankelijk of erslechts een danwel beiden vallen buiten de respectievelijke toelaatbaretrajecten. Als I2No.p of DBPp vallen binnen hun toelaatbare traject danworden de waarden ervan opgeslagen in het computergeheugen van de sys-teemregelaar 10 zoals aangegeven is bij S6 en worden later (aan heteind van het betreffende interval) gebruikt voor het bijstellen van detoevoermateriaalstroomsnelheid resp. de stroomsnelheid van de kaliumtoevoegende oplossing.After reading the input data, the distributed control system compares the input data with an allowable range of values for each variable, as indicated at S2. If an arbitrary variable falls outside its allowable range (BAD) then a bad data flag (a digital signal) is set as indicated at S3. If the bad data flag is set, no I2No.p and / or DBPp is calculated based on this data. If all data falls within the allowable ranges then both l2No.p and DBPp are calculated based on this group of input data using the respective iodine number algorithm and DBP algorithm as indicated at S4. Both I2No.p and DBPp are each compared to a realization path in which each output variable should fall as indicated with Ss. If l2No.P or DBPp is not within an allowable range, then the data flag only will be set and the current values for I2No.p and / or DBPp will not be used, depending on whether only one or both are outside the respective allowable ranges. If I2No.p or DBPp fall within their allowable range, their values are stored in the computer memory of the system controller 10 as indicated at S6 and are later (at the end of the respective interval) used to adjust the feed material flow rate resp. the flow rate of the potassium adding solution.

Figuur 5 illustreert een stroomschema waarin in conceptvorm deprocedures worden geïllustreerd binnen het gedistribueerde regelstelsel14 voor het nastellen van zowel de toevoermateriaalstroomsnelheid als destroomsnelheid van de kalium toevoegende oplossing. Zoals aangegeven isbij Sn zal als de slechte datavlag was ingesteld gedurende de proceduresvoor het voorspellen van het joodgetal en/of DBP zoals geïllustreerd isbij S3 in figuur 4, de slechte datavlag worden teruggesteld en worden denastelprocedures, geïllustreerd in figuur 5 voor dat betreffende inter¬val, waarvoor het betreffende algoritme beschikte over slechte ingangs¬gegevens, niet geïmplementeerd. Was echter de slechte datavlag nietingesteld gedurende het twee minuten interval dan leest het gedistribu¬eerde regelstelsel 14 de ingangsdata voor het vaststellen van het nieuwetoevoermateriaalinstelpunt (0LIENiEUw) en/of het instelpunt voor dekalium toevoegende oplossing (K*SNxeuw) zoals aangegeven is bij S2. De ingangsgegevens voor OLIENIIUw omvatten LUCHTesM, GASe=M, ATBG, ATBO enOACobm/ zoals gedefinieerd in vergelijking (7). De ingangsdata voor dek*Snibüw omvatten K^Scbm* OLIEgbm/ DBPaEM, en Xgkm, zoals gedefinieerdin de vergelijkingen (17) tot en met (21).Figure 5 illustrates a flow chart illustrating in concept form the procedures within the distributed control system 14 for adjusting both the feed material flow rate and the potassium additive solution flow rate. As indicated at Sn, if the bad data flag was set during the procedures for predicting the iodine number and / or DBP as illustrated at S3 in Figure 4, the bad data flag will be reset and the remedial procedures illustrated in Figure 5 for that particular interval. , for which the algorithm in question had bad input data, not implemented. However, if the bad data flag was not set during the two minute interval, the distributed control system 14 reads the input data for determining the new feed material set point (0LIENiEUw) and / or the potassium adding solution set point (K * SNxeuw) as indicated at S2. The input data for OILSIIUw include AIRsM, GASe = M, ATBG, ATBO and OACobm / as defined in equation (7). The input data for deck * Snibüw include K ^ Scbm * OILgbm / DBPaEM, and Xgkm, as defined in equations (17) through (21).

De ingangsdata worden vervolgens vergeleken met een toelaatbaartraject van waarden voor elke term, zoals aangegeven is bij S3. Alswillekeurig een van de waarden valt buiten hun respectievelijke traject,dan wordt de slechte datavlag ingesteld (BAD). In overeenstemming daar¬mee worden voor het betreffende interval, indien de ingangsdata vooreen van de instelpunten of voor beiden slecht is, het instelpunt voorde toevoermateriaalstroomsnelheid (OLIENIElJW) en het instelpunt voor dekalium toevoegende oplossing (K^snisuh) niet nagesteld. Als echter allewaarden vallen binnen hm toelaatbare trajecten dan worden op de boven¬beschreven wijze OLIE nieuw en k*Sni*uw bijgesteld zoals aangegeven isbij SA. Zowel OLIE NIEUW als K^S NIEUW worden dan vergeleken met eentoelaatbaar traject van waarden zoals aangegeven is bij Ss. Als een vande waarden OLIENi=uw of K*SNieuw valt buiten een toelaatbaar traject(BAD) dan eindigen de procedures voor deze respectievelijke term enwordt de stroomsnelheid niet nagesteld. Als OLIEnxkuw en K*SNxiow vallenbinnen hm toelaatbare trajecten, dan worden de waarden van OLIEnieum enK*Snieuw elk verwerkt via een PID algoritme voor het bijstellen van detoevoermateriaalstroomsnelheid resp. de stroomsnelheid van de kaliumtoevoegende oplossing zoals aangegeven is bij Ss.The input data is then compared to an allowable range of values for each term, as indicated at S3. If any of the values falls outside their respective range, the bad data flag is set (BAD). Accordingly, for the respective interval, if the input data for one of the set points or for both is poor, the feed material flow rate set point (OIL FISH) and the potassium additive solution set point (K ^ snisuh) are not adjusted. If, however, all values fall within hm permissible ranges, then the OIL new and k * Sni * je are adjusted as described in SA in the manner described above. Both OIL NEW and K ^ S NEW are then compared to an allowable range of values as indicated at Ss. If any of the values OLIENi = uw or K * SNew falls outside an allowable range (BAD), the procedures for this respective term end and the flow rate is not adjusted. If OLIEnxkuw and K * SNxiow fall within hm allowable ranges, the values of OLIEnieum enK * Snieuw are each processed via a PID algorithm to adjust the feed material flow rate resp. the flow rate of the potassium adding solution as indicated at Ss.

In figuur 6 is schematisch een kenmerkend PlD-algoritme geïllus¬treerd dat bij voorkeur wordt gebruikt voor het nastellen van de nieuwetoevoermateriaalstroomsnelheid (OLIEnieuw) of de nieuwe stroomsnelheidvan de kalium toevoegende oplossing (K*Snxbuw). De stromingmeter voorhet toevoermateriaal 16 en de stromingsmeter voor de kalium toevoegendeoplossing 22 zijn elk gekoppeld met een stromingszender (FT). Elkestromingszender (FT) is op zijn beurt gekoppeld met het gedistribueerderegelstelsel 14 en zendt een signaal (Fm) corresponderend met de gemetenstroomsnelheid zoals waargenomen door de bijbehorende stromingsmeter. Designalen voor de nieuwe stroomsnelheidinstelpmten voor toevoermateriaalen kalium toevoegende oplossing (Fep) worden dan vergeleken met hmrespectievelijke gemeten stroomsnelheidssignalen (Fm) zoals gegenereerddoor de stromingsmeters. gebaseerd op de respectievelijke vergelijkingenwordt een afwijkingssignaal (e(t)), dat gelijk is aan het respectieve¬lijke stroomsnelheidsinstelpuntsignaal (Fei>) verminderd met het respec¬tievelijke gemeten stroomsnelheidssignaal (Fm) dat voor elke stromingwordt gegenereerd. Gebaseerd op de respectievelijke afwijkingssignalen (E(t)) genereert een resp. PID-algoritme dat voor een deskundige op ditterrein bekend is een uitgangssignaal (c(t)) dat correspondeert met denastelling die bij de respectievelijke stromingsklep 18 of 24 moetworden uitgevoerd om de gewenste stroomsnelheid te bereiken. Elk uit¬gangssignaal wordt dan toegezonden aan een respectievelijke elektrischestroom/pneumatische druk-omvormer (i/P). De stroom/druk-omvormers (i/P)zijn elk gekoppeld resp. met de oliestromingsklep 18 en de kaliumoplos-singstromingsklep 24 voor het nastellen van de betreffende klep. Destroom/druk-omvormers (i/P) genereren elk een drukuitgangssignaal cor¬responderend met het respectievelijke PID uitgangssignaal (c(t)) waarmeeop zijn beurt de respectievelijke klep wordt nageregeld om het gewenstestromingssnelheidsinstelpunt te bereiken. Elk PID-algoritme genereertderhalve continu veranderingen in het uitgangssignaal (c(t)) totdat ergeen afwijkingssignaal (e(t)) meer optreedt en de gewenste stroominstel-punten zijn bereikt.Figure 6 schematically illustrates a typical PlD algorithm which is preferably used to adjust the new feedstock flow rate (OIL new) or the new flow rate of the potassium adding solution (K * Snxbuw). The feed meter flow meter 16 and the potassium additive solution flow meter 22 are each coupled to a flow transmitter (FT). Each flow transmitter (FT), in turn, is coupled to the distribution control system 14 and transmits a signal (Fm) corresponding to the measured flow rate as observed by the associated flow meter. Designals for the new flow rate setpoints for feedstock potassium adding solution (Fep) are then compared to hm and measured flow rate signals (Fm), respectively, as generated by the flowmeters. based on the respective equations, a deviation signal (e (t)) equal to the respective flow rate set point signal (Fei>) is decreased by the respective measured flow rate signal (Fm) generated for each flow. Based on the respective deviation signals (E (t)), a resp. PID algorithm known to one skilled in the art is an output signal (c (t)) corresponding to the adjustment that must be performed at the respective flow valve 18 or 24 to achieve the desired flow rate. Each output signal is then sent to a respective electrical flow / pneumatic pressure transducer (i / P). The flow / pressure transducers (i / P) are each coupled or resp. with the oil flow valve 18 and the potassium solution flow valve 24 to adjust the respective valve. The flow / pressure transducers (i / P) each generate a pressure output signal corresponding to the respective PID output signal (c (t)) which in turn adjusts the respective valve to achieve the desired flow rate set point. Therefore, each PID algorithm continuously generates changes in the output signal (c (t)) until no deviation signal (e (t)) occurs and the desired current set points are reached.

Figuur 7 toont in een stroomschema in conceptvorm de proceduresdie de systeemregelaar 10 uitvoert voor het bijwerken van de systeemin-terceptie (KO) van het joodgetalalgoritme en/of de schaalfactor (F) envan het DBP algoritme aan het eind van elke roetbemonsteringsperiode.Zoals aangeduid is bij Si haalt de regelaar uit het geheugen de I2No.pen DBPp waarden die zijn berekend en opgeslagen gedurende de periodewaarin het monster werd genomen. Als de systeemregelaar de data niet opde juiste wijze kan vinden (niet succesvol is) dan worden er geen al¬goritmen nagesteld. De systeemregelaar 10 leest dan de waarden voor dehuidige I2No.LAB en DBPi^b en vergelijkt deze met een toelaatbaar tra¬ject van waarden. Als een van de waarden buiten het traject valt danwordt de respectievelijke algoritme niet nagesteld. De systeemregelaar10 gebruikt dan de CUSUM procedure die de huidige sommen SH c i > en/of vaststelt voor de huidige l2No.x.AB en DBPe.xb waarden zoals aan¬geduid is bij S3. Als SH<±> >h of Si,<±> < -h voor een van de gemetenuitgangsvariabelen (l2No.r.AB of DBPbab) dan genereert de systeemregelaareen alarmsignaal. Als een alarmsignaal is gegenereerd dan wordt deKalman filterversterkingsfactor (Kx) voor het joodgetalalgoritme en/ofde DBP Kalman filterversterkingsfactor (KD) voor het DBP algoritmeingesteld gelijk aan 1 afhankelijk van het feit of een alarmsignaalwordt gegenereerd voor een danwel beide uitgangsvariabelen. De nieuwesysteeminterceptie (ΚΟκχβυν») voor het joodgetalalgoritme en/of de nieuweschaalfactor Fnieuw ) voor het DBP algoritme zijn derhalve beiden uit¬sluitend gebaseerd op de respectievelijke in het laboratorium gemetenwaarden van ι2Νο.βλβ en DBPbab. Als echter geen alarmsignaal wordt gegenereerd dan bepaalt de systeemregelaar de nieuwe gefilterde analyti¬sche eigenschappen I2No . filter en DBPrxt,TKR en stelt op zijn beurt desysteeminterceptieconstante (K0) en de schaalfactor (F) na voor hetbijwerken van het joodgetalalgoritme resp. het DBP algoritme zoalsaangegeven is bij S4. Zoals vervolgens bij S5 is aangegeven worden dewaarden voor de nieuwe systeeminterceptie (KONI=Uw) en schaalfactorFniboh) vergeleken met een toelaatbaar traject voor elke waarde. Als eenvan de waarden buiten het betreffende traject valt dan wordt het nietgebruikt voor het bijwerken van zijn respectievelijke algoritme. Als dewaarden van KONi«uw en FNX1Eow binnen hun traject vallen dan worden zeopgeslagen in het geheugen zoals aangegeven is bij Se. Bij het opslaanvan de waarden in het geheugen stelt de systeemregelaar 10 dan de dataingangsvlag terug zoals aangegeven is bij S-7 tot aan het einde van devolgende bemonsteringsperiode.Figure 7 shows in a flow chart in concept form the procedures that the system controller 10 performs for updating the system interception (KO) of the iodine number algorithm and / or the scaling factor (F) and of the DBP algorithm at the end of each soot sampling period. at Si, the controller retrieves from memory the I2No.pen DBPp values calculated and stored during the period in which the sample was taken. If the system controller cannot find the data correctly (is unsuccessful) then no algorithms will be reset. The system controller 10 then reads the values for the current I2No.LAB and DBPi ^ b and compares them with an allowable range of values. If one of the values falls outside the range, the respective algorithm is not reset. The system controller 10 then uses the CUSUM procedure which determines the current sums SH c i> and / or for the current l2No.x.AB and DBPe.xb values as indicated at S3. If SH <±>> h or Si, <±> <-h for one of the measured output variables (l2No.r.AB or DBPbab), the system controller generates an alarm signal. When an alarm is generated, the Kalman Filter Gain (Kx) for the Iodine Algorithm and / or the DBP Kalman Filter Gain (KD) for the DBP Algorithm is set to 1 depending on whether an alarm is generated for either or both output variables. The new system interception (ΚΟκχβυν ») for the Iodine Algorithm and / or the New Scale Factor Fnew) for the DBP algorithm are therefore both based solely on the respective laboratory measured values of ι2Νο.βλβ and DBPbab. However, if no alarm signal is generated, the system controller determines the new filtered analytical properties I2No. filter and DBPrxt, TKR and in turn sets the system interception constant (K0) and the scale factor (F) to update the iodine number algorithm resp. the DBP algorithm as indicated with S4. As subsequently indicated at S5, the values for the new system interception (KONI = Uw and scale factor Fniboh) are compared with an allowable range for each value. If any of the values are outside the range in question, it will not be used to update its respective algorithm. If the values of KONi «uw and FNX1Eow fall within their range, they will be stored in memory as indicated at Se. Upon storing the values in the memory, the system controller 10 then resets the data input flag as indicated at S-7 until the end of the next sampling period.

Claims

A method for producing carbon black in a carbon black reactor, characterized by the steps of: measuring at least one output variable mixture at separate intervals is used in the production of carbon black while the carbon black reactor is operating; using at least one algorithm for predicting at least one soot output variable based on said at least one input variable measured during said interval with separate prediction intervals; determining an average value of said at least one predicted output variable over said averaging interval at separate averaging intervals; and adjusting the at least one said input variable at separate intervals using a resetting algorithm using the difference between the mean value of the at least one predicted output variable and a target value of the at least one output variable while the reactor is operating to achieve the target value of this output variable and thereby achieve a substantially consistent quality of the carbon black.

A carbon black production method according to claim 1, further characterized by the following steps: sampling the carbon black at separate sampling intervals while the carbon black reactor is operating, measuring said at least one output variable predicted by the algorithm by a soot sample taken while the soot reactor is operating; and adjusting said at least one algorithm based on the measured value of the at least one output variable to more accurately obtain a prediction for the at least one output variable.

A method of controlling the production of carbon black according to any one of claims 1 or 2, characterized in that the at least one predicted output variable is selected from a group comprising the iodine number and DBP; the at least one adjusted input variable is selected from a group comprising the feed material flow rate and the flow rate of the potassium adding solution; and said input variables, measured at separate intervals, are selected from a group comprising the oxidant flow rate, the feedstock flow rate, the first stage fuel flow rate, the oxidant preheating temperature, and the flow rate of the potassium adding solution,

4. A method for controlling the production of carbon black as described in claim 3, characterized in that the feed material flow rate is adjusted using the relationship between the desired iodine value less the mean value of the predicted iodine numbers over said interval and the difference between the new total combustion required to obtain the desired iodine number less the desired value of the total combustion during said averaging interval; and said flow rate of the potassium adding solution is adjusted using the difference between the mean DBP value during said averaging interval and the desired DBP value.

A method of controlling the production of carbon black as described in any one of claims 2 to 4, characterized in that said at least one algorithm is adjusted using a weighted average of the best estimate of the deviation value. -riance of the current predicted value of said at least one -utro output variable and the deviation variance of the measured value of the at least one output variable.

A method for controlling the production of carbon black according to claim 5, characterized in that said at least one algorithm is re-adjusted using at least a second algorithm to determine a new estimated value for the at least one output variable using the said weighted average of the deviation variables and the difference between the measured value for the at least one output variable and the mean value of the predicted values of the at least one output variable during the sample period, and the new estimated output variable produced by the at least second algorithm, in turn, is used to reset the at least first algorithm in order to more correctly obtain a prediction of the at least one output variable.

A method for controlling the production of carbon black according to any one of claims 2 to 6, characterized in that the at least one output variable is predicted with separate prediction intervals within a range of about one to twenty seconds, that the average value of the at least one predicted output variable is determined at separated intervals within a range from about one minute to three minutes; and that the separate sampling intervals for sampling the carbon black produced are within a range from about half an hour to about five hours.

A method of controlling the production of carbon black according to any one of claims 2 to 7, characterized in that the method further comprises a step of monitoring the measured values of the at least one carbon black output variable in order to achieve an undesired shift in detect the average of the at least one output variable.

A method for controlling the production of carbon black according to claim 8, characterized in that the measured values of the at least stone output variable are monitored by adding the difference between the current measured value of the output variable and the desired value of this output variable plus or minus a predetermined delay value, and the value of this summation is compared to a predicted decision interval whereby, if the value of the said dumpling is outside said decision interval, an alarm signal is generated.

A method for controlling the production of carbon black according to claim 9, characterized in that said delay value is determined such that, when added or subtracted from the desired value of the at least one output variable, the two resulting values substantially define a range within about one standard deviation or within a range in which more than 60% of the measured values of the at least one output variable fall.

11. Apparatus for controlling the production of carbon black in a carbon black reactor, characterized by measuring means for measuring at least one input variable used in the production of carbon black at separate intervals while the black reactor is in operation; calculating means coupled to the measuring means for the separated intervals predicting at least one soot output variable based on at least one algorithm using said at least one input variable, measured during said interval, said calculating means further at separate averaging intervals determine average value of said at least one predicted output variable; and adjusting means coupled to said calculating means for adjusting the at least one input variable at separate intervals based on a adjusting algorithm using the difference between said mean value of the at least one predicted output variable and a desired value of said at least one predicted output variable in order to achieve the desired value of this output variable while the reactor is in operation in order to achieve a substantially consistent quality of the carbon black.

Apparatus for controlling the production of carbon black in a carbon black reactor as described in claim 11, further characterized by sampling means for sampling the carbon black produced at separate intervals while the reactor is in operation such that at least one output variable from the carbon black sample can be measured with the calculating means responding to said measured value of the at least one output variables by adjusting the at least one algorithm using the measured value of the at least one output variable in order to more correctly predict the output variable.

A carbon black production control apparatus according to any of claims 11 or 12, characterized in that said calculating means adjust the at least one algorithm using at least a second algorithm to determine an estimated value of the at least one output variable of a weighted average of the best estimate of the deviation variance of the current predicted value of the at least one output variable and the deviation variance of the measured value of the said output variable, and that in turn the calculation means use the estimated output variable in order to calculate the at least one algorithm in order to more accurately predict the at least one output variable.