利用田口方法、响应面法与人工神经网络优化酯化反应：液-液及液-固体系中的动力学研究

《Canadian Journal of Chemical Engineering》：Optimization of esterification reactions via Taguchi, RSM, and ANN: Kinetic insights in liquid–liquid and liquid–solid systems

　　

摘要

在批次反应器中，研究了丙酸与丁醇在不同催化剂作用下的酯化反应，这些催化剂包括硫酸、seralite-120、amberlyst-15、硝酸和对甲苯磺酸（p-TSA）。实验在不同的操作条件下进行，如反应温度为60至80°C，催化剂浓度为1%、3%和5%（质量比），以及反应物的摩尔比为1:1、1:3和1:5。在工艺优化过程中考虑了所有这些参数，所采用的优化方法包括田口分析法、响应面法（RSM）和人工神经网络（ANN）。基于田口方法生成的9组实验设计和RSM生成的75组实验设计，进一步开展了系列实验，并将所得结果与预测数据进行了比较。液-液相和液-固相的反应动力学分别用伪均相模型、Langmuir–Hinshelwood模型和Eley–Rideal模型来描述。通过MATLAB中的常微分方程求解器，求解速率表达式中的非线性方程，计算出了正向和反向速率常数、活化能等动力学参数，同时还运用这三种模型对数据进行了模拟。

利益冲突声明

作者们没有从任何机构获得过支持以完成此项工作。作者们也没有需要披露的相关财务或非财务利益。

同行评审情况

为保证透明度，与本文相关的同行评审文件可在https://doi.org/10.1002/cjce.70506上查看。

第二轮评审
编辑决策函	2026/05/25
第一位审稿人的建议	2026/05/25
第一轮评审
编辑决策函	2026/03/27
第三位审稿人的报告	2026/03/25
第二位审稿人的报告	2026/03/16
第一位审稿人的报告	2026/03/07
第一位审稿人的报告附件1	2026/03/07

数据可用性声明

如提出合理请求，可向相应作者获取用于支持本研究结论的数据。