
- •Физическое моделирование (ф м). Теория подобия. Достоинства и недостатки
- •Математическое моделирование (м. М.). Математическое подобие. Достоинства и недостатки метода.
- •Классификация математических моделей (м. М.). Компьютерное моделирование.
- •Статические и динамические характеристики типовых процессов. Типовые сигналы.
- •Преобразование Лапласса. Свойства операционного соответствия.
- •Изображение интеграла:
- •Изображение производных:
- •Изображение функции с запаздыванием:
- •8. Понятие химико-технологической системы(хтс). Объект химической технологии.
- •Т иповые химико-технологические процессы
- •9. Внешние связи системы. Факторы . Контролируемые (регулируемые, нерегулируемые) и неконтролируемые входы. Отклики. Причины неконтролируемости факторов. Шум.
- •10. Этапы построения математической модели химико-технологических систем. Математическое описание. Статический и детерминированный подходы.
- •11. Структурные схемы объектов химической технологии
- •12. Применение операционного исчисления при решении дифференциальных уравнений. Передаточная функция.
- •14. Типовые законы изменения входных параметров. Ступенчатое и импульсное возмущение на входе. Инерционность технологического объекта.
- •15. Вероятность. Понятие о дискретных и непрерывных случайных величинах. Законы распределения случайной величины.
- •17. Построение матрицы планирования при полнофакторном эксперименте. Нулевой уровень. Интервал варьирования. Принципы оптимальности матрицы планирования.
- •18. Дифференциальное уравнение модели идеального вытеснения и его решение в общем виде.
- •19. Зависимые и независимые случайные величины. Корреляция случайных величин. Корреляционное отношение и его свойства.
- •20. Генеральная совокупность, выборка. Статист. Оценки. Проверка статист. Гипотез.
- •21. Математическое описание химико-технологических систем при детерминированном подходе. Иерархическая структура математической модели.
- •22. Проверак значимости коэффициентов регрессии и адекватности статистической модели, полученной при дфэ.
- •23. Критерий исключения грубой ошибки.
- •24. Планы второго порядка. Центральные композиционные планы.Статистический анализ уравнения регрессии для планов второго порядка.
- •25.Типовые химико-технологические процессы.Характеристики объектов химической технологии.
- •26. Интерпритация уравнений регрессии
- •27. Построение матрицы планирования црп эксперимента,выбор звездного плеча и числа звездных точек.Условия оптимильности цр плана.
- •28. Экспериментально-статистические методы построения в моделей.Уравнение регрессии.
- •30. Нуль и альтернативная гипотезы. Ошибки первого и второго рода. Способы уменьшения ошибок. Уровень значимости. Проверка гипотезы о нормальности закона распределения случайной величины.
- •31 Статистические модели на основе пассивного эксперимента. Достоинства и недостатки пассивного эксперимента. Понятие о корреляционном и регрессионном анализе.
- •32. Пассивный и активный эксперимент. Подходы к исследованию многофакторных систем.
- •33 Дробный факторный эксперимент (дфэ). Генерирующее соотношение, определяющий контраст
- •34. Проверка гипотез о значимости коэффициентов и адекватности уравнения регрессии, построенного по данным пассивного эксперимента
- •35 Экспериментальное изучение распределения частиц потока во времени
- •36. Модель идеального перемешивания.
- •37. Математическое моделирование гидродинамической структуры однофазных потоков. Типовые модели.
- •38. Метод наименьших квадратов. Постановка задачи и общий вид решения. Система нормальных уравнений
- •39. Решение дифференциального уравнения однопараметрической диффузионной модели в общем виде. Понятие о комбинированных моделях.
- •40. Экспериментальное изучение распределения времени пребывания элементов потока. Интегральная и дифференциальная функции распределения времени пребывания элементов потока.
- •41. Критерии проверки статистических гипотез. Проверка однородности дисперсий.
- •42. Однопараметрическая диффузионная модель(одм).
- •43 Статистические модели в виде линейных полиномов. Метод наименьших квадратов для линейного уравнения регрессии.
- •44. Виды моделей при планировании эксперимента по методике Шеффе. Методика расчета коэффициентов аппроксимирующих полиномов. Выделение локальных областей.
- •45.Оптимизация хтп методом градиента.
- •47. Симплекс-планирование с помощью правильных многогранников.
- •50. Экспериментальный поиск. Метод Гаусса-Зайделя.
- •52. Симплекс - решетчатые планы Шеффе.
- •54. Оптимизация химико-технологических процессов методом дихотомии
- •55. Методы направленного поиска (мнп). Унимодальность функции. Одномерный и многомерный поиск.
- •56.Поиск оптимума численными методами.
- •57. Дифференциальное уравнение однопараметрической диффузионной модели и его решение.
- •58 Методы решния оптимизационных задач. Оптимизация хтп аналитическим методом
- •61.Критерий оптимальности.Требования к крит оптимальности. Аналитические выражения для крит оптималь.
- •63. Ячеечная модель
- •64.Обобщённая и частная ф-ции желательности.
- •65.Модель идеального вытеснения.
- •66.Классификация типовых химико-технолог процессов
- •44, 52. Методика Шеффе.
32. Пассивный и активный эксперимент. Подходы к исследованию многофакторных систем.
Пассивный эксперимент проводят в режиме нормальной эксплуатации объекта и предполагает регистрацию контролируемых параметров, без внесения искусственных возмущений в его работу.
Преимущества пассивного эксперимента: - информация поступает в процессе нормальной эксплуатации объекта, что значительно облегчает постановку эксперимента на промышленных объектах; - простота его организации; - невмешательство в ход технологичесого процесса
Недостатки: - ограниченность действия получаемой математической модели областью рабочего режима процесса; - вследствие сложности протекающих химико-технологических процессов не всегда удается составить их математическую модель в рамках теоретических предпосылок статистических методов; - не соблюдается требование регрессионного анализа, состоящее в том что факторы Х1,Х2,Хn должны измерятся с пренебрежимо малой ошибкой по сравнению с ошибкой в определении y, кроме того факторы должны быть коррелированными
Активный (планируемый) эксперимент – он предполагает, что на вход исслед.объекта подаются определенные воздействия, которые заранее планируются в соответствии с определенным оптим. Критериям (методы планирования эксперимента).
Такая постановка эксперимента позволяет соблюсти теоретические предпосылки статистических методов, резко сократить количество экспериментов и получить модель с минимально возможной ошибкой, однако планируемый эксперимент не всегда удобно проводить на действ. Технологических объектах, поэтому его широко используют при исследовании на опытных и пилотных установках. Тем не менее сущ.метод эволюционного планирования эксперимента, когда в производственных условиях одновременно с продуктом получается математическая модель.
Преимущества: 1. Успешно используется для целей оптимизации сложных и малоизученных объектов; 2. Управление процессом; 3. Для корректировки и уточнения гипотетических представлений об изучаемом процессе
Недостатки: 1. Построение статистических моделей возможно лишь при наличии реального объекта, который допускает выполнение определенного объема экспериментальных исследований; 2. Узость их применения, которое объясняется во-первых ограниченным действием модели в рабочем режиме процесса; во-вторых невозможностью переноса действия модели даже на однотипный объект.
Детерминированный подход(ДП) базируется на изучении физ.сущности и анализе механизма процесса, наличии сведений о физ.природе моделируемого объекта и известных основных теоретических закономерностях протек. в нем процесса.
В состав математического описания вводятся зависимости; параметры, характеризующие изучаемый объект в единую систему уравнений. Этом могут быть выражения, отражающие фундаментальные законы сохранения вещества и энергии, уравнения описывающие физ. и хим. процессы, протекающих в моделируемой системе. Кроме того в состав могут входить эмпирические и полуэмпирические зависимости между некоторым параметрами, теоретическая форма которых неизвестна или очень сложна. Также в состав математического описания входят ограничения на переменные параметра процесса.
Преимущества: 1. качественно более правильно характеризуют моделируемый объект, даже при наличии недостаточно точных в количественном соотношении параметров модели; 2. с помощью этих моделей можно изучать общие свойства объектов моделирования., относящихся к определенному классу
Недостатки: Составление таких моделей требует (по сравнению со статическими) больших затрат времени и средств.