عنوان پایان‌نامه
تشخیص زود هنگام کلوخه شدن با استفاده از آنالیز سیگنال های ارتعاش بستر سیال
- رشته تحصیلی
- مهندسی شیمی
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1790.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77422
- تاریخ دفاع
- ۰۷ مهر ۱۳۹۵
- دانشجو
- فاطمه اعلم الهدی
- استاد راهنما
- نوید مستوفی
- چکیده
- تشخیص زودهنگام کلوخه شدن ذرات به منظور جلوگیری از مشکلات ناشی از آن در بستر سیال ضرورت دارد. در این تحقیق با استفاده از اندازه‌گیری سیگنال‌های ارتعاش دیواره بستر، رفتار هیدرودینامیکی بستر سیال در هنگام تغییر اندازه ذرات و در طول واکنش پلیمریزاسیون مورد بررسی قرار گرفت. برای تجزیه و تحلیل سیگنال‌های ارتعاش اندازه‌گیری شده، از روش‌های آماری ازجمله انحراف معیار و میانگین فرکانس دوره و در حوزه فرکانس، از تابع چگالی طیفی توان و تبدیل موجک استفاده شد. در حوزه فضای حالت آنالیز S و آنالیز مؤلفه‌های اصلی که ازجمله روش‌های شناسایی خطا است، برای تجزیه و تحلیل سیگنال به کار گرفته شد. نتایج نشان دادند که آنالیز مؤلفه‌های اصلی توانایی شناسایی تغییرات در اندازه ذرات بستر را دارد. با این وجود، حساسیت این روش به تغییر اندازه ذرات با افزایش سرعت گاز کاهش می‌یابد. علاوه بر این، تحلیل سیگنال‌های ارتعاش بستر با استفاده از آنالیز مؤلفه‌های اصلی می‌تواند فاز حباب و امولسیون را از هم تفکیک کند. میانگین فرکانس دوره سیگنال‌های ارتعاش بستر نشان داد که با افزایش اندازه ذرات، اندازه حباب‌ها در بستر به یک مقدار بیشینه می‌رسد که این مقدار بیشینه با کاهش سرعت گاز در اندازه‌های کوچک‌تر رخ می‌دهد. نتایج آنالیز سیگنال‌های ارتعاش اندازه‌گیری شده در بستر سیال نیمه‌صنعتی در شرایط غیر واکنشی نشان دادند که روش آنالیز S قادر به تشخیص تغییرات اندازه ذرات در بستر است و در شرایط عملیاتی این تحقیق می‌تواند کلوخه شدن ذرات در بستر را 4 تا 5 درجه سانتی‌گراد قبل از غیر سیالی شدن کامل بستر شناسایی کند. بررسی توزیع انرژی سیگنال‌های اندازه‌گیری شده بین ساختارهای میکرو، مزو و ماکرو با استفاده از تبدیل موجک نشان داد که انرژی ساختار ماکرو با تشکیل و ته‌نشینی کلوخه‌ها کاهش می‌یابد. آنالیز مؤلفه‌های اصلی سیگنال‌های ارتعاش بستر تغییر در اندازه ذرات در اثر کلوخه شدن را تشخیص داد و نتایج به دست آمده از این روش با نتایج روش میانگین فرکانس دوره هم‌خوانی دارند. آنالیز مقدار S سیگنال‌های ارتعاش اندازه‌گیری شده در بستر سیال نیمه‌صنعتی در شرایط انجام واکنش پلیمریزاسیون نشان داد که این روش می‌تواند کلوخه شدن ذرات را در بستر 20 دقیقه قبل از غیر سیال شدن آن¬ها تشخیص دهد.
- Abstract
- Early detection of agglomeration is essential for preventing this phenomenon in fluidized beds. In the present study, the hydrodynamics of fluidized beds during polymerization process was investigated. Statistical methods in the time domain, such as standard deviation and average cycle frequency, as well as power spectral density and wavelet transform methods in the frequency domain, were used to analyze the measured vibration signatures. S-value was calculated for analyzing the signals in the state space. Moreover, the principal component analysis, which is a fault detection method, was used to analyze the vibration signatures. Results showed that the principal component analysis can detect changes in particle size. However, the sensitivity of the method decreases with increasing the gas velocity. In addition, it was shown that the principal component analysis of vibration signatures can separate bubble and emulsion phases. The average cycle frequency of vibration signatures showed that the bubble size reaches a maximum with increasing the particle size in the bed and this maximum occurs at smaller particle sizes with decreasing the gas velocity. S-value of the measured vibration signatures in a pilot-scale fluidized bed of polyethylene particles without reaction showed that this method can detect agglomeration of particles 4 to 5 °C before complete defluidization of the bed in the operating conditions of this work. Distribution of energy of the measured signals among micro-, meso- and macro-scales, estimated by the wavelet transform, showed that the macro-scale energy decreases with formation and settling of agglomerates. Principal component analysis of vibration signatures can detect the changes in particle size and the results are consistent with the results of the average cycle frequency. S-value analysis of the vibration signatures during the polymerization process in the pilot-scale fluidized bed reactor showed that this method can detect formation of agglomerates 20 min. before defluidization.
