基于反馈的批量聚合优化：逐次运行与在线实施方法的比较

《Industrial & Engineering Chemistry Research》：Feedback-Based Optimization of Batch Polymerization─A Comparison of Run-to-Run and Online Implementations

针对逆乳液共聚中存在显著装置模型失配的批量时间最小化问题，提出两种单批次优化策略：基于实时模型预测的传统半绝热温度控制改进，以及无模型跟踪预设温度轨迹方法。仿真验证其效果与传统多批次相当，且具备单批次即时应用和更强抗干扰能力。

　　

本文研究了在逆乳液共聚过程中，当工厂模型存在较大差异时如何实现批次时间的优化。先前的研究表明，采用半绝热温度曲线（即先进行等温阶段，然后是绝热阶段，并控制合适的切换时间）可以获得接近最优的性能。所谓“最优”是指在达到目标单体转化率时，最终温度也达到极限值。虽然逐次运行优化可以实现这一策略，但通常需要多个批次才能收敛，并且无法补偿批次内的干扰。为了克服这些限制，本文提出了两种在单个批次内实现接近最优运行的策略。这两种策略都通过反应器能量平衡来估算单体转化率。第一种方法保留半绝热温度曲线，但利用实时模型预测来估算原本需要多个批次才能获得的最终温度信息；第二种方法则无需模型，而是根据单体转化率来跟踪预定义的温度轨迹。模拟结果表明，这两种策略与逐次运行方法的表现相当，同时能够在单个批次内立即应用，并且对批次内干扰具有更强的鲁棒性。