- •Физическое моделирование (ф м). Теория подобия. Достоинства и недостатки
- •Математическое моделирование (м. М.). Математическое подобие. Достоинства и недостатки метода.
- •Классификация математических моделей (м. М.). Компьютерное моделирование.
- •Статические и динамические характеристики типовых процессов. Типовые сигналы.
- •Преобразование Лапласса. Свойства операционного соответствия.
- •Изображение интеграла:
- •Изображение производных:
- •Изображение функции с запаздыванием:
- •Т иповые химико-технологические процессы
- •9. Внешние связи системы. Факторы . Контролируемые (регулируемые, нерегулируемые) и неконтролируемые входы. Отклики. Причины неконтролируемости факторов. Шум.
- •8. Понятие химико-технологической системы(хтс). Объект химической технологии.
- •10. Этапы построения математической модели химико-технологических систем. Математическое описание. Статический и детерминированный подходы.
- •11. Структурные схемы объектов химической технологии
- •12. Применение операционного исчисления при решении дифференциальных уравнений. Передаточная функция.
- •14. Типовые законы изменения входных параметров. Ступенчатое и импульсное возмущение на входе. Инерционность технологического объекта.
- •15. Вероятность. Понятие о дискретных и непрерывных случайных величинах. Законы распределения случайной величины.
- •17. Построение матрицы планирования при полнофакторном эксперименте. Нулевой уровень. Интервал варьирования. Принципы оптимальности матрицы планирования.
- •18. Дифференциальное уравнение модели идеального вытеснения и его решение в общем виде.
- •19. Зависимые и независимые случайные величины. Корреляция случайных величин. Корреляционное отношение и его свойства.
- •20. Генеральная совокупность, выборка. Статист. Оценки. Проверка статист. Гипотез.
- •21. Математическое описание химико-технологических систем при детерминированном подходе. Иерархическая структура математической модели.
- •22. Проверак значимости коэффициентов регрессии и адекватности статистической модели, полученной при дфэ.
- •23. Критерий исключения грубой ошибки.
- •24. Планы второго порядка. Центральные композиционные планы.Статистический анализ уравнения регрессии для планов второго порядка.
- •25.Типовые химико-технологические процессы.Характеристики объектов химической технологии.
- •26. Интерпритация уравнений регрессии
- •27. Построение матрицы планирования црп эксперимента,выбор звездного плеча и числа звездных точек.Условия оптимильности цр плана.
- •28. Экспериментально-статистические методы построения в моделей.Уравнение регрессии.
- •30. Нуль и альтернативная гипотезы. Ошибки первого и второго рода. Способы уменьшения ошибок. Уровень значимости. Проверка гипотезы о нормальности закона распределения случайной величины.
- •31 Статистические модели на основе пассивного эксперимента. Достоинства и недостатки пассивного эксперимента. Понятие о корреляционном и регрессионном анализе.
- •32. Пассивный и активный эксперимент. Подходы к исследованию многофакторных систем.
- •33 Дробный факторный эксперимент (дфэ). Генерирующее соотношение, определяющий контраст
- •34. Проверка гипотез о значимости коэффициентов и адекватности уравнения регрессии, построенного по данным пассивного эксперимента
- •35 Экспериментальное изучение распределения частиц потока во времени
- •36. Модель идеального перемешивания.
- •37. Математическое моделирование гидродинамической структуры однофазных потоков. Типовые модели.
- •38. Метод наименьших квадратов. Постановка задачи и общий вид решения. Система нормальных уравнений
- •39. Решение дифференциального уравнения однопараметрической диффузионной модели в общем виде. Понятие о комбинированных моделях.
- •40. Экспериментальное изучение распределения времени пребывания элементов потока. Интегральная и дифференциальная функции распределения времени пребывания элементов потока.
- •41. Критерии проверки статистических гипотез. Проверка однородности дисперсий.
- •42. Однопараметрическая диффузионная модель(одм).
- •43 Статистические модели в виде линейных полиномов. Метод наименьших квадратов для линейного уравнения регрессии.
- •44. Виды моделей при планировании эксперимента по методике Шеффе. Методика расчета коэффициентов аппроксимирующих полиномов. Выделение локальных областей.
- •45.Оптимизация хтп методом градиента.
- •47. Симплекс-планирование с помощью правильных многогранников.
- •50. Экспериментальный поиск. Метод Гаусса-Зайделя.
- •52. Симплекс - решетчатые планы Шеффе.
- •54. Оптимизация химико-технологических процессов методом дихотомии
- •55. Методы направленного поиска (мнп). Унимодальность функции. Одномерный и многомерный поиск.
- •56.Поиск оптимума численными методами.
- •57. Дифференциальное уравнение однопараметрической диффузионной модели и его решение.
- •58 Методы решния оптимизационных задач. Оптимизация хтп аналитическим методом
- •61.Критерий оптимальности.Требования к крит оптимальности. Аналитические выражения для крит оптималь.
- •63. Ячеечная модель
- •64.Обобщённая и частная ф-ции желательности.
- •65.Модель идеального вытеснения.
- •66.Классификация типовых химико-технолог процессов
61.Критерий оптимальности.Требования к крит оптимальности. Аналитические выражения для крит оптималь.
Оптимизация – это целенаправленная деятельность, заключающаяся в получении наилучших результатов при соответствующих условиях.
Обычно оптимизируемая величина связана с экономичностью работы рассматриваемого объекта. В общем случае объектом может считаться любой производственный комплекс: аппарат, агрегат, цех, завод, комбинат, отрасль промышленности. Оптимальный, или наилучший, вариант работы объекта должен измеряться количественной мерой – критерием оптимальности.
Критерий оптимальности – количественная оценка оптимизируемого качества. Это главный признак, по которому судят о том, насколько хорошо функционирует данная система, работает данный процесс, насколько хорошо решена задача оптимизации.
На основании выбранного критерия оптимальности составляется так называемая целевая функция, представляющая собою зависимость критерия оптимальности от параметров, влияющих на его значение. Вид критерия оптимальности (или целевой функции) определяется конкретным содержанием решаемой задачи оптимизации.
Формулировка задачи оптимизации может быть различной в зависимости от преследуемой цели.
Простейшей является ситуация, когда эффективность технологического процесса можно оценить одним критерием оптимизации (одним показателем). В технологиях силикатных материалов подобные варианты практически не встречаются.
Как правило, технологический процесс и изготавливаемая продукция характеризуются многими критериями оптимизации, поэтому в реальных условиях приходится решать компромиссные (многопараметрические) задачи.
Возможны 3 варианта:
Целью решения задачи оптимизации является поиск минимального или максимального значения одного из критериев оптимизации. При этом на остальные критерии накладываются ограничения в соответствии с требованиями стандартов и технических условий. Например, найти такое сочетание значений содержания сырьевых материалов в исходной композиции, продолжительности прессования, температуры, времени выдержки при максимальной температуре обжига керамической плитки, при которых значение их прочности, износостойкость и открытая пористость будут соответствовать требованиям технических условий.
Целью решения задачи оптимизации является поиск минимального или максимального значения одного из факторов технологического процесса, при этом на все показатели качества накладываются ограничения в соответствии с требованиями технических условий. Применительно к предыдущему примеру требуется найти минимальное давление прессования (снижение энергоемкости технологического процесса) либо минимальное время прессования (повышение производительности оборудования).
Целью решения задачи оптимизации является поиск таких значений факторов, которым будет соответствовать оптимальное сочетание значений критериев оптимизации.( ТУТ не всё)
63. Ячеечная модель
Физич сущность ячеичной модели заключ в том,что движущийся материальный поток представлен в виде ряда последовтельных ячеек . При этом понимаеться,что в каждой ячейке поток имеет структкру идеального перемешивания ,а перемешивание между ячейками отсутствует .Параметр характеризующий ячеечную модель - кол во ячеек идеаль перемешивания n. При n=1 модель переходит в модель идеального смешения,а если n стремиться к бесконечности модель идеального вытеснения.
Сделаем следующие допущения: 1) в каждой ячейке осуществляеться идеальное премешиавание ; 2) между ячейками отсутствует обратное перемешивание; 3) объёмная скорость не изменяеться по длине потока.
Для удобства так же примем ,что объем каждой ячеики одинаковый и равный V1. А сумма всех объёмов ячеек V=n*V1. Среднее время пребывания частиц в каждой ячейке t=V1/ υ (υ- объём скор), а среднее время пребывания частиц в системе t=V/ υ.
Поскольку в каждой ячейке поток находиться в состоянии идеального перемешивания ,тогда для любой ячейки справедливо ур е идеального смешения:
