Estrategia de control basada en modelo para la producción de caucho acrilonitrilo-butadieno (NBR) de alto contenido en acrilonitrilo

Abstract

El caucho Acrilonitrilo-Butadieno de alto contenido de A (NBR por sus siglas en inglés: nitrile-butadiene rubber) se obtiene generalmente por copolimerización en emulsión de acrilonitrilo (A) y butadieno (B). La producción se realiza operando por encima del “punto azeotrópico”, donde el proceso puede inestabilizarse, dificultando la uniformidad del producto. La limitación para medir en línea la composición del copolímero restringe estrategias de lazo cerrado para estabilizar el proceso. En este trabajo se propone una estrategia de control en lazo cerrado que ajusta la composición del copolímero operando por encima del punto azeotrópico. A partir de un modelo de primeros principios, se implementa un sensor inferencial basado en redes neuronales recurrentes para estimar en línea la composición y cerrar el lazo de control mediante la dosificación de B durante el proceso. Los resultados indican un desempeño aceptable de la metodología de control propuesta, asegurando condiciones estables y una composición uniforme, incluso con errores significativos de modelado. High A-content NBR (nitrile-butadiene rubber) is typically produced through emulsion copolymerization of acrylonitrile and butadiene. Production is carried out above the “azeotropic point,”where the process can become unstable, hindering uniform product quality. Limitations in online copolymer composition measurements restrict closed-loop control strategies for process stability. This study proposes a closed-loop control strategy to adjust copolymer composition during operation above the azeotropic point. Based on a first-principles model, a recurrent neural network inferential sensor estimates composition online, enabling closed-loop control via B dosing throughout the process. Results demonstrate acceptable control methodology performance, ensuring stable conditions and uniform composition, even with significant modeling errors.