Некоторые математические методы оптимизации

При решении задач оптимизации химико-технологических процессов очень часто ограничения на управляющие переменные являются линейными. Часто они имеют характер простых ограничений на максимальные и минимальные значения соответствующих управляющих переменных (1,9). В схемах, как правило, имеются делители потоков, на коэффициенты деления которых налагаются линейные ограничения вида (1,7). Особенно много таких ограничений будет в задачах синтеза при применении метода структурных параметров (см. гл. VI). Конечно, для решения задачи оптимизации с линейными ограничениями, можно использовать общие методы, разработанные для случая произвольных ограничений. Однако этот случай можно рассматривать отдельно по двум причинам. Первая из них состоит в том, что в задачах, где имеются только линейные ограничения, удается построить более эффективные алгоритмы, используя линейный характер ограничений. Вторая причина состоит в следующем. Математические модели отдельных аппаратов часто могут работать только в некоторой допустимой области. Скажем, если во время оптимизационной процедуры концентраций какой-либо компоненты на входе реактора примет [c.149]

Впервые предложен метод построения математических моделей основных и вспомогательных стадий циклических адсорбционных процессов на основе уравнений тепломассообмена для целей их оптимизации. Изложены методы оптимизации непрерывных и дискретных параметров процессов при различных формах задания информации. На основе рассмотренных математических моделей осуществлены оптимизационные расчеты циклических адсорбционных процессов. Дана оценка режимов функционирования аппаратов, работающих в циклическом адсорбционном процессе, рассмотрены некоторые вопросы расчета надежности этих аппаратов. [c.2]

Для определения оптимальных условий могут быть использованы различные математические методы оптимизации. В некоторых случаях оптимальные условия удается найти простыми аналитическими методами определения минимума и максимума. Примером может служить определе- [c.11]

Таким образом, алгоритм управления процессом, как правило, включает следующие основные блоки (см. рис. 2) блок математической модели, блок подстройки коэффициентов модели, блок оптимизации . В общем работу алгоритма можно описать следующим образом. Через определенные промежутки времени производится подстройка коэффициентов модели (это делается либо периодически, либо после того, как несоответствие модели и характеристик процесса реальным параметрам превысит некоторый заданный предел). После определения коэффициентов при помощи блока оптимизации, реализующего тот или иной метод расчета оптимальных режимов, находятся оптимальные значения управляющих переменных, которые затем передаются в качестве заданий на локальные системы автоматического регулирования. Эти значения управляющих переменных сохраняются до тех пор, пока оптимальный режим не нарушится. Надо отметить, что иногда вычислительная машина управляет непосредственно процессом, но такие случаи редки ввиду недостаточной надежности существующих машин. [c.20]

Пожалуй, наилучшим путем при выборе метода оптимизации, наиболее пригодного для решения соответствующей задачи, следует признать исследование возможностей и опыта применения различных методов оптимизации. В последующих главах будут рассмотрены перечисленные выше математические методы решения оптимальных задач и примеры их использования. Здесь же дана лишь краткая характеристика указанных методов и областей их применения, что до некоторой степени может облегчить выбор того или иного метода для решения -конкретной оптимальной задачи. [c.30]

Кроме подобных задач, все еще относящихся к отдельным элементам ВХС, на этапе продвинутой автоматизации появляются комплексные задачи, затрагивающие проблемы водохозяйственного комплекса в целом. При этом целостный подход осуществлялся на уровне общего планирования с использованием методов оптимизации (как правило, линейного и целочисленного программирования) на базе уже существовавших стандартных программ, реализующих соответствующие алгоритмы. Результат решения таких задач оптимизации интерпретировался в некоторой экономико-математической форме. Применение пакетов стандартных программ оптимизации к этим задачам осложнялось трудоемким процессом подготовки исходной информации и интерпретации результатов решения. Это потребовало разработки специальных средств автоматизации ввода данных и вывода результатов, для чего были созданы [c.30]

Решение задачи оптимизации непрерывного реактора идеального вытеснения в общем случае значительно более сложно, чем оптимизация реактора идеального смешения. Это в первую очередь обусловлено тем, что реактор вытеснения представляет собой объект с распределенными параметрами и его математическое описание содержит дифференциальные уравнения, решение которых в аналитической форме может быть получено лишь в весьма ограниченном числе случаев. В связи с этим ниже рассмотрены некоторые частные задачи оптимизации реакторов идеального вытеснения, которые можно решить при использовании методов исследования функций классического анализа в аналитической форме либо в форме процедуры вычислений, приводящей к определению оптимальных условий. [c.117]

Актуальность проблемы. В условиях экстремальной экономики важная роль отводится построению баланса внутренних и внешних ресурсов предприятия. Такой баланс может быть достигнут за счёт переоценки роли хозяйственных потоков в деятельности предприятий нефтеперерабатывающего и нефтехимического комплекса и некоторых других отраслей промышленности. Качественные выводы проводимых мероприятий по балансированию потоков могут быть сделаны за счет количественной оценки (нрименение математических методов) проводимых мероприятий. Методы экономико-математического моделирования позволяют выстроить модель оптимизации управления продуктовыми и финансовыми потоками предприятий нефтеперерабатывающего и нефтехимического комплекса и тем самым предоставить дополнительную информацию для выбора того или иного хозяйственного решения. [c.2]

Оптимизация реакторов. В реакторе условия теплообмена, подача реагентов определены его конструкцией, и необходимо выбрать такие режимы, которые обеспечили бы наилучшие показатели процесса. Имея математическое описание процесса и используя методы оптимизации с помощью ЭВМ, это можно сделать. Здесь рассмотрим примеры, в которых можно произвести некоторый анализ оптимальных режимов. [c.153]

Удачно выбранный метод оптимизации должен привести к конечным результатам с наименьшими затратами на вычисления или же к получению наибольшего объема информации об искомом решении. Чем сложнее объект оптимизации, тем труднее выбрать метод решения оптимальной задачи. При выборе метода оптимизации для рассматриваемой задачи нужно проанализировать известные решения других задач и исходить из опыта их решения и конкретного существа самой задачи. Следует отметить, что некоторые методы специально разработаны для решения оптимальных задач объектов, которые описываются математическими моделями определенного вида. [c.246]

Отдельные задачи оптимизации режима работы ВУ в зависимости от сущности задачи и вида раскрытого математического описания можно решать с помощью различных методов и приемов от классических вариационных методов до специальных алгоритмов и программ моделирования режимов на ЦВМ. Некоторые такие методы будут рассмотрены в следующей главе при решении конкретных задач оптимизации режимов работы ВУ. [c.104]

Для решения задач оптимизации химико-технологических процессов обычно используют методы нелинейного программирования (поисковые методы) [1, 3] и методы теории оптимального управления вариационного исчисления [4], динамического программирования 15], принципа максимума Понтрягина [6], дискретного принципа максимума 17]. Наибольшее распространение получили поисковые методы как наиболее гибкие и универсальные. Эти методы находят также широкое применение при решении задач идентификации (определение некоторых коэффициентов уравнений, представляющих собой математическую модель исследуемого процесса). Кроме того, поисковые методы могут быть эффективно использованы при синтезе оптимальной структуры химико-технологических систем, который в общем случае представляет собой задачу дискретно-непрерывного программирования в частности, они могут быть использованы при получении нижних оценок в методе ветвей и границ (см. гл. VI). [c.14]

В связи со сказанным выше представляется целесообразным находить оптимальные условия проведения ионообменных процессов, используя математические модели. Это расширяет возможности решения задачи оптимизации, так как варьирование параметров проводится не экспериментально, а на математической модели, записанной в виде программы для ЭВМ [2, 3]. В этом случае варьируются все параметры опыта в широком диапазоне их изменения с любой заданной точностью. В настоящей статье излагаются принцип и результат оптимизации некоторых типичных ионообменных процессов, которые реализуются в следующем порядке 1) формулировка критерия оптимальности 2) выбор параметров оптимизации и обоснование ограничений 3) выбор метода оптимизации 4) обоснование математической модели процесса. [c.169]

В последние годы в Советском Союзе издан ряд книг по вопросам математического моделирования, расчета и оптимизации химических реакторов. Тем не менее, перевод и издание монографии Р. Ариса, крупного американского специалиста в этой области, представляется весьма целесообразным. Предлагаемая читателю книга отличается от других книг этого направления тем, что в ней с максимальной последовательностью проводится строгий математический подход в постановке и решении рассматриваемых задач. Некоторое абстрагирование от излишних физических и химических деталей предмета и четкая формализация проблемы представляются особенно необходимыми сейчас, в период становления научных основ проектирования и эксплуатации химических реакторов и отхода в этой области техники от чисто эмпирических методов. Вероятно, наибольшую ценность такой подход имеет при обучении студентов и аспирантов, для которых автор и предназначает свою книгу. [c.5]

Следует отметить, что значение линейного программирования не исчерпывается решением задач только указанных типов. Сообщается , что в методах решения задач так называемого выпуклого программирования существенным образом используется вычислительный аппарат линейного программирования. Кроме того, иногда при рассмотрении сложного нелинейного объекта иногда удается представить его математическое описание в некоторых локальных областях изменения независимых переменных приближенными линейными соотношениями. Это позволяет свести исходную задачу оптимизации к задаче линейного программирования. Тем самым становится возможным применять его математический аппарат, который в настоящее время разработан достаточно подробно и при наличии цифровой вычислительной машины обеспечивает решение оптимальных задач весьма высокой размерности. [c.413]

Исследование любой сложной технической системы всегда связано с принятием некоторых предпосылок и допущений о характере процессов ее функционирования, целью которых является разработка достаточно простых и точных математических моделей и методов анализа систем. При исследовании надежности ХТС такие допущения и предпосылки касаются выбора предполагаемого закона распределения потоков случайных событий — потоков отказов ХТС (элементов), режима функционирования ХТС и их элементов, зависимости отказов элементов ХТС и т. д. Принятые допущения и предпосылки позволяют разработать инженерные методы анализа и оптимизации показателей надежности ХТС, приведенные в гл. 7 и 8. [c.146]

В предлагаемой книге впервые сделана попытка систематизировать методы моделирования, анализа и оптимизации химических производств на основе использования топологических моделей и ЦВМ. Однако следует отметить, что в данной книге почти не рассмотрены некоторые методы математического моделирования сложных систем (эволюционные, семантические, эвристические и др.), поскольку они не нашли пока применения в химической технологии. [c.7]

В предлагаемом учебном пособии описаны математические методы оптимизации, получившие за последние годы распространение в химической технологии. Систематизация и прикладная направленность этих методов позволили сформировать курс лекций, читаемый в течение нескольких лет на кафедре кибернетики химико-техполо-гических процессов Московского химико-технологического института им. Д. И. Менделеева. Со1[ержание книги в основном соответствует принятому изложению лекционного материала, за исключением глав I и II, где приведены краткие сведения, рассматриваемые в других курсах кафедры и нужные для иллюстрации методов решения оптимальных задач. Кроме того, некоторые специальные математические вопросы, не относящиеся непосредственно к методам оптимизации, но необходимые при их изложении, вынесены в Приложение к книге. Такое построение учебного пособия исключает необходимость предварительного знакомства с дисциплинами, выхо-дяилимп за рамки обычных курсов химико-технологических вузов, и делает его доступным для инженеров-химиков и технологов, занимающихся оптимизацией химических производств и владеющих математической подготовкой в объеме технического вуза. Книга может оказаться также полезной аспирантам химико-технологических специальностей и химических факультетов университетов. [c.10]

Поставленную задачу можно решить простым перебором всех вариантов из матрицы Г. Можно также решать задачу оптимизации методом статистических испытаний. Сущность этого метода заключается в том, что решение задачи заменяется моделированием некоторого случайного процесса [32, 33]. Его вероятностная характеристика, например вероятность определенного события или математического ожидания некоторой величины, имеет тесную связь с возможным решением исходной аналитической задачи. При использовании указанного метода необходимо большое число раз моделировать соответствующий случайный процесс и статистически определять значение искомой характеристики — вероятности или математического ожидания. Поэтому метод статистических испытаний требует выполнения огромной вычислительной работы. [c.365]

Программа позволяет генерировать системы уравнений и допускает использование различных подпрограмм. Она состоит из трех основных блоков, которые используются последовательно один за другим. Первый блок формирует уравнения из структуры ХТС в форме / (д ) = 0. Второй блок определяет оптимальную совокупность выходных переменных с учетом одного из критериев минимального числа итерируемых переменных или критерия чувствительности. Третий блок предназначен для решения систем уравнений (в том числе и уравнений для элементов ХТС с распределенными параметрами) методами простой итерации с модификациями или методом Гаусса— Ньютона. В этом же блоке имеются подпрограммы для оптимизации ХТС и расчета ХТС с учетом неопределенности некоторых параметров математических описаний ХТС. [c.108]

ОД структурным анализом будем понимать получение некоторых свойств математической модели схемы исходя только из ее структуры, т. е. исходя лишь из уравнений связи [3, с. 23]. Используя методы структурного анализа, часто удается понизить размерность решаемых задач путем сведения одной задачи большой размерности к ряду взаимосвязанных задач меньшей размерности (если это, конечно, возможно). Структурный анализ вначале возник как средство повышения эффективности алгоритмов расчета с. х.-т. с. Однако методы структурного анализа, как видно из содержания последуюш их глав, имеют значение и для других разделов теории моделирования сложных схем — устойчивости, оптимизации и др. [c.44]

Преимущества и недостатки метода Ньютона применительно к задаче оптимизации рассмотрены в работе [11, с. 268] остановимся на наиболее существенном недостатке. Метод Ньютона требует определения матрицы Якоби — левых частей системы уравнений (II, 8). В случае расчета стационарных режимов ХТС аналитическое определение матрицы Якоби обычно требует очень трудоемкой подготовительной работы. Конечно, положение изменится, когда будут созданы системы программ моделирования ХТС, использующие математический аппарат сопряженного процесса [1, с. 139], позволяющий вычислять требуемые производные. Однако, поскольку таких программ, полностью автоматизирующих аналитическое определение матрицы Якоби, пока еще нет, метод Ньютона с аналитическим вычислением производных применяется очень редко. В связи с этим ставится задача использования метода Ньютона с некоторой аппроксимацией матрицы Якоби. Наиболее простым способом получения аппроксимации матрицы Якоби является разностный. В этом случае элементы р матрицы J подсчитываются следующим образом [c.31]

Рассматривается задача оптимизации теплообменной системы (ТС), показанной на рис. 28 и являющейся частью схемы некоторого производства [102]. ТС состоит из двенадцати теплообменников, двух делителей потоков —Д й смесителя С, фиктивных блоков ФБ, отражающих изменение температуры и давления в других аппаратах системы. Аппараты Т-2, Т-7, Т-8, Т-11, Т-12 осуществляют теплообмен между газом и водой, аппараты Т-3 и Т-4 выполнены в виде коробов с пакетами петлеобразных труб внутри, а остальные аппараты — обычные кожухотрубные теплообменники. Предполагаются заданными температуры потоков Г на выходе ТС, а также общий допустимый перепад давления на линиях технологических газов Ар (I), газов среднего давления Ар (II) и газов низкого давления Ар (III). Для математического описания теплообменных процессов был использован метод [103], позволяющий учесть отклонения схемы взаимного движения теплоносителей от удельного прямотока или противотока. Соответствующие уравнения имеют вид [c.163]

Когда значение 5о зафиксировано на наибольшем значении, как это часто бывает, критерий вида (5.6) переходит в критерий, представляющий собой продуктивность (по продукту или биомассе). Отметим, что температура и pH влияют на удельные скорости расходования субстрата и получения продукта и биомассы, а влияние скорости потока (разбавления) проявляется через систему уравнений (5.1) — (5.4). Далее решается задача оптимизации одним из методов, обычно на вычислительной машине. Результаты решения реализуются с помощью системы управления. Если же при решении задачи отсутствует надежная (адекватная) математическая модель объекта, то задача оптимизации решается непосредственным поиском оптимальных значений параметров на самом объекте. В этом случае устанавливаются некоторые значения параметров управления и новое стационарное состояние анализируется. Основываясь на отклике системы, устанавливаются новые параметры управления и т. д. до тех пор, пока не будут найдены оптимальные условия. Ясно, что в этом случае длительность переходных процессов существенно влияет на время поиска оптимальных условий и, следовательно, на эффективность процесса. Таким образом, одним из требований к системе есть сокращение времени поиска. [c.256]

Глава VI посвящена оптимизации химических реакторов — области, которая в настоящее время быстро расширяется. Мы ограничили анализ эконолгпческими и техническими принципами и описанием нескольких практических результатов. Некоторые математические методы получения оптимума упоминаются в конце главы. [c.12]

Ряд методов оптимизации, как, например, динамическое программирование, дает достаточную информацию о чувствительности оптимума уже в процессе их использования для решения оптимальных задач. Другие методы менее приспособлены к анализу чувствител ,-ностн оптимума. Лишь для задач линейного программирования имеется до некоторой степени разработанный математический аппарат (параметрическое линейное программирование), позволяюи1Ий изучать поведение оптимального решения при измеиенпи коэффициентов математического описания . [c.39]

Вероятностно-статистический метод оптимизации проектных решений для значений конструкционных и технологических параметров элементов (аппаратов) ХТС, когда некоторые параметры математических моделей элементов представляют собой случайные величины, изложен в статьях [226, 245]. На основе вороятностно-статистического метода предложен алгоритм оптимизации проектной надежности теплоотменного аппарата (ТА), позволяющий определить оптимальную величину запаса для поверхности теплообмена на стадии проектирования при любых значениях коэффициента теплопередачи внутри некоторой области его стохастического изменения и при соблюдении заданных ограничений на технологические и (или) технико-экономические параметры ТА [246]. При проектировании ТА в условиях неопределенности исходной информации необходимо учитывать следующие факторы (см. раздел 4.8.4), влияющие на значения коэффициента теплопередачи ТА 1) изменения расходов содержания примесей, температур и параметров физических свойств потоков в трубном и межтрубном пространствах, температур стенки и температурного профиля поверхности теп- [c.236]

Решение задач оптимизации и сопутствующих им задач математического моделирования связано, как правило, с выполнением довольно значительного объема расчетов. Этим до некоторой степени объясняется то, что до создания вычислительных машин, способных быстро и точно производить большой объем вычислительной работы, методы оптимального проектирования практически не имели широкого распространеЕ1ия. Появление вычислительных машин позволило качественно изменить отношение исследователя к задачам оптимизации, где от него теперь требуются предельно точная формулировка задачи и разработка алгоритма, ее решения. [c.28]

Алгоритмически задача выбора технологической схемы состоит в разработке или выборе методов ее анализа, оценки, оптимизации и синтеза. На этапе анализа составляются уравнения математического описания, задаются переменные процесса и схемы, и в результате решения получается информация о потоках, температурах, давлении, составах, размерах и т. д. Оценка состоит в совмест-ном использовании информации с предыдущего этапа и экономических данных для определения целевой функции. Оптимизация состоит в поиске наилучшего набора переменных процессов. Традиционно разработка технологических схем проводится на основании итерационного выполнения указанных этапов, и лишь в последнее время стало уделяться внимание этапу синтеза, который призван объединить в себе все предыдущие этапы на основе некоторого метода. Известно большое число методов синтеза [4, 52], основанных на различных подходах, и многим из них присуща необходимость использования некоторого метода решения систем нелинейных уравнений или метода оптимизации. Последние используются для сведения материального и теплового баланса схем. Задачи решения систем уравнений и минимизации некоторого функционала взаимосвязаны и могут быть сведены одна к другой. Например, условием минимума функции Р х) является равенство нулю частных производных дР1дх1 = О, 1 = 1, 2,. . ., п, а система уравнений f х) = О, I = 1, 2,. . ., п, может быть решена путем минимизации соответствующим образом подобранного функциона- [c.142]

Учебник состоит из девяти глав. Главы I—П1 содержат основные положения и предпосылки метода математического моделирования, общие принципы и схемы построения математических моделей, а также характеристику двух направлений в химической кибернетике, которые определяют исходные позиции при составлении математического описания. В главах IV, Vи VI подробно рассматривается методика построения кинетических, гидродинамических моделей и моделей некоторых химических реакторов (математическое описание детерминированных процессов). В главе VII приведены примеры составления математических моделей процессов без химического превращения, протекающих в аппаратах химической технологии. В главе VIII изложена методика построения статистических математических моделей (стохастические процессы), дана краткая характеристика наиболее распространенных методов составления статистических моделей и примеры к каждому из них. Поскольку основной целью математического моделирования является оптимизация хими-ко-технологических процессов, заключительная — IX глава содержит некоторые сведения об оптимизации и постановке задач оптимизации, смысл и содержание которых иллюстрируются на конкретных примерах. В приложения включены некоторые таблицы и специальные термины, используемые при разработке статистических моделей. [c.8]

Классификация методов. Для решений сформулированной в гл. 1 задачи комплексной оптимизации параметров и профиля адсорбционных установок или отдельных ее частей и элементов при однозначно (детерминированно) заданных значениях влияющих факторов могут быть применены многие из известных математических методов поиска экстремума функции многих переменных [49, 50]. Однако при практической их реализации на ЭВМ возникают серьезные вычислительные трудности. Некоторые простейшие, широко известные методы минимизации обычно совершенно непригодны для решения реальных задач. Поэтому проблема выбора наиболее целесообразного метода решения задачи поиска минимума сложной функции из числа существующих имеет большое значение. [c.121]

Поисковые методы оптимизации [107—112] используют математическую модель, полученную экспериментально-статистическими методами. Модель описывает исследуемый объект в некоторой локальной области изменения переменных. Область оптимума в общем случае не совпадает с областью математического описания, поэтому целевая функция служит лишь для выработки стратегии поиска оптимума. К числу основных поисковых методов относят метод Гаусса — Зейделя, метод случайного поиска, метод симплексов, метод градиента, метод наиско-рейшего спуска (крутого восхождения). [c.175]

Левишаускас Д. Е., Станишкнс Ю. Ю. Метод оптимизации некоторых математических моделей динамических систем.— В кн. Электротехника. Тематический сборник научных трудов вузов ЛитССР. Вильнюс, 1981, вып. 7, с. 31.. [c.273]

Имеется ряд работ, в которых описывается сведение задач оптимизации трубопроводных, электроэнергетических я транспортных систем к задачам кусочно-линейного и выпуклого программирования, к сетевым транспортным задачам и другим известным математическим моделям и методам оптимизации. В этом ряду вполне конкурентоспособным остался и метод фиктивных расходов Л.Ф. Мошнина, который упоминался выше в статье [162] описаны его эффективные реализации на ЭВМ. Некоторым развитием данного метода является дифференциальный алгоритм А.Г. Евдокимова [60], который предназначен для оптимизации МКС, но позволяет находить лишь локальный минимум, соответствующий теоретическим (а не стандартным) значениям диаметров. [c.171]

Другой подход к реализадаи математических моделей 4 и В может заключаться в применении общих математических методов вогнутого и дискретного программирования, например, разработанный в СЭИ В.П. Булатовым [31] метод последовательного отсечения подобластей допустимых решений, содержащих точки локальных минимумов вогнутой функции. Среди найденных локальных минимумов выбирается наименьший, который и дает глобальное решение задачи. При оптимизации этим методом конфигурации РС на схеме с параметрами w = 35 и и = 51 возникли трудности из-за медленной сходимости вычислительного процесса отсечений. Для их преодоления автором метода было предложено осуществлять сдвиг отсекающей гиперплоскости на некоторую величину И. Однако это привело к трудно решаемой проблеме радаонального выбора данной величины при увеличенном значении h можно пропустить глобальный минимум целевой функции, а при малых h процесс оптимизации требует чрезмерного машинного времени даже для сравнительно небольших сетей. [c.185]

Для оптимизации по более сложным зависимостям, входящим в состав экономико-математических моделей, или же при наличии нескольких возможных критериев оптимальности используются поисковые методы оптимизации, принципы векторной оптимизации, линейного, нелинейного, геометрического и динамического программирования. На основе указанных принципов разрабатываются алгоритмы решения задач технико-экономической оптимизации отдельных типовых процессов и их более сложных сочетаний. Ниже приводится описание некоторых из этих алгоритмов, которые нашли практическое применение в ЕСТЭО-ХТС [41, 42]. [c.44]

С другой сторонь , успехи теории разработки разных видов продукции. ра в[ тие новых областей точных прикладных наук (нссле.дсвантт(-. операций, оптимальное управление, планирование экспериглеита, некоторые разделы эконометрики, математические ие.тоды оптимизации) и создание сети ЭВМ. позволяют широко применять соверщенные количестве1 ные методы оптимизации требований к качеству продукции. Соответствующая работа выполняется во многих отраслях народного хозяйства. Однако она не координируется в масштабе страны и ведется разрозненно, что приводит к неоправданным потерям средств и времени. [c.165]

Четоды исследования функций классического аиализа, рассмотренные в предыдущих главах, за исключением метода миожителей Лагранжа, наиболее эффективно применяются для оптимизации процессов с сосредоточенными параметрами. Лишь в ряде случаев, используя особенности математического онисания конкретных н[)оцессов, указанными методами удается репитгь некоторые задачи оптимизации процессов с распределенными параметрами. Для этих процессов решение характеризуется пе совокупностью значений конечного числа независимых переменных, а соответствующей функцией от независимо/ переменной (как, например, ири решении задачи выбора оптимального температурного профиля в реакторе вытеснения). [c.191]

Оптимизация процесса регенерации реального аппарата невозможна без определения условий проведения процесса на единичном зерне для оценки возможных местных перегревов, приводящих к снижению механической прочности и каталитической активности катализатора. Поэтому изучение процесса регенерации целесообразно провести последовательно на единичном зерне, в неподвижном слое, в реальном аппарате. Такой подход не нов процесс на единичном зерне и в неподвижном слое исследовался в СССР Г. М. Панченковым и Н. В. Головановым [1], Д. П. До-бычиным и Ц. М. Клибановой [2]. Особенностью излагаемого ниже подхода является одновременное решение элементарных уравнений материального и теплового баланса с учетом методов, изложенных в главах II, IV и VIII. Такой подход позволяет получить строгое и достаточно точное описание неизотермического процесса, некоторые новые результаты (например, определить температуру разогрева зерна, температуру горячей точки слоя, моделировать различные реакционные системы и т. п.) и, главное, обоснованно подойти к созданий математического описания промышленного регенератора. [c.295]

Методы структурной оптимизации. Они предполагают на первом этапе определение способов реализации химического производства (выбор альтернативных способов ведения процесс на отдельных стадиях) и создание на их основе некоторой интегрально-гипотетической технологической схемы, включающей все возможные варианты распределения материальных и энергетических ресурсов. Оптимизация ведется по специально определенным структурным параметрам распределения потоков, значения которых обычно задаются в диапазоне от О до 1 и характеризуют разделение или разветвление некоторого выходного потока. Конечные значения параметров и определяют технологическую схему. Нулевые значения отдельных из них свидетельствуют об отсутствии соответствующей связи аппаратов. С математической точки зрения задача синтеза представляет собой решение систем нелинейных уравнений, соответствующих описанию отдельных элементов (подсистем), и уравнений, отражающих структурные взаимосвязи между этими элементами (подсистемами). Основными методами решения являются методы нелинейного программирования. В виду высокой размерности системы уравнений поиск оптимального решения (технологической схемы) представляет определенные трудности вследствие многоэкстремальности и нелинейности задачи. [c.438]