Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Борман Теория разделения изотопов 2007

.pdf
Скачиваний:
223
Добавлен:
16.08.2013
Размер:
10 Мб
Скачать
☆

Если для каждой секции ПСК обеспечить постоянство коэффициента деления потока, то значения λ должны быть выбраны:

для отборной части каскада

 

 

 

 

 

 

L

 

 

+ P

 

 

 

 

 

 

λ =1−

sl +1

 

 

 

 

 

,

 

 

+ P

 

 

 

 

 

 

L

 

 

 

 

 

 

 

 

 

 

 

 

s

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

l

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

P

 

 

 

 

 

 

при этом

θs

=

 

 

+

 

 

;

2

 

 

L

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

sl

 

 

 

 

 

для отвальной части каскада

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

L

 

 

+W

 

 

 

 

 

 

λ =1−

sl +1

 

 

 

 

 

 

 

 

,

 

 

+W

 

 

 

 

 

 

 

 

 

L

 

 

 

 

 

 

 

 

 

 

 

 

s

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

l

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

W

 

 

 

 

 

 

при этом

θs

=

 

 

−

 

;

2

 

L

 

 

1

 

 

в точке подачи питания

 

 

 

 

 

 

sl

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

θf −1

=

1

 

−

 

W

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

,

 

2

 

L

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

f −1

 

θf

=

1

 

+

 

P

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

,

 

2

 

L

 

 

 

 

 

 

 

 

f

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

при этом вариант (а) (рис. 2.27)

 

 

 

 

 

 

 

 

 

λ =1−

Lf

+ P

 

,

 

Lf −1 + P

 

 

 

 

 

 

 

 

 

 

 

 

вариант (б) (рис. 2.27)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

λ =1−

Lf −1 +W

.

 

 

 

 

 

 

 

 

Lf +W

 

 

 

 

 

(2.312)

(2.313)

(2.314)

(2.315)

(2.316)

291

2.4.2.Обзор численных методов решения системы уравнений переноса в каскадах заданного профиля

Для расчета каскадов заданного профиля, как правило, ПК и ПСК используют различные итерационные методы с уточнением ориентировочно принятых приближений, либо квазилинеаризацию уравнений каскада и совместное их решение с уравнениями покомпонентного баланса. Очевидно, что эффективность метода определяется его устойчивостью к заданию начальных приближений для концевых концентраций и сходимостью итерационного процесса.

Обзор методов расчета можно свести к следующим основным случаям.

2.4.2.1. «Классический» итерационный метод [35, 36]

Рассмотрим применение метода на примере прямоугольного каскада, расчет которого производится от отвального конца к отборному. Алгоритм расчета имеет следующий вид.

1.

Задают

θ (например

θ

=

1

 

W

по

формулам

2

1−

)

 

 

1

 

1

 

 

L

 

 

(1.262) или (1.263) находят распределение θs

по длине каска-

да.

По соотношениям (2.300) определяют T

и T′.

2.

 

 

 

 

 

 

 

 

3

3

 

3.

Задают

начальные

 

 

 

 

 

′′

например,

приближения ci

(1) ,

′′

= ciF .

 

 

 

 

 

 

 

 

 

ci(1)

 

 

 

 

 

 

 

 

 

4.

Последовательно с использованием рекуррентной фор-

мулы (2.301) определяют

′′

на всех ступенях, включая по-

ci(s)

следнюю (s = N ) .

 

 

 

 

 

 

 

 

5.

По соотношению (2.296 б) или (2.297 б) находят все

c′i (N) .

 

 

 

 

 

 

 

 

 

6.

Проверяют выполнены ли условия материального ба-

ланса

 

 

 

 

 

 

 

 

 

292

′

′′

 

 

 

 

− FciF , i =1, m.

(2.317)

Pci

(N) +Wci (1)

7. Если условия баланса (2.296) на ν -м шаге итерации не выполнены, то начальные приближения для следующего (ν +1) -го шага задают в виде

′′

ν +1

 

 

FciF

′

ν

 

=ω

(c′(N))ν

(1)) , i =1, 2,..., m , (2.318)

(ci(1))

+(1−ω) (ci

 

 

 

P

i

 

 

 

 

(c′(1))ν

 

 

 

 

 

 

 

 

 

 

 

 

i

 

 

где ω – коэффициент, находящийся в пределах от 0 до 1.

8. Шаги 2.286–2.289 ÷ 2.286–2.292 повторяют до тех пор,

пока (2.317) не будут выполнены с заданными точностями. «Классический» метод весьма чувствителен к выбору на-

чальных приближений, что приводит либо к необходимости разработки сложных и громоздких алгоритмов для их определения, либо к значительным затратам машинного времени.

2.4.2.2. «Матричный» метод [37, 38]

В работе [37] система (2.291), (2.294) представлена в виде

L1ci(1) −(1−θ2)L2ci′′(2) −[W −(1−θ1)L1]ciW = 0, i =1, 2,..., m.

Lsci(s) −θs−1Ls−1ci′(s −1) −

−(1−θs+1)Ls+1ci′′(s +1) −δsk FciW = 0, s = 2, 3,..., N −1, i =1, 2,..., m.

LNci(N) −θN −1LN −1ci′(N −1) −[P −θN LN ]ciP = 0,

 

 

i =1, 2,..., m ,

 

 

 

где

δsk =

0,

s ≠ k

;

 

 

 

s

= k .

 

 

 

 

 

1,

 

 

c′(s) =

f (c

(s), θ

s

, L

);

 

 

 

i

i

 

 

s

 

 

 

c′′(s) =

[c (s) −θ c′(s)]/1−θ

s

.

 

i

i

 

s

 

i

 

 

(2.319)

(2.320)

(2.321)

(2.322)

(2.323)

293

Конкретный вид функциональной зависимости в системе (2.323) определяется используемым методом разделения и режимом работы каждой ступени (см. формулы (2.296) – (2.297)). Для замыкания системы (2.319)–(2.321) из mxN урав-

нений, как и ранее, из числа неизвестных с помощью (2.298) исключаем коэффициенты деления потока на ступенях (один из коэффициентов θs является свободным параметром).

Для решения системы (2.319)–(2.321) в работе [37] применен демпфированный метод Ньютона [39], в котором используется итеративный процесс в виде

′ ν

ν

ν

(2.324)

F (x

)∆x

= −ωF(x ) ,

где F(xν ) – значения левых частей системы (2.319) – (2.321) в точке с неизвестными координатами xν ; F′(xν ) – матрица

Якоби системы в этой же точке; ∆xν = xν +1 −xν ; ω – коэффициент демпфирования. При такой записи определение нового приближения xν +1 сводится к решению системы нелинейных уравнений вида A∆x = b . Для определения ∆x согласно [6] целесообразно использовать алгоритм Гауссова исключения с компактным хранением матрицы A в оперативной памяти. Компактная организация хранения матрицы A возможна, поскольку, как видно из уравнений системы (2.319)–(2.321), матрица Якоби F′(xν ) принадлежит к системе

ленточных матриц с шириной ленты 2(2m −1) +1 , причем в

процессе итерации (2.324) ленточная структура матрицы сохраняется [40]. Алгоритм должен быть составлен так, чтобы элементы якобиана F′(x) , не входящие в ленту указанной

ширины, в вычислениях не участвовали. Это позволяет в несколько раз сократить время вычислений. Элементы якобиана предпочтительно вычислять аналитически, поскольку при этом скорость сходимости итеративного процесса (2.324) квадратична. Если вид функциональной зависимости для ci′(s) в системе (2.323) не позволяет получить аналитическое

294

выражение дл производных, то в алгоритме элементы якобиана следует вычислять численно по двухточечной схеме.

Схема расчета каскада заданного профиля по матричному методу включает в себя:

1) задание исходных данных m, N, f, F, P,

f (ci (s), θs, Ls ), Ls, θ1 ;

2) определение коэффициентов деления потоков на ступе-

нях θs (s = 2,3,..., N) ;

3) решение системы уравнений (2.319) – (2.321). Согласно [38] расчет каскада с двумя потоками питания

различного состава и тремя потоками отбора, состоящего из 50-ти ступеней, при разделении пятикомпонентной модельной смеси заключается в решении системы (2.319) – (2.321) из 250 уравнений. Решение осуществляется за несколько итераций и требует около 30 с машинного времени для персональных компьютеров типа РС/АТ386. В качестве начальных приближений для неизвестных концентраций на каждой ступени были взяты концентрации компонентов в одном из потоков питания. Расчеты прямоугольно-секционированных каскадов, предназначенных для разделения различных многокомпонентных смесей показали, что при указанном выборе начальных приближений расчет неизвестных концентраций с точностью не ниже 0,1% требует не более 10 итераций.

2.4.2.3. Метод, основанный на решении системы уравнений переходного (нестационарного) процесса в каскаде [36]

Суть метода: для нахождения концевых концентраций ciP, ciW противоточного симметричного каскада заданного

профиля решают систему уравнений переходного (нестационарного) процесса применительно к случаю немалых обогащений на ступенях. [41]. Считаем, что с момента запуска каскада включены расчетные значения внешних потоков P, W и F. Считая по-прежнему, что время установления гидравличе-

295

ских характеристик много меньше времени достижения стационарного накопления компонентов на ступенях и задержки ступеней не зависят от времени, систему уравнений каскада, описывающих переходной (нестационарный) процесс, можно записать в виде

 

θsLsci′(s, t) −(1−θs+1)Ls+1ci′′(s +1, t) = Js,i(t) ,

(2.325)

где Js,i (t)

– перенос i-го компонента через мысленную линию

раздела

между

s-й

 

и

s +1-й

ступенями; i =1,

2,...,m;

s =1, 2,..., N −1

 

 

 

 

′′

 

 

 

 

 

 

′

 

(2.326)

 

ci (s,t) =θsci

(s,t) + (1−θs )ci (s, t) ;

 

 

 

i =1,

2,..., m; s =1,

2,..., N .

 

 

Hs

∂ci(s, t)

= Js−1,i − Js,i

+δ(s, f )FciF

(2.327)

 

 

t

 

 

 

 

i =1,

2,..., m; s =1,

2,..., N .

 

Граничные условия в рассматриваемом случае могут быть

записаны в следующем виде

 

 

 

′′

 

 

 

′

 

 

 

 

(2.328)

 

JN,i = Pci(N, t),

J0,i = +Wci(1, t) ,

 

 

i = 1, 2,..., m .

 

 

Подстановка (2.325), (2.326) и (2.328) в (2.327) дает

 

∂ci(s,t)

′

 

 

′′

 

Hs ∂t

=[1−δ(s,1)]{θs−1Ls−1ci(s −1,t) −(1−θs)Lsci

(s,t)}−

 

[1−δ

′

 

 

 

′′

 

(2.329)

(s, N)]{θsLsci(s,t) −(1−θs+1)Ls+1ci(s +1,t)}+

 

+δ(s, f )FciF −δ(s,

 

′

 

 

 

 

 

N)PciP(N,t);

 

 

 

i =1, 2,..., m;

s =1,

2,..., N ,

 

 

где

δ(s, j) =

0,

j

≠ s

 

(2.330)

 

j

= s.

 

 

 

1

 

 

Подставляя (2.296 а) в (2.326), получим

 

 

 

ci (s,t) =θsci′(s, t) + (1−θs )

ci′(s,t)

,

(2.331)

 

m

 

 

 

 

 

∑qijc′j (s, t)

 

 

j=1

296

 

 

 

i =1,

2,..., m;

s =1,

2,..., N.

 

 

 

 

 

Дифференцирование уравнения (2.331) по t дает:

 

 

 

∂c (s, t)

m

∂c (s, t)

 

∂c′j(s, t)

 

 

 

 

 

i

= ∑

 

i

 

 

 

 

 

 

;

 

(2.332)

 

 

 

 

′

 

 

 

 

 

 

 

 

 

∂t

j=1

∂cj (s, t)

 

 

∂t

 

 

 

 

 

 

 

 

i =1,

2,..., m;

s =1,

2,..., N,

 

 

 

 

 

где

 

 

 

 

 

m

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

∑qilcl′(s, t) −ci′(s, t)

 

 

 

 

 

 

 

 

l=1

 

 

 

 

 

 

 

, (i = j)

 

 

 

θs + (1 −θs )

 

 

 

 

 

 

 

 

 

 

 

m

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

∂c (s, t)

 

 

 

 

∑qilcl′(s, t)

 

 

 

 

 

 

 

 

 

 

 

i

= a(i, j) =

 

 

 

l=1

 

 

 

 

 

 

∂c′j (s, t)

 

 

 

 

 

 

 

 

 

 

 

 

 

qilcl′(s, t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

−(1 −θs ) m

 

 

2 , (i ≠ j)

 

 

 

 

 

 

 

 

 

′

(s, t)

 

 

 

 

 

 

 

 

 

 

 

∑qilcl

 

 

 

 

 

 

 

 

 

 

 

l=1

 

 

 

 

 

 

 

 

 

i =1,

2,..., m;

j =1, 2,..., m;

 

s =1,

2,..., N.

(2.333)

Подставляя соотношения (2.296, а) и (2.333) в (2.329), получаем

 

 

 

 

 

 

 

 

m

 

 

 

∂c′j (s, t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

H s ∑a(i, j)

 

 

 

 

 

 

 

=

 

 

 

 

 

 

 

 

 

 

 

 

 

 

∂t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

j=1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

′

 

 

 

 

 

 

 

 

 

 

 

 

 

c′i(s, t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

=

1

−δ(s,1)

θ

 

L

 

c

(s −1, t) −(1−θ

 

 

)L

 

 

 

 

 

−

 

 

s

s

 

m

 

[

]

 

s−1

s−1 i

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

∑q jlc′l (s, t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

l=1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

′

 

 

 

 

 

 

 

 

 

 

 

 

 

c′i(s +1, t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

−

δ(s, N)

θ

 

 

L c

 

(s, t) −(1

−

θ

 

)L

 

 

 

 

 

 

 

 

 

+

s

 

s+1

s+1

 

m

 

 

[

 

]

s i

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

∑q jlc′l (s +1, t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

l=1

 

 

 

 

+δ(s, f )FciF −δ(s, N)Pc′i(N, t);

297

i =1, 2,..., m; j =1, 2,..., m; s =1, 2,..., N .

(2.334)

Приближенное решение системы (2.334) основано на использовании явного метода Эйлера, согласно которому производные в (2.334) заменяют простейшими конечноразностными формулами

∂ci′(s, t)

=

[ci′(s,t)]ν +1 −[ci′(s, t)]ν

,

(2.335)

∂t

 

∆t

 

 

i =1,

2,..., m; s =1, 2,..., N ,

 

 

где [ci′(s,t)]ν – значение соответствующей концентрации i-го компонента в потоке Ls на ν-м «временнóм» шаге. С учетом (2.335) уравнения (2.334) преобразуются к виду

m

ν

c′(s, t) ν +1

− c′(s, t) ν

 

 

 

 

 

Hs ∑[a(i, j)]

i

 

 

i

 

 

 

=

[1−δ(s,1)]×

 

 

∆t

 

 

 

j=l

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

′

 

ν

 

 

 

 

′

 

ν

 

 

 

 

 

ci(s, t)

 

 

× θs

−1Ls−1

 

− (1

−θs)Ls m

 

 

−

ci(s

−1, t)

 

 

 

 

 

ν

 

 

 

 

 

 

 

 

 

 

∑

q

 

′

 

 

 

 

 

 

 

 

 

 

 

 

 

 

jl

i

 

 

 

 

 

 

 

 

 

 

 

 

 

j=l

 

 

 

 

 

 

 

 

 

 

 

−[1−δ(s, N)]−

 

 

 

 

 

 

(2.336)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

′

ν

 

 

 

 

 

 

′

 

 

 

 

ν

 

 

 

 

 

 

 

 

 

ci

(s +1, t)

 

 

− θsLs ci

(s, t)

 

− (1−θs+1)Ls+1

 

 

 

 

 

 

 

+

 

m

 

 

 

 

ν

 

 

 

 

 

 

 

 

 

 

 

 

′

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(s +

 

 

 

 

 

 

 

 

 

 

∑q jl ci

1, t)

 

 

 

 

 

 

 

 

 

j=l

 

 

 

 

 

 

 

 

+δ(s, f )Fc

−δ(s, N)P

 

′

 

 

 

ν

 

 

 

 

c (N, t) ;

 

 

 

 

 

 

 

iF

 

 

 

 

i

 

 

 

 

 

 

 

Таким образом,

298

Hs

 

m

 

 

 

 

 

 

 

Hs

m

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

∑[a(i, j)]ν [ci′(s, t)]ν+1

=

 

 

∑[a(i, j)]ν [ci′(s, t)]ν +[1−δ(s,1)]×

∆t

 

 

∆t

j=l

 

 

 

 

 

 

 

j=l

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ν

 

 

 

 

 

 

 

 

 

 

 

ν

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

[c′(s, t)]

 

 

 

 

 

 

 

 

 

× θ

L

′

 

 

 

 

 

−(1−θ

)L

 

 

i

 

 

 

 

 

 

 

 

−

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

c (s −1, t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

s−1

s−1

[ i

 

]

 

 

 

 

s

s m

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ν

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

∑qjl [ci′(s, t)]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

j=l

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ν

 

 

 

 

 

 

 

 

[c′(s

 

 

 

ν

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

+1, t)]

 

 

 

 

 

 

 

 

′

 

 

 

 

 

 

 

 

 

 

 

 

 

 

i

 

 

 

 

 

 

 

 

 

− 1−δ(s, n)

θ

 

 

 

 

 

−(1−θ

 

)L

 

 

 

 

 

 

 

 

 

 

 

+

L c (s, t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

[

 

]

s s [ i

]

 

 

 

 

 

s+1

s+1 m

 

 

 

 

 

′

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

∑

q

 

 

 

+1, t)

ν

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

jl

[

i

 

 

]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

j=l

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

+δ(s, f )Fc

 

 

 

 

 

 

 

 

 

′

 

ν

;

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

−δ(s, N)P c (N, t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

iF

 

 

 

 

 

[ i

]

 

 

 

 

 

 

 

 

 

 

 

 

 

 

i =1, 2,..., m; s =1, 2,..., N .

 

 

 

 

 

 

(2.337)

Начальные приближения для «нулевого» временного шага (ν = 0) можно задать, например, следующим образом:

[ci′]0 = ciF , где ciF – концентрации компонентов смеси в по-

токе питания.

При выбранном временном шаге ∆t , последовательно используя уравнения (2.337), находят стационарные значения концентраций по длине каскада. В качестве практического критерия достижения стационарных значений концентраций может быть использовано одно из 2-х условий:

1) концевые концентрации каждого из компонентов смеси

(с заданной точностью) на ν* -м временном шаге удовлетворяют уравнениям покомпонентного баланса

′

ν*

′′

ν*

= 0,

 

FciF − P[ci

(N,t)]

−W [ci (1,t)]

(2.338)

 

 

 

 

 

i =1, 2,..., m.

299

2) при переходе от ν *-го к ν *+1-му временному шагу ве-

 

 

c (N, t) ν*+1

− c (N,t)

ν*

 

личина δ

=

[ i

]

[ i

]

достигает заданного зна-

 

[c (N,t)]ν*+1

 

 

 

 

 

 

 

 

 

 

 

i

 

 

 

 

чения.

Рассмотренный метод имеет первый порядок точности относительно шага ∆t . Уменьшение шага ∆t увеличивает точность расчета. Сверху «временнóй» шаг ограничен величиной

[41]:

 

Hs

 

 

∆t < min

.

(2.339)

 

 

Ls

 

Распределение θs в (2.337) задается соотношением (2.298) и произвольным значением коэффициента деления

потока

на

 

одной

 

из

 

ступеней каскада, например,

θ = 1

 

− W

 

 

 

= 1

 

 

P

 

1

 

или θ

 

1

+

).

N

 

1

2

 

L1

 

 

2

 

 

 

 

 

 

 

 

 

 

 

LN

В работе [36] приведен пример реализации метода при расчете прямоугольного каскада, предназначенного для разделения четырехкомпонентной смеси изотопов хрома: 50Cr,

52Cr,

53Cr, 54Cr

( c

=0,0431,

 

c

2F

= 0,8376, c

=0,0955,

 

 

 

 

 

1F

 

 

 

 

 

 

3F

 

 

c

 

= 0,0238). Исходные данные:

 

P

= 0,2;

F

= 0,2;

q

=1,12;

 

 

F

 

 

4F

 

 

H

 

 

 

 

 

 

L

0

 

N =15, f = 12,

= 0,03 ч. Условием достижения концевыми

L

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

FciF −

концентрациями

стационарных

значений

являлось

 

 

′

′′

−6

(i =1, 2, 3, 4) . При использовании

−Pci

(N, t) −Wci(1, t) <10

 

персонального компьютера с процессором на 66 МГц и «временнóго» шага ∆t = 0,02 ч для достижения заданной точности потребовалось примерно 1000 шагов и 20 с машинного времени.

300