
- •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.
65.Модель идеального вытеснения.
В основе модели идеального вытеснения лежит допущение о поршневом течении без перемешивания вдоль потока при равномерном распределении вещества в направлении, перпенд движению. Время пребывания всех частиц одинаково и равно отношению отношению обьёма системы к объёмному расходу жидкости.
Ур-е модели идеаль
вытеснения
,
где – t-время, х – координата вдоль которой перемещаеться веществосо скор u.
Любое изменение концентрации на входе в аппарат идеал вытеснения появляеться на его выходе через время равное среднему времени пребывания
t=L/u (L – длинна аппарата)
Передаточная ф-ция для аппаратов идеального вытеснения имеет вид
W(p)=
Отметим,что модели идеал вытес в первом приближении соответствуют процессы, протекабщие в трубчатых аппаратах при большом отношении длины трубы к диаметру.
66.Классификация типовых химико-технолог процессов
Все ХТП по степени влияния возмущающих параметров подраздал.:
-детерминированные
-стохастические
Детерминир – те процессы в которых определяющая величина изменяеться вполна определённо, непрерывно, по определённым законам,при этом предполаг что значение всех величин ,хар – щих процесс однозначно опред-ся заданием входных и управляющих воздействий.
Стохастические – проц-сы в которых измен-ие определяющих величин происходит случайным образом,т е значение выходных величин наход-ся в вероятностном соответствии с входными и не определяеься ими однозначно.
С целью выделения типовых процессов ХТ и определении их природы исполь следующ критерии:
1-общность математич-го описания
2-общность аппаратурно-технологического оформления процесса
3-общность особенностей автоматического управления процессом
По характ материальных и энергетич-ких связейвсе процессы делятся на 5 гр:1-гидродинамические; 2-тепловые;3-диффузионные;4-механические; 5-химические
К гидродинамич относ: перемещение жидкостей и газов в трубопроводах и аппаратах,перемещ в жидких средах,процесс обработки неоднородных жидкостей(очистка газов от пыли)
К тепловым:нагревание,охлаждение,конденсация, теплообмен
К массообмен:перенос различ вещ из одной фазы в друг., увлажнение, сушка, кристаллизация.
Механич процесс.:дробление,измельчение,транспорт твёрд материалов
Химич процессы разнообразны,их скорость описыв-ся
Законом хим кинетики.
29. ИССЛЕДОВАНИЕ И ОПТИМИЗАЦИЯ СВОЙСТВ СМЕСЕЙ ХИМИЧЕСКИХ ВЕЩЕСТВ
Особенности методов построения диаграмм.
В химической технологии часто приходится решать задачи поиска оптимальных вариантов материалов, в частности путем выбора соответствующего соотношения исходных компонентов формовочных смесей. Поскольку требования, предъявляемые к материалам, различны, число возможных вариантов соотношений компонентов, удовлетворяющих этим требованиям может быть велико.
В состав смесей могут входить вещества, не взаимодействующие друг с другом (аддитивные смеси), и вещества, свойства смесей которых резко изменяются в зависимости от соотношения компонентов. Свойства смесей могут обуславливаться как синергизмом, так и антагонизмом исходных веществ.
Известно, что обобщающие исследования свойств смесевых систем обычно представляются в виде различных диаграмм. Проекции сечений поверхности отклика по интересующему нас параметру (например, плотности) выхода образуют сеть изолиний на треугольнике концентраций для трехкомпонентных систем. Такое графическое отражение системы «состав-свойство» позволяет достаточно полно ее описать и сделать практические выводы наилучших составах многокомпонентных смесей.
Однако построение подобных диаграмм предполагает весьма большой объем экспериментальной работы — концентрационный треугольник в общем случае покрывается частой сеткой, в узлах которой и ставятся необходимые опыты. Например, при очень грубой градации в 5% при изучении три компонентной системы требуется провести 210 опытов.
Указанные системы должны обладать общим признаком: их свойства не зависят от количества (массы, веса) каждого из компонентов, а только от относительного (процентного) содержания компонента в системе. Другим особым признаком является нормированность суммы относительных частей компонентов, т. е.
где хi – компонент системы, i=1,2…к
Известно, что каждой фазе или комплексу фаз, находящихся в данной системе в равновесии, соответствует определенный геометрический образ или свое уравнение (принцип соответствия), причем эти уравнения непрерывны (принцип непрерывности). Однако, как правило, априори почти ничего нельзя сказать о виде математической модели, описывающей зависимость свойств смеси от состава. Поэтому предполагается выражать изменение свойств смеси в виде отрезка степенного ряда (полинома той или иной степени).
Но следует иметь в виду, что обсуждаемый раздел методики планирования эксперимента имеет известные ограничения, связанные с тем, что как при изучении температурных превращений вещества, так и во многих других случаях встречаются достаточно резкие скачки свойств в отдельных точках диаграммы (например, эвтектики в сплавах), по линиям и плоскостям раздела. В этих случаях многочлены низких степеней дают слишком сглаженную и поэтому непоказательную модель смесевых превращений. В то же время полиномы выше пятой степени могут указать на ложные эффекты, и требуют слишком большого числа опытов. Это противоречие преодолеваются разбиением всей области концентраций на локальные подобласти, хорошо описывающиеся полиномами невысоких степеней.
В основу описания зависимости «состав-свойство» кладется математический подход. Задача сводится к уточнению вида математической модели, которую необходимо строить; выбору некоторого количества экспериментальных точек; определению свойств у этих сплавов или смесей и по полученным значениям свойств расчету коэффициентов выбранной модели.
Ввиду того, что переменные в сложных системах, содержащих сме¬си компонентов, не являются независимыми, оценка коэффициентов обычной полиномиальной модели в виде ряда Тейлора оказывается невозможной из-за вырожденности информационной матрицы, по¬этому к решению таких задач требуется специфический подход.
Первый путь решения таких задач сводится к выражению одного из компонентов через остаток от общей суммы и вследствие этого – к исключению его из рассмотрения. Тогда оставшиеся переменные могут варьироваться уже независимо друг от друга, а эффект исклю¬ченного фактора окажется распределенным по вычисленным коэф¬фициентам традиционного полинома.
Второй путь оказывается предпочтительнее, поскольку позволя¬ет получить зависимость от всех S смесевых переменных. Это стано¬вится возможным потому, что область определения всех исследуе¬мых переменных представляет собой многогранник, высекаемый в k-мерном факторном пространстве двухсторонними ограничения¬ми на к–S режимные переменные и ранее указанным ограничением.
Широкое применение диаграмм «состав–свойство» началось после публикации результатов работы Шеффе. Им предложены предельно простые решетчатые планы экспериментов с очень малым количеством опытов, которые располагаются в узлах легко создаваемой сетчатой структуры. Шеффе также вывел несложные формулы для расчета ко¬эффициентов аппроксимирующих полиномов специального вида, что позволяет широкому кругу специалистов применять его методы, даже не имея в своем распоряжении мощные вычислительные машины.