Analise e controle de um reator de copolimerização

O controle de reatores de polimerização é particularmente desafiante devido à dificuldade de medição das variáveis controladas, existência de interações, tempos mortos e restrições, além do seu caráter multivariável e não linear. Estes fatos tornam inapropriada a aplicação de esquemas tradicionais de controle por retroalimentação tendo muitas plantas um controle heurístico, não automático, onde o operador faz o papel do controlador. Este trabalho apresenta o desenvolvimento das atividades de modelagem, identificação e controle em um reator comercial de copolimerização em lama de etileno (monômero) e buteno-l (comonômero) com catálise "Ziegler-Natta". São estabelecidas, portanto, três etapas bem definidas, quais sejam, a modelagem dinâmica fenomenológica englobando-se desde a escala cinética até o comportamento macroestrutural do reator, a identificação de modelos empíricos baseados em Redes Neurais Artificiais, e a implementação computacional de um algoritmo de controle preditivo com modelo interno não linear. O processo compreende a produção de polietileno de alta densidade em um reator do tipo tanque agitado. Juntamente com o etileno e o buteno-l, são alimentados ao reator hidrogênio, nitrogênio, n-hexano (solvente), cocatalisador e catalisador, ambos em solução de n-hexano. O polímero é insolúvel no n-hexano e a lama (fases líquida e sólida) é retirada continuamente para posterior secagem. O modelo fenomenológico tem a capacidade de predizer o comportamento dinâmico de variáveis operacionais como a taxa de produção e a temperatura, e de variáveis relacionadas ao polímero como o peso molecular e o índice de polidispersão. Ao longo de todo o trabalho, o modelo fenomenológico é adotado como representativo do processo (planta) sendo útil, portanto, na geração de dados para a identificação e a validação de modelos empíricos, assim como na simulação e na avaliação do algoritmo de controle preditivo. Este trabalho oferece uma contribuição nas áreas de engenharia de polimerização, identificação de sistemas químicos e controle de processos. A etapa de modelagem dinâmica estabelece uma alternativa satisfatória e viável de simulação integrada de todas as escalas de modelagem, e propõe uma estratégia de tratamento numérico para a descrição do crescimento da partícula de polímero baseada em colocação ortogonal. A etapa de identificação atesta a possibilidade de obtenção de bons modelos empíricos para cada variável de saída do sistema e estabelece uma metodologia para a geração dos dados, avaliação de desempenho e seleção dos modelos, dentre outros. A etapa de implementação do algoritmo de controle preditivo apresenta a estruturação de um problema de otimização para o sistema em estudo, propõe adaptações necessárias e avalia o desempenho do controle preditivo não linear para os problemas regulador e servo, diante inclusive de fatores complicadores adicionais como tempo morto e múltiplas taxas de amostragem nas variáveis controladasThe difficult to measure controlled variables, the existence of interactions, dead time and constraints, added to the nonlinear and multivariable nature, poses a challenger problem for the control of polymerization reactor. These features turn unsuitable the implementation of classical control strategies and, in many polymerization plants, there is an heuristic strategy to control the output variables where the adjustments are made by the operator. This work presents the modelling, identification and control of an industrial copolymerization reactor for of ethylene (monomer) and l-butene (comonomer) with Ziegler-Natta catalysis. Three steps are established: the achievement of a complete phenomenological model that contains since the kinetic aspects until the macroscopic balances, the identification of empirical models based on Artificial Neural Networks, and the computational implementation of a predictive control algorithm with nonlinear internal modeI. The process comprises the production of high density poyethylene in a stirred tank reactor. Together with ethylene and l-butene, hydrogen, nytrogen and n-hexane (solvent), catalyst and cocatalyst (both in n-hexane solution) are fed continuously. The polyemer is insoluble in the solvent and the slurry is discarged for posterior drying. The complete model is capable of predicting the dynamic behaviour of operation variables such as production rate and temperature, and variables associated with the polymer properties such as molecular weight and polydispersity index. The phenomenological model emulated the process plant and was useful for the data generation, during the identification step, and for the simulation and analysis of the control algorithm. This work offers an expressive contribution in the areas of polymerization engineering, identification of chemical systems and process controI. The dynamic modelling allows an effective way for the simulation of alI modelling scales and proposes one strategy for the numerical treatment of polymer particle growth using orthogonal collocation. The identification step shows the achievement of good empirical models for each output variables and presents a procedure for the data generation, evaluation and selection the models. The control algorithm implementation presents an optimization problem for the system, proposes necessary adjustments and simulates the nonlinear control for the regulatory and servo problems, including additional aspects such as dead time and multi-rate sampling in the controlled variable