Stratégies expérimentales optimales pour la discrimination de modèles stoechio-cinétiques

La détermination des cinétiques réactionnelles est incontournable en génie de la réaction. Sans quoi on ne peut dimensionner convenablement un réacteur. Cependant, la complexité de certains systèmes réactionnels nécessite de fournir des efforts expérimentaux souvent rédhibitoires, en termes de moyens comme de temps. Des méthodologies de planification expérimentales pour la modélisation cinétique existent. Les objectifs de ces méthodes peuvent être la détermination précise des paramètres d’un modèle ou la discrimination de plusieurs modèles potentiels. Notre objectif est d’étudier des méthodologies pour discriminer entre des modèles et d’éprouver ces méthodologies sur des applications numériques et/ou expérimentales. Ces méthodologies s’appuient sur un processus itératif, qui, étape par étape, mène à la sélection d’un modèle, à la détermination de ses paramètres et à sa validation. Une fois la méthodologie précisée, un premier cas d’étude « numérique » concerne un système réactionnel, dont plusieurs modèles sont proposés, basés sur différents schémas réactionnels. L’objectif étant de trouver le bon schéma par application de la méthodologie. Ensuite un cas d’étude expérimentale est traité : l’acylation catalytique du ferrocène. Sa cinétique n’est pas connue. La méthodologie appliquée mènera à la proposition de plusieurs modèles cinétiques et à la sélection du plus adapté. Un dernier cas d’étude s’intéresse à la modélisation des réactions exothermique, en particulier en micro/milli réacteur continu. Un focus est d’abord fait sur une modélisation adaptée à ces systèmes réactionnels, à travers l’utilisation de nombres adimensionnels réduisant les degrés de liberté, et permettant une analyse synthétique du comportement du réacteur. Par la suite, plusieurs applications « numériques » de la méthodologie de discrimination de modèles sont proposés, dont l’objectif est la discrimination du comportement thermique des réacteurs. La méthodologie expérimentale utilise efficacement les données déjà accumulées sur les modèles, pour choisir au mieux chaque nouvelle expérience en fonction des objectifs ciblés. Elle permet de cibler efficacement les meilleures expériences pour atteindre l’objectif fixé. Les efforts expérimentaux sont ainsi optimisés, ainsi que la recherche de modèles cinétiques et thermiques