Статическая оптимизация

На этапе макрокинетических исследований решают следующие задачи 1) выбор типа опытного реактора, осуществляемый в соответствии с данными об организации процесса 2) определение модели гидродинамики процесса на основе данных о структуре потоков 3) анализ диффузионных эффектов, процессов массо- и теплопереноса в аппарате и оценка соответствующих тепловых и диффузионных параметров 4) синтез статической математической модели и процесса, установление ее адекватности 5) статическая оптимизация 6) синтез динамической модели процесса и установление ее адекватности анализ параметрической чувствительности 7) анализ устойчивости теплового режима процесса 8) динамическая оптимизация. [c.29]

В табл. 1 дана характеристика областей применения различных методов оптимизации, при этом за основу положена сравнительная оценка эффективности использования каждого метода для решения различных типов оптимальных задач. Классификация задач проведена по следующим признакам 1) вид математического описания процесса 2) тип ограничений на переменные процесса и 3) число переменных. Предполагается, что решение оптимальной задачи для процессов, описываемых системами конечных уравнений, определяется как конечный набор значений управляющих воздействий (статическая оптимизация процессов с сосредоточенными параметрами), а для процессов, описываемых системами обыкновенных дифференциальных уравнений, управляющие воздействия характеризуются функциями времени (динамическая оптимизация процессов с сосредоточенными параметрами) или пространственных переменных (статическая оптимизация процессов с распределенными параметрами). [c.34]

Статическая оптимизация — наиболее легкий и простой метод управления при помощй вычислительных устройств, рассматриваемый в данной книге. Она дает возможность процессу рассчитывать новый наилучший режим работы в случае, если внешние условия потребуют осуществить изменения для поддержания показателей процесса на оптимальном уровне, обусловленном обычно экономическим критерием. Такие расчеты выполняются исходя из предположения, что технологический процесс является стационарным и может мгновенно переходить из одного устойчивого состояния в другое. [c.111]

Системы управления конкретным процессом могут отличаться по своим возможностям и по степени сложности. Нет необходимости повторять, что степень сложности применяемого математического аппарата сильно меняется при переходе от простой системы регулирования к более сложной. Различают следующие уровни автоматизации в порядке возрастания сложности стабилизация входных параметров, динамическое регулирование выходных параметров, статическая оптимизация как основа настройки систем управления, самонастраивающееся управление и, наконец, динамическая оптимизация. [c.110]

Динамическая оптимизация отличается от статической оптимизации еще большей сложностью процесс не только поддерживается на оптимальном уровне в стационарном режиме, но и переход от одного рабочего положения к другому ведется таким путем, который лучше всего удовлетворяет определенным, чаще всего экономическим, критериям. Этот метод регулирования представляет в настоящее время лишь академический интерес, так как для его осуществления требуются вычислительные устройства большой мощности. Однако практическое его воплощение наверняка окажется возможным в самом недалеком будущем. [c.111]

Если контур оптимизации ограничен алгебраическими соотношениями и данными о стационарном ходе процесса, регулирование осуществляется на уровне статической оптимизации как основы настройки системы регулирования. Следующим естественным шагом является сочетание самонастраивающегося и оптимального видов управления, [c.119]

В приведенной постановке отсутствует информация о длительности периода, о начальном и конечном состояниях системы и имеются среднеинтегральные ограничения в течение периода. Представляет интерес сопоставить решение задачи оптимизации нестационарного циклического процесса с решением задачи статической оптимизации. Выпишем соотношения для стационарного случая, которые получаются из (7.1)—(7.4) при условиях постоянства векторов состояний х (i) и управления U t) [c.289]

Тест особого управления [67] является частным случаем я-крите-рия. Его применение целесообразно, когда оптимальное стационарное управление является особым и позволяет существенно сократить число вычислений. Методы малого параметра [68, 69], условие нестационарности оптимального управления [70] при известном решении задачи статической оптимизации также позволяют ответить на вопрос о том, является ли эффективным переход к нестационарному режиму. [c.291]

Рассмотрим пример статической оптимизации ХТС, операторная схема которой приведена на рис. VI- , а. Результирующий выход данной ХТС образуется путем суммирования выходов двух парал- [c.295]

На практике часто применяют комбинацию этих вариантов. Так, на двух примерах (статическая оптимизация трубчатого и многослойного реактора синтеза аммиака) показано, в каком варианте могут решаться проблемы автоматической оптимизации. Задача статической оптимизации трубчатого реактора синтеза аммиака подробно рассмотрена в [215]. В принципе такая же задача оптимизации стоит и при управлении многослойным реактором. [c.369]

II. Проводится статическая оптимизация [c.377]

Применение метода сопряженного процесса в задаче статической оптимизации производства стирола позволило сократить время расчета оптимальной точки в 2—3 раза. [c.174]

Важное теоретическое и практическое значение, как и при статической оптимизации, имеет задача определения оптимальной температурной последовательности. Правда, в данном случае указанная кривая уже будет зависеть от времени. Оптимальная задача формулируется так [c.59]

Рассматриваемые задачи носят в основном иллюстративный характер, не претендуя на абсолютную полноту подхода. Большой интерес при оптимальном проектировании представляет выбор схемы процесса. Этот вопрос решается сравнением друг с другом различных возможных схем процесса и здесь не освещается. Мы ограничимся только изложением вопросов статической оптимизации одной из схем процесса. [c.210]

XIV. Статическая оптимизация производства стирола. [c.2]

Простые соображения показывают, что данная задача не сводится к последовательно решаемой серии задач статической оптимизации. В самом деле, оптимизация выхода целевого продукта при фиксированном I одновременно приводит к интенсификации побочной реакции, что должно обусловить уменьшение возможного выхода целевого [c.208]

СТАТИЧЕСКАЯ ОПТИМИЗАЦИЯ ПРОИЗВОДСТВА СТИРОЛА [c.292]

Система управления, рассмотренная в работе [4], предусматривает наличие двух подсистем подсистемы статической оптимизации , которая, используя полную математическую модель процесса, предсказывает (с учетом ограничений) область локализации оптимума и включается либо при существенном изменении условий протекания процесса, либо при смене критерия управления, и подсистемы динамической оптимизации , которая работает в реальном времени и воспринимает от подсистемы статической оптимизации информацию об изменении рабочей области, а также распознает ситуацию со сменами ограничений. Одновременно на каждом шаге управления подсистема динамической оптимизации, пользуясь упрощенной математической моделью, прогнозирует значение критерия и изменение ограничений, а при необходимости и рассчитывает требующиеся для достижения оптимума управляющие воздействия поскольку и модель процесса и ограничения в этой подсистеме описываются линейными алгебраическими уравнениями, для отыскания экстремума используется линейное программирование. [c.140]

СТАТИЧЕСКАЯ ОПТИМИЗАЦИЯ РЕЖИМОВ РЕКТИФИКАЦИОННЫХ УСТАНОВОК [c.131]

Задача статической оптимизации многокомпонентной ректификации (МКР) в общем виде может быть сформулирована, как и выше, в терминах задач математического программирования (1У-5), (1У-6). Основное отличие в постановке задачи от описанной ранее заключается в повышении размерности вектора обобщенных координат, выходных переменных н ограничений, а также в более сложной физической интерпретации, Запишем общую задачу оптимизации МКР [c.152]

Невыполнение ( .76) означает, что даже при изменении Р, соответствующем максимальному изменению оптимального значения критерия Q в статике, разность в критерии при ОПП и ССО не превышает погрешности систем статической оптимизации. Невыполнение (V. 77) означает, что даже когда все изменения возмущений соответствуют максимальным изменениям Q, прибыль, получаемая при ОПП по сравнению с ССО, недостаточна для того, чтобы наилучшая СДО окупила себя в нормативный срок, [c.199]

Срок окупаемости реальной СДО по сравнению с системой статической оптимизации оценивается по формуле [c.203]

Определение срока окупаемости системы статической оптимизации [c.211]

Возможности применения моделей с переменными технологическими коэффициентами при решении задач планирования и управления комплексами непрерывного действия освещены также в работах [21-25]. В частности, в [22] рассматривается нелинейная задача статической оптимизации непрерывного производства. Предлагаются кусочно-линейная аппроксимация переменных коэффициентов и замена исходной нелинейной задачи некоторой приближенной задачей, для решения которой могут быть использованы методы линейного программирования. [c.16]

Необходимо отметить, что если реализуемость аппроксимационных вариантов проверена на практике или предварительно рассчитана по специально разработанным моделям внутризаводского планирования, то построенные по известным методикам модели с переменными параметрами или диапазонные модели не гарантируют априорного характера реализуемости результатов расчета. Реализуемость решений определяется обоснованностью предельных значений переменных параметров и адекватностью функциональных ограничений (2.54), (2.55) физическим условиям реализации процесса. В определенной мере эта проблема в многоуровневой системе управления может быть решена с использованием моделей статической оптимизации технологических процессов. [c.45]

Рассмотрев функции и организацию работы системы на каждом уровне, перечислим комплекс задач, которые решаются при взаимодействии всех уровней иерархии. Эти задачи можно разделить на три группы статическая оптимизация для непрерывно действующих ферментационных установок и других подсистем производства, работающих в непрерывном режиме динамическая оптимизация полупериодических и периодических аппаратов и подсистем оценка параметров процессов ферментации и других подсистем для использования их в обратной связи при управлении. [c.252]

АЛГОРИТМ ФОРМИРОВАНИЯ КРИТЕРИЯ В ЗАДАЧАХ СТАТИЧЕСКОЙ ОПТИМИЗАЦИИ И ПРИБЛИЖЕНИЯ К НОРМАЛИЗОВАННОЙ ПОВЕРХНОСТИ ТЕПЛООБМЕНА [c.142]

Различные варианты технико-экономических критериев выбора теплообменников-конденсаторов были подробно исследованы в разделе 1.1. Был сделан вывод о том, что наиболее целесообразно в задачах статической оптимизации при проек- [c.142]

Статические модели включают уравнения, отражающие связь между основными переменными процесса в установившихся (стационарных) режимах. Эти модели пре,цназначены для получения статических характеристик исследуемого объекта и статической оптимизаци процесса. [c.8]

Методы вариационного исчисления (см. главу V) обычно используют для решения задач, в которых критерии 0птнмал1л10стн представляются в виде ((функционалов (1,27) и решениями которых являются неизвестные функции. Такие задачи возникают обычно при статическо оптимизации процессов с распределенными параметрами или в задачах динамической оптимизации. [c.31]

Это особенно относится к задачам статической оптимизации процессов с распределенными параметрами, поскольку для подобных задач значительно труднее получить оценки (даже в грубом приП.аижснпи ), аналогичные формулам и (1,41). [c.39]

Возможность определения оптимальных условий процесса по математическому описанию используется в проектных расчетах и, особенно, в автоматизированных системах управления процессом. На рис. 41 охарактеризована типичная структурная схема системы управления каталитическим крекингом с ЭВМ [27]. Система является трехуровневой ЭВМ используется для регулирования процесса, для осуществления текущей оптимизации (т. е. оптимальной реализации задания) и для осуществления статической оптимизации (выработки задания на иекотбрый период работы установки). При наиболее часто осуществляемой текущей оптимизации (каждые 2 ч) регулируется режим работы реакторно-регене- [c.145]

Вообще говоря, описанный режим является динамическим. Однако вследствие того, что вредные вещества осаждаются достаточно медленно, удается значительно упростить динамические уравнения объекта. Задачу оптимизации таких режимов будем называть задачей квазистатической оптимизации. В отличие от нее при статической оптимизации стремятся сделать процесс максимально выгодным по принятому критерию в каждый момент времени. При квазистатическом режиме такой подход неприменим из-за возможного интенсивного выделения катализаториых ядов, в результате чего активность катализатора быстро упадет и за цикл работа реактора будет далеко не оптимальной. Поэтому в данном случае приходится ставить задачу оптимизации работы реактора за цикл. В дальнейшем рассматриваются только задачи статической и квазистатической оптимизации каталитических реакторов. [c.18]

Данный алгоритм реализует метод Гаусса — Зейделя нелинейного программирования с ограничениями типа неравенств на параметры оптимизации. Размерность оптимизируемого вектора Ут равна 2 для аппаратов типа А Ут = (Сх, ) или 1 для ап паратов типа В и С Ут = ((3х). П > решении аадачи статической оптимизации в качестве критерия оптимальности принимаются приведенные годовые затраты (Я), а при решении задачи приближения — разность между значениями длины трубчатки конденсатора, соответствующей набору Ук, УС, Ф, задаваемым технологическим параметрам X, текущему значению вектора Ут и значением нормализованной длины трубчатки,, к которому осуществляется приближение варьированием координат вектора Ут. Таким образом, в данной постановке алгоритм должен минимизировать выбранные критерии оптимизации. [c.136]