Расчет - математическая модель
Cтраница 2
Фактическая реализация мероприятий по модернизации позволила получить производительность 3 5 т / ч при заданной тонкости помола R3 ( 0 071) 0 3, что практически совпадает с результатами прогноза и свидетельствует о хорошей точности заложенной в расчет математической модели. [16]
В общем случае символическая математическая модель каждого технологического оператора ( ТО) химико-технологической системы представляет собой систему нелинейных алгебраических или дифференциальных уравнений большой размерности, решение которой на ЦВМ требует значительного времени. В этом случае расчет математической модели ХТС, образованной совокупностью математических моделей, входящих в систему технологических операторов, связан с принципиальными трудностями, которые обусловлены ограниченным объемом оперативной памяти и малым быстродействием современных ЦВМ. На начальных этапах проектирования ХТС создаются более простые математические модели ТО, обеспечивающие сохранение желаемого уровня гомоморфизма сущности физико-химических процессов, происходящих в элементе. На завершающих этапах проектирования необходимо применять более точные и сложные математические модели ТО, которые могли бы полнее учитывать кинетические характеристики технологических процессов и наиболее реально отражать влияние параметров технологических режимов и параметров элементов на функционирование ХТС в целом. [17]
 |
Информационная схема отделения синтеза аммиака. [18] |
Для моделирования технологической схемы на ЭВМ нужно перейти к ее формализованному математическому описанию. Узлы графа представляют модули расчета математических моделей аппаратов, дуги - направления передачи информации от модуля к модулю. [19]
Метод Монте-Карло есть метод математического моделирования случайных явлений, в котором сама случайность непосредственно включается в процесс моделирования и представляет собой его существенный элемент. Следовательно, исходные параметры для расчета математических моделей, а также возможные стратегии развития технологических процессов формируются случайным образом на основе программной имитации случайных функций. [20]
Методы оптимизации можно разделить по характеру сбора информации на методы локального и нелокального поисков. Методы локального поиска предусматривают анализ результатов каждого эксперимента ( расчета математической модели) 1 и использование полученной таким образом информации при подготовке очередного эксперимента. Характерным для методов локального поиска является то, что каждый раз используется информация о поведении математической модели проектируемого устройства лишь в малой окрестности значений параметров предыдущего эксперимента. [21]
Методы оптимизации можно разделить по характеру сбора информации на методы локального и нелокального поисков. Методы локального поиска предусматривают анализ результатов каждого эксперимента ( расчета математической модели) и использование полученной таким образом информации при подготовке очередного эксперимента. Характерным для методов локального поиска является то, что каждый раз используется информация о поведении математической модели проектируемого устройства лишь в малой окрестности значений параметров предыдущего эксперимента. Проведение локального поиска требует умеренных затрат машинного времени, но в результате определяется в лучшем случае лишь один локальный экстремум. [22]
Как указывалось выше, в связи со сложностью физико-химических процессов производств пластических масс основными методами получения математических моделей являются экспериментально-статистические методы. В тех случаях, когда по условиям проведения технологического процесса искусственное внесение возмущений может вызвать нежелательные изменения хода процесса и получение бракованной продукции, сбор данных для расчета математических моделей организуют, используя методы пассивного эксперимента. При проведении пассивного эксперимента контроль параметров процесса производят в режимах нормальной эксплуатации, без внесения каких-либо искусственных возмущений. [23]
Стратегическая и статистическая неопределенности обусловливают наличие своего рода конфликта между необходимостью выполнить прогноз в области ВЭР и природой, скрывающей свои закономерности. Следовательно, если возможные варианты перспективного развития технологических процессов промышленности и утилизационной техники определить как возможные стратегии ( чистые и смешанные) некоторой условной коалиции, а случайные совокупности исходных параметров ( необходимых для расчета математических моделей процессов) как некоторые состояния природы, то игровая ситуация в данном случае будет интерпретироваться как игра с природой. Каждая пара, состоящая из стратегии и состояния природы, имеет определенные следствия. Одно из этих следствий состоит в возможности получения элементов функции выигрыша условной коалиции, второе следствие - в возможности определения искомых показателей удельного выхода или удельной выработки энергии на базе ВЭР. [24]
Рассмотрена методология разработки модельно-алгоритмической части автоматизированной системы управления многомерными непрерывными технологическими процессами одного класса для случая, когда параллельно с проектированием технологического процесса осуществляется проектирование системы управления. Исследованы принципы расчета главных каналов управления по априорной информации ( стадия предпроектных изучений химико-технологического процесса); методы уточнения главных каналов управления по экспериментальным данным ( стадия лабораторных исследований объекта и АСУ ТП); методы расчета математических моделей химико-технологических объектов ( стадия опытно-промышленных исследований); методы анализа объекта управления по модели; принципы построения модельно-алгоритмической части аналитической самонастраивающейся системы управления многомерным технологическим процессом. [25]
Тем самым проверяют выполнение необходимых условий 1) и 2) существования экстремума и находят стационарную точку. Далее проверяется условие 3) и если оно выполняется, то найденная точка является соответствующим решением. Однако при проектировании схем целевые функции F ( X) представляются обычно не аналитическими выражениями, а численными результатами расчетов математических моделей схемы ( ММС), поэтому применение классических методов оптимизации становится невозможным и вместо них используются итеративные численные методы поиска экстремума X, основанные на движении из выбранной начальной точки Х шагами AX ft в направлении, определяемом алгоритмом оптимизации. [26]
Прежде всего следовало бы произвести петрографический анализ горных пород, входящих в разрез, составить детальную литологическую колонку, изготовить образцы, представляющие все подразделения этой колонки, и произвести их лабораторные испытания. В соответствии с полученными механическими характеристиками породы могут быть разделены на статистически различимые группы и каждая группа представлена набором характеристик, используемых при расчетах математической модели. Таким образом составляется расчетная колонка, или, иными словами, модель разреза. [27]
Особый интерес представляют рототабельные планы второго порядка с ядром в виде симплекса. Их преимущество состоит в том, что после вхождения в стационарную область экспериментатор использует последний симплекс как основное ядро для построения плана эксперимента, связанного с описанием поверхности отклика. Такие планы называют симплекс-суммируемыми. Они представляют собой совокупность симплекса и-ряда других образованных из него конфигураций, взятых в определенном масштабе. Идея симплекс-суммируемых планов хорошо вписывается в общую идею алгоритма расчета локально-интегральной математической модели многомерного объекта. При использовании таких планов общие затраты на эксперимент снижаются до минимума. [28]
Таким образом, при проверке выполнения контрольных требований следует учитывать тот факт, что соответствующие этим требованиям величины не являются абсолютно точными. Если контрольные требования представляют собой экспериментальные результаты, то они несут в себе опытную ошибку, имеющую некоторое ( обычно нормальное) распределение вероятностей. Если же требования являются результатами расчета, проведенного в соответствии с каким-либо теоретическим методом, то они также содержат некоторую ошибку, связанную с неточностью расчета. Другими словами, если анализ того или иного механизма приводит к некоторой величине критерия, выступающего в качестве контрольного требования, то мы не должны ожидать абсолютного совпадения расчетной и контрольной цифры. Более того, мы имеем право говорить лишь о вероятности того, что данное требование удовлетворяется или неудовлетворяется. Поскольку основная задача, связанная с поиском наиболее вероятного механизма, заключается в том, чтобы отклонить менее вероятные механизмы, нас будет интересовать главным образом вероятность того, что некоторое контрольное требование не выполняется при расчете математической модели данного механизма. Эту вероятность легко найти, зная распределение ошибок в контрольных требованиях и соответствующую расчетную величину. [29]
Страницы: 1 2