Zusammenfassung
Chemische Prozesse können durch nichtlineare Differentialgleichungen beschrieben werden, typischerweise mit unbekannten Modellparametern. Durch Parameterschätzung können die Modelle a\n experimentelle Daten angepasst werden. Die geschätzten Parameter sind mit statistischen Unsicherheiten behaftet, die von der Art der Experimente abhängen und bereits vor deren Durchführung berechnet und durch optimale Versuchsplanung minimiert werden können. In diesem Beitrag werden diese Optimierungsprobleme formuliert, Methoden zur Lösung diskutiert und ihre Wirksamkeit durch Anwendung auf ein chemisches Reaktionssystem demonstriert.
Literatur
Albersmeyer, J., Bock, H.: Sensitivity generation in an adaptive BDF-method. In: Bock, H.G., Kostina, E., Phu, X., Rannacher, R. (Hrsg.) Modeling, Simulation and Optimization of Complex Processes: Proceedings of the International Conference on High Performance Scientific Computing, March 6–10, 2006, Hanoi, Vietnam, S. 15–24. Springer, Berlin/Heidelberg/New York (2008)
Ascher, U.M., Petzold, L.R.: Computer Methods for Ordinary Differential Equations and Differential-Algebraic Equations. SIAM, Philadelphia, (1998)
Bandara, S., Meyer, T.: Design of experiments to investigate dynamic cell signaling models. Methods Mol. Biol. (Clifton, NJ). 880, 109–118 (2012)
Bauer, I.: Numerische Verfahren zur Lösung von Anfangswertaufgaben und zur Generierung von ersten und zweiten Ableitungen mit Anwendungen in Chemie und Verfahrenstechnik. Preprint, SFB 359, Universität Heidelberg (2001)
Bock, H.G.: Randwertproblemmethoden zur Parameteridentifizierung in Systemen nichtlinearer Differentialgleichungen. Bonner Math. Schriften 183 (1987)
Jost, F., Kudruss, M., Körkel, S., Walter, S.F.: A computational method for key-performance-indicator-based parameter identification of industrial manipulators. J. Math. Ind. 7(1), 9 (2017)
Kircheis, R.: Structure Exploiting Parameter Estimation and Optimum Experimental Design Methods and Applications in Microbial Enhanced Oil Recovery. Doktorarbeit, Universität Heidelberg (2015)
Körkel, S.: Numerische Methoden für Optimale Versuchsplanungsprobleme bei nichtlinearen DAE-Modellen. Dissertation, Universität Heidelberg (2002)
Körkel, S., Arrellano-Garcia, H.: Online experimental design for model validation. In de Brito Alves, R.M., do Nascimento, C.A.O., Jr., E.C.B. (Hrsg.), Proceedings of 10th International Symposium on Process Systems Engineering – PSE2009 (2009)
Körkel, S., Kostina, E.: Numerical methods for nonlinear experimental design. In: Bock, H.G., Kostina, E., Phu, H.X., Rannacher, R. (Hrsg.) Modelling, Simulation and Optimization of Complex Processes, Proceedings of the International Conference on High Performance Scientific Computing, March 10–14, 2003, Hanoi, Vietnam, S. 255–272. Springer, Berlin/Heidelberg (2004)
Körkel, S., Bauer, I., Bock, H.G., Schlöder, J.P.: A sequential approach for nonlinear optimum experimental design in DAE systems. In: Keil, F., Mackens, W., Voss, H., Werther, J. (Hrsg.) Scientific Computing in Chemical Engineering II, Bd. 2, S. 338–345. Springer, Berlin/Heidelberg (1999)
Körkel, S., Kostina, E., Bock, H.G., Schlöder, J.P.: Numerical methods for optimal control problems in design of robust optimal experiments for nonlinear dynamic processes. Optim. Methods Softw. (OMS) J. 19(3–4), 327–338 (2004)
Körkel, S., Arellano-Garcia, H., Schöneberger, J., Wozny, G.: Optimum experimental design for key performance indicators. In: Braunschweig, B., Joulia, X., (Hrsg.) Proceedings of 18th European Symposium on Computer Aided Process Engineering – ESCAPE 18 (2008)
Nocedal, J., Wright, S.J.: Numerical Optimization. Springer Series in Operations Research. Springer, New York (2006)
Pukelsheim, F.: Optimal Design of Experiments. Wiley, New York (1993)
Sager, S.: Sampling decisions in optimum experimental design in the light of Pontryagin’s maximum principle. SIAM J. Control. Optim. 51(4), 3181–3207 (2013)
Schöneberger, J., Arellano-Garcia, H., Wozny, G., Körkel, S., Thielert, H.: Model-based experimental analysis of a fixed bed reactor for catalytic SO2 oxidation. Ind. Eng. Chem. Res. 48, 5165–5176 (2009)
Schöpflin, F.: Untersuchung des Einsatzes der Modellgestẗzten Versuchsplanung für Anwendungsprobleme in der Solartechnik. Master’s thesis, University of Applied Sciences Karlsruhe (2014)
Seber, G.A.F., Wild, C.J.: Nonlinear Regression. Wiley (1989)
Walter, W.: Gewöhnliche Differentialgleichungen. Springer, Berlin/Heidelberg, (2000)
Weiler, C.K.F., Körkel, S.: Optimum experimental design for extended Gaussian disorder modeled organic semiconductor devices. J. Appl. Phys. 113, 094903, (2013)
Acknowledgements
Die in diesem Artikel beschrieben Methoden zur Optimalen Versuchsplanung wurden vom Autor im wesentlichen während seiner Tätigkeit am Interdisziplinären Zentrum für wissenschaftliches Rechnen der Universität Heidelberg durchgeführt, zunächst als wissenschaftlicher Mitarbeiter in einem BMBF-Projekt und in einem DFG-Sonderforschungsbereich, später als Leiter einer überwiegend von der BASF finanzierten Nachwuchsforschungsgruppe. Der Autor möchte Hans Georg Bock und Johannes Schlöder sowie Dennis Janka, Felix Jost, Robert Kircheis, Manuel Kudruss, Andreas Schmidt, Sebastian Walter und Christoph Weiler für die hervorragende Zusammenarbeit am IWR sowie Alexander Badinski, Jens Köhler, Alexander Kud, Robert Lee, Michael Rieger, Simeon Sauer, Anna Schreieck und Hergen Schultze für die angenehme und erfolgreiche Kooperation mit der BASF danken.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2018 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this entry
Cite this entry
Körkel, S. (2018). Design of Experiments in der Chemischen Reaktionstechnik. In: Reschetilowski, W. (eds) Handbuch Chemische Reaktoren. Springer Reference Naturwissenschaften . Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-56444-8_12-1
Download citation
DOI: https://doi.org/10.1007/978-3-662-56444-8_12-1
Received:
Accepted:
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-56444-8
Online ISBN: 978-3-662-56444-8
eBook Packages: Springer Referenz Naturwissenschaften