Моделируемый процесс

В моделируемом процессе проявляются две конкурирующие стороны процесса сульфирования. Одной из них является длительность процесса, другой — соотношение между количеством кислоты и сополимера, загружаемых в аппарат. Последняя определяет в конечном счете величину съема продукта с единицы объема реактора за рабочий цикл. Таким образом, возникает типичная [c.367]

Сущность метода математического моделирования заключается в том, что изменение масштаба моделируемого процесса производится непосредственно на самой математической модели с помощью электронных вычислительных машин. Математическое моделирование включает три этапа [c.156]

Наиболее удобной аналоговой моделью является математическая машина — модель, осуществляющая расчеты на основании математического описания моделируемого процесса. Создание таких математических моделей стало возможно в связи с широким использованием вычислительных машин. Современные вычислительные машины позволяют осуществить огромное число различных математических операций, а в перспективе — провести расчеты по математическому описанию любого физико-химического процесса. Именно поэтому они являются универсальными математическими моделями. [c.13]

Моделируемый процесс и сама модель по термической характеристике подразделяются на горячие и холодные. [c.129]

При недостаточно изученном процессе возможно введение в модель гипотетических соотношений, уточнение которых можно осуществить при последующем сопоставлении модели с реальным объектом или его физической моделью. При математическом моделировании с одной стороны модель используется для изучения некоторых характерных особенностей моделируемого процесса и вместе с тем она применяется для создания высококачественных систем автоматического управления, предусматривающих оптимальное ведение процесса (с применением модели в контуре управления). [c.7]

Исходя из известных сведений о рассматриваемом процессе, необходимо произвести оценку значений параметров уравнений математической модели, имея в виду возможность последующего уточнения их величины. Этот путь одновременно позволяет проводить более глубокое изучение моделируемого процесса и является наиболее эффективным в настоящее время, когда наши знания о процессах разделения еще далеки от совершенства. [c.7]

Кодовые диаграммы помогают правильно представить физикохимическую основу моделируемых процессов на начальных ста- [c.24]

Как видно из самого названия, математическое моделирование представляет собой имитацию реального перерабатывающего оборудования или процесса формования с помощью математических формул, в которых описание свойств сырья, относительной роли различных физических явлений и геометрии перерабатывающего оборудования всегда имеют приближенный характер. Математическая модель, таким образом, всегда является аппроксимацией реального явления. Чем лучше модель, тем ближе она к реальной действительности. В области переработки полимеров моделируемый процесс представляет собой процесс формования (или его часть), состоящий из ряда сложных, главным образом транспортных физических явлений, происходящих в оборудовании, имеющем также сложную конфигурацию. [c.113]

Число и вид критериев подобия для каждого моделируемого процесса зависят от его физической природы и особенностей. Для процессов, которые можно свести к задаче движения материальной точки, критерием подобия является число Ньютона [c.13]

Коэффициенты турбулентной диффузии можно ориентировочно Оценить совместным решением уравнения второго закона Фика с гидродинамическими уравнениями Навье—Стокса и неразрывности потока [24]. Практически в работающих реакторах всегда происходит перемешивание, поэтому наиболее точно суммарный коэффициент диффузии Од или же количество С диффундирующего вещества определяют опытным путем, а затем эти данные переносят на моделируемый процесс с помощью критериальных уравнений. [c.28]

Метод изучения кинетики реакции во взвешенном слое катализатора [3, 26, 29, 31] приобретает большое значение, в частности, при моделировании производственных условий некоторых процессов. Ведение реакций во взвешенном слое требует тщательного выбора гидродинамических условий, приближающихся к моделируемому процессу. Прежде всего важно, аналогичное моделируемому процессу, отношение действительной скорости w к скорости начала взвешивания кув катализатора. [c.289]

Математическая модель должна быть адекватна моделируемому процессу, поэтому необходимо, чтобы она могла обеспечить выполнение следующих условий [c.85]

Однако в данной главе под терминами модель и моделирование подразумеваются в основном (за исключением раздела о структуре потоков, см. стр, 117 сл.) материальное моделирование и материальные модели, Рассмотрены главным образом основы физического моделирования, при котором в опытах на модели меняются (по сравнению с производственными условиями) лишь масштаб установки, используемые вещества, температурные условия и т. п., но физическая сущность изучаемого в модели процесса остается той же, что и у моделируемого процесса (в натуре). [c.66]

Не всегда возможно, чтобы АВМ решала задачу с той же скоростью, с которой осуществляется моделируемый процесс (это необходимо, если АВМ входит в систему управления объектом и связана с ним прямыми и обратными связями). Если АВМ решает задачу слишком быстро, то могут не успеть сработать некоторые ее элементы (например, самописец, на который подается выходной сигнал). Если же решение будет слишком длительным, то кроме потери времени возможно снижение точности из-за дрейфа нуля усилителей, потери заряда на конденсаторах и т. п. Поэтому возникает необходимость масштабирования и независимой переменной, т. е. времени. Способность работать в ускоренном или замедленном масштабе времени — важное достоинство АВМ. В ходе масштабирования определяются коэффициенты передачи для всех усилителей и потенциометров при необходимости могут вводиться новые масштабные усилители и потенциометры. [c.337]

Первым из этих подходов является использование качественных представлений о моделируемом процессе для записи необходимого множества условных предложений. Вторым — нечеткая интерпретация существующего математического описания. Это определяется тем, что результаты, получаемые с помощью достаточно сложных моделей, носят качественный характер и отражают наиболее выраженные, характерные особенности изучаемого процесса. Третьим — использование процедуры идентификации па основе последовательности данных текущих измерений [38]. Рассмотрим последний подход подробнее. [c.54]

При получении модели невыгодно путем различных замен переходить к уравнению высокого порядка, так как при решении дифференциальных уравнений любого порядка на вычислительных машинах они программируются как системы дифференциальных уравнений первого порядка. Более важный аспект состоит в том, что основные связи, действующие в моделируемых процессах, описываются уравнениями первого порядка. Например, приведенное уравнение второго порядка (масса X ускорение = сила), в котором масса постоянна, является частным случаем. Более фундаментальна связь следующая [c.23]

Для изучения физических закономерностей моделируемого процесса предварительно проводились работы на небольшой опытной установке. В частности, было установлено, что температура жидкости при прохождении ее через змеевик в каком-то месте достигает точки кипения за счет>тепла, отдаваемого паром [c.191]

В большинстве случаев удовлетворительная точность решения достигается при разделении области существования решения на неожиданно малое число зон. Причем разделение этого пространства обычно бывает неравномерным там, где градиент изменения переменных велик, зон больше, а там, где мал — меньше. Поэтому эта операция обычно осуществляется при участии технолога — специалиста в области моделируемого процесса, который может заранее предположить, как разделить изучаемую систему на зоны. Точность аппроксимации нри одном и том же числе зон может быть значительно повышена за счет правильного разделения на зоны. [c.221]

Методы математического моделирования применяют для изучения свойств математически описанных процессов. В зависимости от степени полноты математического описания можно выделить два предельных случая а) известны полная система уравнений, описывающая все основные стороны моделируемого процесса, и все численные значения параметров этих уравнений б) полное математическое описание процесса отсутствует. Этот второй случай типичен для решения кибернетических задач, в которых приходится иметь дело с управлением процессами при наличии неполной информации об объекте и действующих на него возмущениях. При этом параллельно с решением задачи моделирования решают задачу создания модели, что существенно отличает данный случай от моделирования математи-, чески описанных процессов. [c.17]

Задача оценки переменных состояния химико-технологического процесса, к которым можно отнести температуру, дав.ттение, составы фаз, расходы жидких и газообразных среди т. д., состоит в том, чтобы по показаниям измерительных приборов, функционирующих в условиях случайных помех, восстановить значения переменных состояния системы, наиболее близкие в смысле заданного критерия к истинным значениям. Применительно к химико-технологическим процессам важность решения задач оценки переменных состояния и определения неизвестных параметров модели объекта имеет три аспекта открывается возможность получать непрерывно информацию о тех переменных состояния слон<-ного объекта, непосредственное измерение которых невозможно по технологическим причинам (например, концентрации промежуточных веществ, параметры состояния межфазной поверхности, доля свободных активных мест катализатора и т. п.) реализация непрерывной (в темпе с процессом) оценки переменных состояния и поиска неизвестных параметров модели создает предпосылки для прямого цифрового оптимального управления технологическим процессом решение задач идентификации решает проблему непрерывной оптимальной адаптации нелинейной математической модели к моделируемому процессу в условиях случайных помех и дрейфа технологических характеристик последнего, что необходимо для осуществления статической и динамической оптимизации. [c.283]

При помощи модели МН-7 решаются обыкновенные линейные и нелинейные дифференциальные уравнения до шестого порядка включительно или система, содержащая шесть уравнений первого порядка. Конструкция модели позволяет объединить в единую схему две машины и более, что соответственно увеличивает порядок уравнений моделируемого процесса. [c.88]

Ректификационная колонна представляет собой совокупность нескольких аппаратов собственно колонна, кипятильник колонны, дефлегматор. В процессе работы все эти аппараты связаны между собой обш ими потоками жидкости и пара. При математическом моделировании недостаточно полное отражение в модели свойств любого из них может привести к погрешности в общих результатах моделирования. Таким образом, различные математические модели ректификационных колонн имеют отдельные группы уравнений, которые описывают сходные стороны моделируемого процесса. Модели могут различаться между собой степенью полноты описания этих сторон, что в основном и определяет области их конкретного применения. [c.249]

Возможность проводить расчеты в динамическом режиме позволяет гораздо лучше попять сущность моделируемых процессов. Можно собрать п испытать схему регулирования, исследовать пусковые режимы, получить представление о реально работающем процессе и поведении объекта в нештатных ситуациях, о влиянии изменения рабочих параметров на качество продуктов. [c.145]

Все авторы ограничивались разбором только той части модельной установки, которая содержит реактор, и пренебрегали влиянием остальных аппаратов. Такое разделение не умаляет важности и познавательной ценности их работ реактор является наиболее важным звеном моделируемого процесса. Кроме того, рассмотрение полной модели процесса, по всей видимости, превысило бы возможности используемогэ для этой цели вычислительного оборудования. [c.120]

Следовательно, с помощью стохастической модели можно изучить ряд свойств моделируемого процесса. [c.646]

Основные этапы построения экономико-математических моделей ХТС были подробно изложены в первой главе. Как отмечалось, на первом этапе определяется, к какой из основных групп физико-химических процессов относится моделируемый процесс. Это позволяет на стадии получения математического описания использовать законы гидродинамики, теплообмена, массообмена и т. д., присущие данному процессу. [c.58]

На втором этапе проводится единый количественный и качественный анализ моделируемого процесса, определяются необходимые условия его протекания. Статистической обработкой исходных данных исследуются взаимосвязи между управляющими параметрами и входными показателями процесса. [c.58]

Для моделируемого процесса дополнительными расчетами установлены следующие существенные связи между анализируемыми параметрами и факторами. [c.67]

Коэффициенты турбулентной диффузии можно ориентировочно оценить совместным решением второго закона Фика с гидродинамическими уравнениями Навье — Стокса и неразрывности потока [28]. Практически в работающих реакторах всегда происходит перемешивание [32], поэтому наиболее точно суммарный коэффициент диффузии Од или же количество дифундирующего вещества О определяют опытным путем, а перенос опытных данных в моделируемый процесс производят с применением критериальных уравнений. [c.32]

Исследование вероятностной природы моделируемого процесса, определение законов распределения случайных величин и их основных числовых характеристик, необходимых для построения модели, осуществляются в результате обработки ститистической информации, отражающей функционирование объекта на предьщущих периодах планирования. [c.96]

Необходимо, чтобы модель достаточно верно онисыв ала качественно и количественно свойства моделируемого процесса, т. е. она должна быть адекватна моделируемому процессу. [c.15]

В седьмом разделе рассматриваются наиболее распространенные методы математического моделирования, которые используются в тех случаях, когда применение математических моделей на основе канонизированньк описаний явлений массоэнергопереноса либо нецелесообразно в силу их высокой стоимости и несущественного преимущества по адекватности моделируемого процесса, либо невозможно по причине отсутствия четких физических представлений [c.6]

Как Правило, прёвышает число параметров моделируемого процесса. Иногда удается создать лишь приближенную физическую модель, когда результаты протекания процесса в объекте моделирования практически не зависят от некоторых критериев подобия, которые по этой причине можно исключить. [c.16]

Решение такой задачи возможно только при наличии экономикоматематических моделей ХТС, отражающих взаимосвязи между основ-ньили технологическими параметрами моделируемых процессов и их технико-экономическими показателями. [c.58]

При достаточно глубоких и полных исследованиях связей, существующих между экономикой и технологией моделируемых процессов и создании на их основании правил предпочтения — эвристик, применение метода позволяет достичь достаточно удовлетворительных результатов. Идеи эвристического программирования были использованы при разработке системы автоматизированного проектирования химических производств AIDES [ 17]. [c.108]

Справочник химика 21

Химия и химическая технология