Modeling of Butadiene Polymerization with a Multicenter Titanium Catalyst Using the Monte Carlo Inversion Algorithm

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

For butadiene polymerization with the multicenter catalyst TiCl4–Al(i-C4H9)3 the inverse kinetic task with identification of the kinetic scheme and determination of the kinetic parameters is solved. The preliminary experimental molecular weight distribution of polybutadiene macromolecules is approximated by the superposition of Flory distributions. Polymerization is modeled by the Monte Carlo method using a novel fast “inversion” algorithm that enables the time of calculations to be reduced by two orders of magnitude compared with the classical scheme of the method. It is shown that for identification of the kinetic scheme of diene polymerization in the presence of multicenter catalysts coincidence between the experimental and calculated dependences of monomer conversion on time and the dependences of average weights (or average degrees of polymerization) on polymerization time is insufficient. Coincidence between molecular weight distributions at all polymerization times is also required

作者简介

V. Yanborisov

Ufa University of Science and Technology

Email: yanborisovvm@mail.ru
450076, Ufa, Russia

D. Styazhkin

Ufa Institute of Chemistry, Ufa Federal Research Center, Russian Academy of Sciences

Email: yanborisovvm@mail.ru
450054, Ufa, Russia

V. Mingaleev

Ufa Institute of Chemistry, Ufa Federal Research Center, Russian Academy of Sciences

Email: yanborisovvm@mail.ru
450054, Ufa, Russia

V. Zakharov

Ufa University of Science and Technology

编辑信件的主要联系方式.
Email: yanborisovvm@mail.ru
450076, Ufa, Russia

参考

  1. Tailor-Made Polymers / Ed. by J.R. Severn, J.C. Chadwick. Wiley-VCH, 2008.
  2. Multimodal Polymers with Supported Catalysts / Ed. by A. Romina, A. Floran Prades, D. Jeremic. Cham: Springer Nature Switzerland, 2019.
  3. Guan Zh. // Chem. Asian. J. 2010. V. 5. № 5. P. 1058.
  4. Walsh D.J., Hyatt M.G., Miller S.A., Guironnet D. // ACS Catal. 2019. V. 9. №. 12. P. 11153.
  5. Handbook of Transition Metal Polymerization Catalysts / Ed. by R. Hoff. New York: Wiley, 2018.
  6. Visseaux M. // Catalysts. 2018. V. 8. № 10. P. 442.
  7. Ricci G., Pampaloni G., Sommazzi A., Masi F. // Macromolecules. 2021. V. 54. № 13. P. 5879.
  8. Vivaldo-Lima E., Mohammadi Y., Penlidis A. // Processes. 2021. V. 9. № 5. P. 1.
  9. Sharma N., Liu Y.A. // Ind. Eng. Chem. Res. 2019. V. 58. № 31. P. 14209.
  10. Pladis P., Baltsas A., Kanellopoulos V., Kiparissides C. // Macromol. React. Eng. 2014. V. 8. № 4. P. 392.
  11. Soares J.B.P., Touloupidis V. // Multimodal Polymers with Supported Catalysts / Ed. by A. Albunia. F. Prades, D. Jeremic. Cham: Springer Nature Switzerland, 2019.
  12. Ahmad Sh., Hussaina M.A. // Chem. Ind. Chem. Eng. Quart. 2013. V.19. № 1. P. 13.
  13. Dompazis G., Kanellopoulos V., Kiparissides C. // Macromol. Mat. Eng. 2005. V. 290. № 6. P. 525.
  14. Dompazis G., Kanellopoulos K., Touloupides V., Kiparissides C. // Chem. Eng. Sci. 2008. V. 63. № 19. P. 4735.
  15. Kulajanpeng K., Sheibatothman N., Tanthapanichakoon W., McKenna T. // Canad. J. Chem. Eng. 2022. V. 100. № 9. P. 2505.
  16. Touloupidis V. // Macromol. React. Eng. 2014. V. 8. № 7. P. 508.
  17. Soares J.P.B., McKenna T.F.L. // Canad. J. Chem. Eng. 2022. V. 100. № 9. P. 2432.
  18. Yan W-Ch., Luo Zh-H., Lu Yi-H., Chen Xi-D. // AlChE J. 2012. V. 58. № 6. P. 1717.
  19. Soares J.P.B. // Chem. React. Eng. 2001. V. 51. P. 3931.
  20. Anantawaraskul S., Soares J.P.B., Wood-Adams P.M. // Macromol. Symp. 2004. V. 206. № 1. P. 69.
  21. Huang K., Xie R. // J. Ind. Eng. Chem. 2014. V. 20. № 1. P. 338.
  22. Zheng-Hong Luo, Shao-Hua Wen, De-Pan Shi, Zu-Wei Zheng // Macromol. React. Eng. 2010. V. 4. P. 123.
  23. Dompazis G., Kanellopoulos V., Kiparissides C. // Macromol. React. Eng. 2005. V. 290. № 6. P. 525.
  24. Krallis A., Ali M. Al., Kanellopoulos V. // Macromol. React. Eng. 2022. P. 2200009.
  25. Liu B., Liu B., Soares J.P.B. // Macromol. React. Eng. 2018. V. 12. № 6. P. 1800054.
  26. Zhou Y., Alizadeh A., Boping L., Soares J.P.B. // Macromol. React. Eng. 2021. V. 15. № 1. P. 2000043.
  27. Anantawaraskul S., Bongsontia W., Soares J.P.B. // Macromol. React. Eng. 2011. V. 5. № 11–12. P. 549.
  28. Hornchaiya Ch., Anantawaraskul S., Soares J.P.B., Mehdiabadi S. // Macromol. Chem. Phys. 2019. V. 220. № 6. P. 1800522.
  29. Alghyamah A.A., Soares J.P.B. // Macromol. Rapid. Commun. 2009. V. 30. № 4‒5. P. 384.
  30. Chen K., Mehdiabadi S., Boping L., Soares J.P.B. // Macromol. React. Eng. 2016. V. 10. № 3. P. 206.
  31. Chen K., Mehdiabadi S., Boping L., Soares J.P.B. // Macromol. React. Eng. 2016. V. 10. № 6. P. 551.
  32. Touloupidis V., Albrecht A., Soares J.P.B. // Macromol. React. Eng. 2018. V. 12. № 2. P. 1700056.
  33. Мануйко Г.В., Бронская В.В., Аминова Г.А., Малышева К.Ш. // Вестн. Казанского технол. ун-та. 2022. Т. 23. № 9. С. 28.
  34. Active Sites of Polymerization: Multiplicity: Stereospecific and Kinetic Heterogeneity / Ed. by G. Zaikov, Yu. Monakov, N. Sigaeva, V. Urazbaev. Leiden: Brill, 2005.
  35. Neodymium Based Ziegler Catalysts. Fundamental Chemistry / Ed. by O. Nuyken. Heidelberg: Spinger, 2006.
  36. Saldívar-Guerra E. // Macromol. React. Eng. 2020. V. 14. № 4. P. 2000010.
  37. Янборисов В.М., Янборисов Э.В., Спивак С.И. Формирование молекулярно-массового распределения при полимеризации диенов в присутствии полицентровых каталитических систем. Уфа: Изд-во Уфимской гос. академии экономики и сервиса, 2012.
  38. Рафиков С.Р., Павлова С.А., Твердохлебова И.И. Методы определения молекулярных весов и полидисперности высокомолекулярных соединений. М.: АН СССР, 1963.
  39. Янборисов В.М., Янборисов Э.В., Спивак С.И. // Матем. моделирование. 2010. Т. 22. № 3. С. 15.
  40. Янборисов В.М., Султанова А.А., Колесов С.В. // Матем. моделирование. 2016. Т. 28. № 4. С. 3.
  41. Мингалеев В.З. // Кинетика и катализ. 2016. Т. 57. № 1. С. 54.

补充文件

附件文件
动作
1. JATS XML
2.

下载 (40KB)
3.

下载 (34KB)
4.

下载 (39KB)
5.

下载 (33KB)
6.

下载 (100KB)
7.

下载 (71KB)
8.

下载 (138KB)
9.

下载 (34KB)

版权所有 © В.М. Янборисов, Д.В. Стяжкин, В.З. Мингалеев, В.П. Захаров, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».