مدلسازي سينتيكي بسپارش پلي‌پروپيلن در فاز مايع به كمك روش هيبريدي ممان ها-الگوريتم ژنتيك

Kinetic modeling of liquid-phase polypropylene polymerization by hybrid method of moments-genetic algorithm

مدل‌سازي سينتيكي بسپارش پلي‌پروپيلن در فاز مايع با استفاده از كاتاليست‌هاي ناهمگن نسل چهارم زيگلر-ناتا با بكارگيري روش تركيبي ممان‌ها- الگوريتم ژنتيك (GA) انجام گرديد. مدل سينتيكي شامل مراحل آغاز، انتشار، انتقال به هيدروژن، مونومر، كمك‌كاتاليست و انتقال به كمك آزادشدن هيدروژن بتا و واكنش اختتام خودبه‌خودي، به منظور پيش‌بيني سرعت‌ بسپارش و تغيير غلظت اجزاي مختلف واكنش در نظر گرفته شد. از روش آماري ممان‌ها جهت ارزيابي مقادير متوسط وزن هاي مولكولي‌ پليمر و شاخص پراكندگي وزن مولكولي(‌‌PDI) استفاده شد. همچنين، ثوابت سرعت واكنش‌هاي بسپارش بر اساس بهينه سازي داده هاي تجربي و نتايج شبيه سازي به كمك روش GA تخمين زده شد. نتايج مدل سازي نشان داد مدل هيبريدي ممان- الگوريتم ژنتيك كارايي بيشتري نسبت به مدل هاي سينتيكي مرسوم داشته و تطابق خوبي با نتايج واقعي دارد.

Kinetic modeling of liquid-phase of polypropylene polymerization using 4th generation of heterogeneous Ziegler-Natta catalysts was executed by hybrid method of moments- genetic algorithm (GA). A kinetic model including initiation, propagation, transfer to hydrogen, monomer, cocatalyst and transfer by β-hydride elimination and a spontaneous deactivation reaction were considered to predict rate of polymerization and concentration variation of different reaction components. The statistical moments method was applied to evaluate the number and weight-average of molecular weight and polydispersity index (PDI). Furthermore, the kinetic constants of polymerization reactions were estimated by GA with optimization between experimental data and simulation results. Modeling results showed that the hybrid moments-GA method is more effective than conventional kinetic models having good agreement with real data.