Оптимизация процессов статистическая

Предлагаемая читателю монография представляет восьмую книгу в единой серии работ авторов под общим названием Системный анализ процессов химической технологии , выпускаемых издательством Наука с 1976 г. Семь предыдущих монографий 1. Основы стратегии, 1976 г. 2. Топологический принцип формализации, 1979 г. 3. Статистические методы идентификации объектов химической технологии, 1982 г. 4. Процессы массовой кристаллизации из растворов и газовой фазы, 1983 г. 5. Процессы измельчения и смешения сыпучих материалов, 1985 г. 6. Применение метода нечетких множеств, 1986 г. 7. Энтропийный и вариационный методы неравновесной термодинамики в задачах анализа химических и биохимических систем, 1987 г.) посвящены отдельным вопросам теории системного анализа химико-технологических процессов и его практического применения для решения конкретных задач моделирования, расчета, проектирования и оптимизации технологических процессов, протекающих в гетерогенных средах в условиях сложной неоднородной гидродинамической обстановки. [c.3]

Для оптимизации использовались статистические методы планирования экспериментов [4]. По априорным данным в качестве независимых параметров были выбраны Х1— весовая скорость подачи изобутилена (1—С4), г/г час — концентрация раствора С НаО, % вес Хд-молярное отношение реагентов х —температура процесса параметрами оптимизации Ух, у — выходы МВД в расчете на пропущенный и превращенный формальдегид. Условия проведения опытов, матрица планирования и результаты пред ставлены в табл. 1. [c.138]

Любое планирование и последующая оптимизация в производственных условиях должны приспосабливаться (адаптироваться) к временному дрейфу процесса. В настоящее время используют методы статистической адаптационной оптимизации производственных процессов, основанные на использовании факторного или симплексного планирования. Эти методы требуют некоторого варьирования регулируемых переменных, т. е. покачивания режима производственной установки. По результатам такого варьирования определяют и устанавливают оптимальный режим через некоторое время всю процедуру повторяют для уточнения положения оптимума. [c.41]

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]

Третий путь составления математических моделей с целью оптимизации процесса основывается на применении современных методов математической статистики с получением математических зависимостей, необходимых для вычисления экстремальных значений технологических критериев. Математико-статистические модели формулируются в виде алгебраических уравнений (регрессий) и снимаются непосредственно с эксплуатируемых установок [56]. Для снятия этих математических моделей необходимо варьировать отдельные технологические параметры, что на заводских установках не всегда безопасно. [c.35]

Такая задача оптимизации решается с помощью методов нелинейного математического программирования. Очень часто методы определения экстремума нелинейной функции при наличии ограничений на оптимизируемые параметры делят по признаку организации процесса поиска на методы слепого поиска и методы направленного поиска. К методам слепого поиска относятся [30] метод сплошного перебора вариантов (метод прямого упорядочения вариантов по критерию эффективности) и метод статистических испытаний (метод Монте-Карло) [24]. К методам направленного поиска относятся градиентный метод, метод наискорейшего спуска, метод покоординатного спуска и другие. [c.360]

На основании этой статистической модели была проведена оптимизация процесса замедленного коксования она заключалась в подборе применительно заданному значению нерегулируемого параметра Х1 таких значений регулируемых параметров (Хз, Х4, 5, Хб , чтобы выход кокса (критерий оптимизации) принял максимальное значение при ограничениях, приведенных ниже [c.263]

Система управлений и решение задачи оптимизации процесса. Общим и необходимым условием математической модели является ее изоморфность объекту. Математические модели, полученные в виде системы интегро-дифференци-альных уравнений, отражают физические, химические, энергетические и другие процессы, протекающие в объекте. В то же время получение таких моделей, особенно на промышленных объектах, весьма затруднительно. Поэтому наиболее часто применяются вероятностно-статистические методы, изоморфность которых относительно объекта в общем случае наблюдается только по входам и выходам, что в ряде случаев является недостаточным для построения системы уравнений. [c.147]

Для уменьшения числа многофакторных лабораторных и промысловых экспериментальных работ необходимо применять статистические методы планирования эксперимента. Наиболее простым считается метод Бокса-Уилсона -планирование экстремального эксперимента с целью оптимизации процессов. Сущность метода в следующем. Предлагается проводить последовательные небольшие серии опытов, в каждом из которьгх по определенньш правилам изменяются все факторы. По результатам каждой серии выбирается математическая модель и оцениваются численные значения констант (коэффициентов) этого уравнения. Анализ коэффициентов уравнения позволяет определрггь направление движения по градиент функции к оптимальной области. Если оптимум не достигнут с первой попытки, проводится следующая серия экспериментов. Так, шаг за шагом, достигается цель эксперимента при значительном сокращении числа опытов. [c.190]

Решение общей задачи оптимизации процесса. Выше были даны обоснования выбора вероятностно-статистического метода, разработка математической модели, разработка системы управления и решение частной задачи оптимизации для этиленового режима. [c.151]

Для оптимизации процессов широко используют кибернетические методы и при экспериментальном изучении — статистические методы планирования экспериментов, позволяющие на основе предварительного математического анализа сократить число опытов до минимально необходимого. [c.19]

В книге в доступной для химиков форме изложены современные методы математической статистики, применяемые при разработке и оптимизации химико-технологических процессов на различных стадиях исследования. Книга состоит из двух частей. В первой части приведены различные способы математической статистики и статистического планирования экспериментов, включая практические рекомендации и числовые примеры. Вторая часть книги содержит примеры исследования и оптимизации процессов из различных областей химии и химической технологии. В приложении даны необходимые сведения из смежных разделов математики. [c.223]

Некоторые задачи оптимизации процесса прессования термореактивных пластмасс с целью достижения высокой точности изделий рассмотрены в книге [16, с. 173].- В работе [25] решена задача оптимального управления процессом отверждения связующего в эпокси-фенольном стеклопластике. Задача решалась в детерминистической постановке методами теории оптимального управления [15, 119]. Статистические методы оптимизации рассматриваются, например, в работе [130]. В целом проблема оптимизации производственных процессов получения прессованных стеклопластиков еще только начинает решаться. [c.158]

Нахождение и статистическое обоснование общности этой зависимости для целого класса процессов дает основание, во-иервых, для разработки углубленной физической модели процесса и, во-вторых, для разработки критерия качества оптимизации процесса. [c.155]

Далее, рассматривая вопросы создания высокопрочных ориентированных стеклопластиков, следует указать на недостаточную изученность связи упруго-прочностных и деформативных свойств компонентов с прочностью композита, на необходимость оценки надежности системы в статистическом аспекте, исходя из надежности арматуры и связующего, а также на важность работ по оптимизации процесса формования стеклопластика. Поставленные вопросы тесно взаимосвязаны и взаимообусловлены. Поэтому их комплексное рассмотрение имеет важное научное и практическое значение. [c.6]

ОПТИМИЗАЦИЯ ПРОЦЕССА ПЕРЕГОНКИ БРАЖКИ В ПРОИЗВОДСТВЕ ЭТИЛОВОГО СПИРТА С ИСПОЛЬЗОВАНИЕМ СТАТИСТИЧЕСКИХ МЕТОДОВ И ЭЛЕКТРОННЫХ ВЫЧИСЛИТЕЛЬНЫХ МАШИН [c.215]

Для выяснения возможности проведения полной статистической обработки уравнений регрессии и пригодности их для оптимизации процесса были вычислены парные коэффициенты корреляции. Результаты расчетов приведены в табл. 77. [c.151]

В предыдущей главе были рассмотрены методы построения экспериментально-статистических моделей в виде уравнений регрессии. Здесь мы рассмотрим вопрос о том, как использовать эти модели для оптимизации процессов или свойств многокомпонентных систем. [c.21]

Нахождение и статистическое обоснование общности этой зависимости для целого класса процессов позволит, во-первых, разработать углубленную физическую модель процесса (что не является предметом рассмотрения в данной книге) и, во-вторых, найти критерий качества для оптимизации процесса (что мы подробно рассмотрим). [c.85]

И в а н о в А. 3. п др. Экспериментально-статистические методы получения математического описания и оптимизации сложных технологических процессов. Труды ОКБА. Вып. 2. М., НИИТЭХИМ, 1964. [c.168]

Кинетические описания, позволяющие решать любые задачи оптимизации химических процессов, являются более универсальными, чем статистические, однако они значительно сложное. [c.54]

Для многих сложных процессов периодического типа, а также полунепрерывных процессов в условиях статистической неопределенности информации о процессе, как правило, нелинейном, решается задача динамической оптимизации на конечном интервале времени — задача оптимального перевода объекта из начального состояния в конечное. [c.277]

Подобная ситуация типична для детерминированных процессов, природа которых недостаточно изучена, случайных процессов с неизвестными статистическими характеристиками или когда вообще не ясно, является ли процесс детерминированным или стохастическим, и т. д. Единственно возможным подходом в этих условиях является наблюдение текущих реализаций и их обработка. При этом регулярные итеративные методы становятся непригодными и возникает необходимость в использовании принципов адаптации, основанных на вероятностных итеративны х процедурах. Идея построения вероятностных итеративных процедур состоит в переносе схем регулярных алгоритмов типа (2.4) — (2.6) на случай, когда градиент функционала V/ (а) неизвестен. Для этого в процедурах (2.4)—(2.6) специальным образом подбирается матрица Г и вместо неизвестного градиента V/ (а) используются наблюдаемые реализации (х, а). Таким образом, вероятностный алгоритм оптимизации алгоритм адаптации) можно записать в одной из трех форм рекуррентная форма [c.85]

Для описания термодеструктивных процессов применяют также систему регрессионных уравнений, показывающих зависимость Bofi TB и выхода продуктов крекинга от параметров процесса. При составлении уравнений используют статистические методы пассивного эксперимента. Полученная модель полезна для анализа и оптимизации процесса крекинга нефтепродуктов. [c.83]

Таким способом технологическую системы удается описать формулами и уравнениями. Совокупность таких уравнений, не обладая всей широтой охвата, который н])исущ детально разработанной теории процесса, после проверки эмпирическими методами все же может вполне удовлетворительно использоваться для технических целей. Эта совокупность уравнений называется математической моделью. Новые статистические методы, новые вычислительные устройства и повышенный интерес к задачам, связанным с оптимизацией процессов и управлением ими, во многом способствовали совершенствованию методов построения таких моделей. Важнейшие новые методы включают планирование последовательности измерений для выяснения клю- [c.6]

С помощью статистических методов планирования эксперимента проведена оптимизация процесса получения 3-метилбутандиола-1,3 из изобутилена и разбавленного водного раствора формальдегида в присутствии катионита КУ-2Х8. Показано, что при рециркуляции побочных продуктов выход диола значительно возрастает. [c.188]

Определение оптимальных условий сушки проводили на примере хлорида натрия. Для оптимизации процесса использовали метод статистического планирования эксперимента [I, 3, 4]. Параметром оптимизации служил выход продукта по сухому веществу у, %. В качестве независимых переменных приняты X]—линейная скорость сушильного агента, Mj 6K Х2 — массовая загрузка материала, кг1м -, Хз — время процесса, се/с Х4 — температура сушильного агента на в.ходе в сушилку, °К Хь — частота вибрации, гц Хв — смещение вибрации, м x-t — живое сечение решетки, % [c.166]

Рассмотрим прямоточную выпарную систему с трехкратным использованием тепла и состоящую из трех МВУ. Каждая МВУ является четырехкорпусной установкой. Учитывая рекомендации [18] и возможность сбора статистического материала на действующей установке производства, для окончательного упаривания щелочи на второй стадии выпарки в МВУ были использованы выпарные аппараты с усиленной естественной циркуляцией (аппараты Левина). Изучив предложенный вариант методики построения подсистемы оптимизации цеха выпарки АСУТП хлорного производства, достаточно просто построить подсистему для других возможных вариантов технологических схем и аппаратурного оформления процесса выпарки. Осуществить это позволяют математические модели и алгоритмы оптимизации процесса выпарки, учитывающие практически все возможные варианты применяемых на производстве выпарных систем и приведенных в [4, 5, 120, 139, 146—148]. Упрощенная технологическая схема одной МВУ представлена на рис. VI-1. По технологическому назначению в ней можно выделить ряд участков. [c.173]

Не останавливаясь на описании главных этапов статистического анализа [2], приведем результаты заключительных этапов работы, завершившейся постановкой и решением задачи техникоэкономической оптимизации процесса купрокаталитической димеризации ацетилена. [c.95]

Основу второй ступени иерархии (см. рис. В-5) химического предприятия составляют агрегаты, комплексы и т. д. и автоматизированные системы управления технологическими процессами (АСУТП). Под агрегатом будем понимать взаимосвязанную совокупность отдельных типовых технологических процессов и аппаратов, при взаимодействии которых возникают статистически распределенные по времени возмущения, их наличие подтверждает существование стохастических взаимосвязей между входными и выходными переменными подсистем. Вследствие создания новых высокоинтенсивных технологических процессов, агрегатов большой единичной мощности и реконструкции действующих предприятий с целью оптимизации процессов возникли принципиально новые научно-технические задачи, которые не приходилось решать ранее это организация работы химических производств и агрегатов в оптимальных режимах по экономическим и энерготехнологическим показателям с энергозамкнутыми технологическими потоками и исключением вредных выбросов в окружающую среду передача функций управления самому агрегату через оптимальную организацию материальных и энергетических потоков в агрегате, т. е. придание структуре агрегата кибернетической организации обеспечение надежности функционирования агрегата. [c.14]

В дальнейшем предполагается полученные аналитические модели уточнить экапери ментально-статистическими методами и применить в качестве основы для разра ботки алгоритма оптимизации процесса (В условиях автоматизированной системы управления процессом. [c.3]

И. И. Иоффе, Л. M. Письмен, Статистические методы исследования кинетики химических процессов, сб. Мйделирование и оптимизация каталитических процессов . Изд. Наука , 1965. [c.118]

Вследствие возникаюш их математических затруднений в настоящее время предпочитают комплексное регулируемое управление, так как оно основывается на состоянии потока, выходящего из элемента процесса. Из-за динамическогр (переходного) состояния этого элемента регулирование замедляется. Программу регулирования можно разрабатывать, не принимая во внимание точной математической модели. При разработке таких программ регулирования пользуются численными методами, о которых уже говорилось в этой главе, а также рассмотренными в гл. 12 статистическими методами и методом Бокса. При оптимизации управления можно использовать установленную в регулирующем устройстве электронную счетную машину. [c.354]

Хорн и Тролтенье [23], Сторей [25] и другие пользуются еще одним перспективным методом оптимизации, так называемым методом крутого восхождения. Допустим, что объективная функция отимизации М изображена поверхностью в л 4-1 мерном пространстве, параметрами которого служат ка М, так и п переменные Хи Х2,..., Хп. В некоторой точке этой поверхности М достигает экстремального значения и требуется найти соответствующие значения переменных. Метод крутого восхождения, сочетающий ряд численных приемов, особенно удобных при использовании электронно-вычислительных машин, позволяет исследовать поверхность оптимизации наиболее экономичным способом. Для этого не обязательно знать кинетику процесса химических реакций. Бокс и его сотрудники разработали эффективные статистические методы построения такой поверхности и нахождения на ней наивысшей точки, для применения которых вполне достаточно опытных данных, полученных на установке. [c.151]

Решать задачу повышения надежности оборудования ХТС в работе [147] предлагается на основе оптимизации сроков эксплуатации оборудования с учетом затрат на ремонт. Исследование и отыскание оптимальных сроков эксплуатации (фактически это межремонтные сроки) осуществляется с иопользо-ванием метода статистических испытаний. Критерием эффективности выбора срока проведения ТО являются общие затраты на эксплуатацию и ремонт. Однако этот метод не позволяет активно управлять процессом эксплуатации оборудования, представляющим собой случайный процесс смены состояний. Аналогичное повышение уровня надежности ХТС иа основе определения оптимальных межремонтных сроков оборудования рассмотрено в работе [100]. [c.97]

Методы кибернетики в химии и химической технологии (1971) -- [ c.118 , c.142 , c.173 ]

Методы кибернетики в химии и химической технологии (1971) -- [ c.118 , c.142 , c.173 ]

Математическое моделирование в химической технологии (1973) -- [ c.0 ]

Методы кибернетики в химии и химической технологии 1968 (1968) -- [ c.118 , c.309 ]

Методы кибернетики в химии и химической технологии Издание 3 1976 (1976) -- [ c.150 , c.205 ]

Справочник химика 21

Химия и химическая технология