книги / Оптимизация систем обеспыливания воздуха в промышленных зданиях
..pdfтем, что дополнительно к подъемной силе, возникающей за счет несиыметройного обтекания, добавляется дополнительная сила подъема (взвешивания), появляющаяся за счет вращения частицы при перено се (эффект Магнуса).
Необходимо отметить, что до настоящего времени стохастичес кие модели ПОВ и ПКМ применяются редко. Основная првчида отказа от вероятностных моделей - отсутствие информации о распределении
случайных значений различных технологических параметров. Современ
ные тенденции ускорения научно-технического процесса в |
области ОВ |
|
и КВ предопределяют необходимость |
создания точных и гибких ММ про |
|
цессов, позволяющих осуществить их |
оптимизацию с учетом |
распре |
деления значений входных и управляющих параметров. |
|
|
1 .3 .5 . Методика синтезе |
математических моделей |
Теория моделирования развивается сейчас в двух направлениях: по пути изучения процессов с помощью моделей с анализом влияния отдельных физических параметров и линейных размеров (так называ
емое физическое моделирование) и |
по цуга исследования |
ММ процес |
сов с помощью ЭВМ (математическое |
моделирование). Оба |
направления |
ведут к одной общей цели - созданию точного метода исследования сложных ПОВ, ПКМ и СОВ и СКМ. Очевидно, что физическое и мате матическое исследование процессов и систем невозможно осущест вить независимо друг от друга, ММ каждого процесса составляется с учетом требуемой точности решения в полном соответствии с ис пользуемыми экспериментальным* данными на основе физического мо делирования.
Построение ММ начинают с формализованного описания модели руемого процесса, термодинамических и физико-химических явлений, происходящих в системах, аппаратах и устройствах. Перечень учиты ваемых элементарных подпроцессов определяет совокупность основ ных параметров, которые включаются в ММ. При этом следует устано вить, какие из них являются случайными величинами. Формализованное описание включает в себя постановку задачи исследования. Если ММ строится для решения оптимизационной задачи, то выбор критерия оптимальности в значительной степени определяет вид модели. Вы брав О и наметив основные (определяющие) параметры процесса, приступают к построению соотношений между ними. При этом в пер вую очередь используют известные, классические физические и хими-
51
Xf » (xt - 0}№)/0,07} X2~(X2 -
X3 = (Xs -0 ,0396S)/0,0f635} x ^ - t ,f 5 ) /0 M ,
где цифровые значения в числителе и знаменателе формул являются соответственно основными уровнями и интервалами варьирования факторов, В качестве матрицы планирования использована полуреплика от полного факторного эксперимента 2^. В табл. 3 приведены условия» матрица планирования и результаты опытов.
Таблица 2
Уровень
фактора
Основной
Нижний
Верхний
Интервал
варьирова
ния
Уровни и интервалы варьирования факторов
г II |
Фактош |
нату1зальные |
|
||
имо = Х1 |
i |
и |
II |
||
0,162 |
7,4 |
0»03965 |
1,15 |
||
0,092 |
4 ,7 |
0,02330 |
0,67 |
||
0,232 |
10,5 |
0,05600 |
1,63 |
||
0,700 |
3 |
,1 |
0,01635 |
0,48 |
|
|
|
|
|
|
Таблица 3 |
|
|
|
План эксперимента и ,резуяьтатн опытов |
|
|||||||
Но |
Поря |
Факторы закоди |
|
|
|
|
|
|
|
||
мер док |
рованные |
|
|
|
|
|
|
|
|
||
опы про |
|
|
|
|
У ' |
у " |
У |
У |
* У - |
(лу)2 |
|
та |
веде |
х 4 |
|
|
|
||||||
|
ния |
Х2 |
XJ |
|
|
|
|
|
-у г у |
|
|
|
опы |
|
|
|
|
|
|
|
|||
|
тов |
- I |
|
|
|
9,13 |
8,26 |
8,70 |
8,75 |
|
|
I |
6; 16 |
- I |
- I |
- I |
■Ю.05 |
0,0025 |
|||||
2 |
2; 13 |
+1 |
- I |
+1 |
- I |
53,06 |
58,54 |
56,30 |
54,58 |
-1 ,8 8 |
4,5300 |
3 |
7;9 |
- I |
- I |
+1 |
+1 55,60 |
60,80 |
58,20 |
60,45 |
ч2,45 |
6,0000 |
|
4 |
8; 4 |
- I |
+1 |
- I |
+1 21,28 |
19,32 |
20,30 |
18, ^ |
-1 ,5 2 |
2,3000 |
|
5 |
Ю;3 |
+1 |
+1 |
- I |
- I |
10,44 |
11,35 |
Ю,90 |
•13,19 |
•*2,29 5,2500 |
|
6 |
15;5 |
+1 |
- I |
- I |
+1 |
7,92 |
7,27 |
7,60 |
6,75 |
-0,85 |
0,7300 |
7 |
7; 12 |
- I |
+1 |
+1 |
- I |
64,26 |
70,74 |
67,50 |
66,89 |
-0 ,6 1 |
0,3700 |
8 |
И ; 14 |
+1 |
+1 |
+1 |
+1 68,30 |
61,90 |
65,10 |
64,89 |
-0 ,2 1 |
0,4400 |
|
|
|
|
|
|
|
|
|
Итого |
|
19»6225 |
нос та |
линейной модели |
принимается |
(здесь / 2с6 |
= |
п<р<= 8 - |
чис |
|||||||||||||
ло степеней свободы |
дисперсии |
воспроизводимости). |
|
_______ _ |
|
||||||||||||||
|
Величина |
доверительного интервала |
A 6J |
- ±S£{/62{B^} |
= |
||||||||||||||
= ±2t3 l] / 0.53 |
= -1 ,6 9 , |
где |
St |
- |
величина 1фитерия |
Стьюдента |
|||||||||||||
(St = 2 ,3 1 ). Сравнивая A SJ |
и |
величины коэффициентов |
60 9 6/ 9 |
||||||||||||||||
62f |
^ |
, b12,bi*> 0 ^ |
t |
оцределяем незначимые коэффициенты |
|||||||||||||||
&12 » &15 и |
|
• |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
Таким образом, уравнение регрессии в закодированных перемен |
||||||||||||||||||
ных запишем в |
виде у |
|
- 36,82 |
- 1 ,9 .2у |
+ 4 ,1 2X2 |
+ 24,95л^ • |
|||||||||||||
|
Подстановка в последнюю формулу правых частей закодирован |
||||||||||||||||||
ных факторов |
позволяет |
записать выражение для У ~ умо в |
натураль |
||||||||||||||||
ных переменных: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
Чмо = 36,82 - |
27у1Чбмо + 1,35имо + 1526гМо |
|
|
|
(27) |
|||||||||||||
Пример 2 . Эффективность процесса гадрообеспыливания (ПГО) |
|||||||||||||||||||
определяем по уравнению ( 68) , |
|
которое содержит коэффициент |
|
||||||||||||||||
QCr0 |
, зависящий |
от размеров капель воды ( $к |
) |
и |
частиц пы |
||||||||||||||
ли, запыленности воздуха и плотности орошения. |
|
|
|
|
|
|
|
||||||||||||
Трудноизмеримый размер |
капель выражается |
через |
эквивалент |
||||||||||||||||
ный диаметр сопла форсунки |
и давление воды |
перед |
ней /5 4 /. Коэф |
||||||||||||||||
фициент неравномерности плотности |
орошения |
принимается равным 0 ,5 . |
|||||||||||||||||
Коэффициент Осго |
определяем |
при |
известной |
эффективности |
|||||||||||||||
ПГО, которая устанавливается в результате эксперимента и оцени |
|||||||||||||||||||
вается по изменению концентрации пыли до и |
после |
зоны |
|
обеспылива |
|||||||||||||||
ния |
УПГ0 ~ (^нач |
с кон^1 с ноц |
• Изменение концентрации пы |
||||||||||||||||
ли АтфЛ «Ю00 |
/ (ЪфдLcpy,)* тл&АШфл- изменение веса |
фильтра; |
|||||||||||||||||
Гфл~ время отбора пробы; |
Lcpjj |
- |
расход воздуха |
через |
фильтр. |
||||||||||||||
Среднее значение |
эффективности |
процесса |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
поп |
|
|
|
|
|
|
|
|
п on |
|
|
|
|
|
||
|
|
|
^ |
^ с нач1 |
|
С < оч l ) / C H O Q L |
|
|
|
|
|
||||||||
где п оптЧИСЛО параллельных |
опы тов. |
|
|
|
|
|
|
|
|
|
|
||||||||
Обозначим варьируемые факторы: |
ЛГ/ |
- |
давление |
жидкости пе |
|||||||||||||||
ред форсункой |
( |
) , |
Па; |
Х 2 - диаметр |
сопла форсунки |
( |
|
|
|||||||||||
Х3 - |
начальная |
запыленность воздуха |
( CHQ4 ), |
кг/м 3; Х^ - |
меди |
||||||||||||||
анный диаметр |
частиц |
пыли |
( |
|
|
) |
мкм. Характеристика, |
уровни |
и интервалы варьирования факторов, а также план проведения много фактурного эксперимента (полуреплика полного факторного экспери мента 2^ /1 ,6 9 / приведены в табл. 4 и 5 .
55
Таблица 6 Условия проведения и результаты экспериментальных
исследований ПГО
Перемен- |
|
|
Номер серии |
опытов |
|
|
|
||||
ная |
|
I |
2 |
3 |
|
4 |
|
5 |
6 |
7 |
8 |
|
|
|
|
||||||||
Х 1 |
10-5 |
2,5 |
5,0 |
2 ,5 |
|
2,5 |
|
5,0 |
5,0 |
2,5 |
2,5 |
Х 2 |
10'■* |
0,3 |
0,3 |
0,3 |
|
0 ,5 |
|
0,5 |
0,3 |
0,5 |
0,5 |
x i |
500 |
10000 |
Ю000 |
500 |
|
500 |
500 |
ЮООО ЮООО |
|||
X* . |
5 |
5 |
55 |
|
55 |
|
5 |
55 |
5 |
55 |
|
Wm -HX»/c0,8 |
1.2 |
0,8 |
|
3,0 |
|
4,0 |
1.2 |
3,0 |
4 ,0 |
||
ха |
0,53 |
0,53 |
0,53 |
|
0,45 |
0,45 |
0,53 |
0,45 |
0,45 |
||
¥с |
0,85 |
0,85 |
0,85 |
|
0,65 |
0,65 |
0,85 |
0,65 |
0,65 |
||
°ср |
0,8 |
0,8 |
0,8 |
|
1.0 |
|
1.0 |
0,8 |
1.0 |
1,0 |
|
Jicp'2 |
30 |
30 |
30 |
|
32 |
|
32 |
30 |
32 |
32 |
|
Вт'«>6 |
8,89 |
13,33 |
8,89 |
|
33,33 |
44,44 |
13,33 |
33,33 |
44,44 |
||
Ок , м/с |
12,42 |
18,63 |
12,42 |
21,72 |
28,26 |
18,63 |
21,72 |
28,76 |
|||
Ох, мкм 121 99 |
121 |
|
144 |
|
117 |
99 |
144 |
117 |
|||
%siic |
0,56 |
0,70 |
1.0 |
|
1.0 |
|
0,75 |
1.0 |
0,65 |
1.0 |
|
^го >м |
0,40 |
0,45 |
0,40 |
|
1,00 |
0,90 |
0,40 |
1,00 |
0,90 |
||
У |
14,45 |
62,77 |
39,09 |
73,91 |
82,33 |
68,34 |
21,80 |
85,3 |
|||
У" |
12,75 |
61,63 |
41,11 |
70,49 |
80,07 |
70,66 |
20,96 |
82,70 |
|||
У |
|
13,6 |
62,2 |
40,1 |
|
72,2 |
81,2 |
69,5 |
21,4 |
84,0 |
|
б2 |
0,361 |
0,160 |
0,510 |
1,463 |
0,636 |
0,670 |
0,221 |
0,487 |
|||
Л |
14,5 |
61,3 |
39,3 |
|
73,0 |
82,0 |
68,7 |
20,5 |
83,0 |
||
У |
|
||||||||||
°сго |
0,555 |
1,091 |
1,530 |
1,038 |
0,535 |
1,039 |
1,045 |
1,528 |
|||
|
В результате обработки экспериментальных данных на ЭВМ полу |
||||||||||
чаем уравнение |
|
|
|
|
|
|
|
|
|
||
|
|
|
-0,2951\af2и11'Атч.lty |
|
Ots |
^ |
y ^ |
s ] , |
|||
У = o^ oCa^ xfx] |
) |
4exp |
х Т «иr |
||||||||
где |
ЦЬ^Рй0,295) ~ Sк |
; Од = 0 ,5 ; |
о10 = 2,13; он = 0,15; |
||||||||
0/2 |
= 0 ,1 ; |
013 |
= 1,15‘ ID5; |
О/д |
= 0,098*Ю "3. |
|
|
||||
|
В натуральных переменных |
|
|
|
|
|
|
|
°cmm0>^№o,i5S™p£m f /imexp |
(28) |
Дисперсия воспроизводимости б * |
= 0,564 |
( J Zc& - |
диспер |
|
сия адекватности ^одк = 2.° 2 |
( / f t * |
= 3 ) . |
|
|
Значение критерия Кохрена |
равно 0,320. 'Табличное значение |
|||
критерия для 8 разных опытов и |
числа |
степеней |
свободы, равного |
|
единице, составляет 0,679 (уровень значимости |
0 ,0 5 ). |
Таким обра |
зом, гапотеза об однородности дисперсий принимается.
Расчетное |
значение |
критерия йшера |
f i * = 2,02/0,564=3,58. |
Оно меньше критического |
табличного для |
= 3 и J Zc6 ~ ® и |
|
5#-ного уровня |
значимости Firg = 4,07 . |
|
Таким образом, полученное уравнение (28) адекватно описыва ет экспериментальные данные процесса ПРО.
Некоторые регрессивные МД, нелинейные относительно оценивае мых коэффициентов, можно привести к линейному виду с помощью со ответствующего преобразования переменных. Ряд примеров преобра
зования приведен в / 73/ |
и др. |
Рассмотрим друлае примеры. Пусть работа устройства или ус |
|
тановки описывается следующими уравнениям!: |
|
I • У = |
• ТО® S0y61, 6z>S3 - неизвестные |
коэффициенты. Прологарифмуем это уравнение:
бпу= £п60 +6f£nZj i-b^nzi +
Сделаем замену переменных:
б п у = у ’ -, бпб0 = Оо ; 6^Q L ,1Ч,2& 6n z L =Z i, 1 = 1,2,5.
Подучим уравнение
У'^ О о
Кэтому уравнению применимы методы исследования линейной рег рессии •
2 . У * |
e x p (60^6fZ/ ^SzZ2 )9 Логарифмируя обе части уравне |
ния, подучим |
tn у ~В0 + SfZf + 62*2 . |
3 . У ж(60 + 6,2, + &2%2У* • Обобщая обе чаоти, получим
Н у * 6Q * 6, 2, + 6Z2Z -
1 .4 . Методы оптимизации
Явления, сопровождавшие НОВ и ШМ, имеют различную природу, весьма сложны, взаимосвязаны и взаимообусловлены, что затрудняет интерпретацию физических (натурных) экспериментов, их теоретичес
кое описание и, следовательно, оптимизацию проектных решений СОВ и СКМ. йаенно поэтому число ПОВ и ШМ, которые описаны с дос
таточной полнотой» пока еще невелико.
При построении физических моделей процессов широко исполь
зуются представления механики |
аэрозолей /1 3 »2 2,39,45»71/, |
массо- |
||
обмена, термодинамики, |
тепло- |
и в лаго обмена, гидро- и аэродана- |
||
ки, климатологии и |
т .д . |
/6 ,3 0 »3 4 »4 0 /. |
|
|
ММ большинства |
данных процессов включают систему из |
нели |
нейных, нестационарных дифференциальных уравнений» обычно в част ных производных, описывающих изменение ряда параметров, характе ризующих процессы. Сложность ММ обычно не позволяет найти анали тическое решение системы уравнений» составляющей модель процессов. Поэтому основным методом анализа, если к тому же физические экс перименты сложны и дороги, становится математическое моделирова ние и вычислительный эксперимент, позволяющие получить наиболее полную информацию о процессах и использовать ее для оптимизации проектирования.
Основы этого метода излажены академиком А.А. Самарским, ко торый отмечает: "Можно утверждать, что на современном этапе НТП математическое моделирование и вычислительный эксперимент представляют собой универсальную научную методологию, реализую щую цепочку "объект - модель - вычислительный алгоритм - про грамма для ЭВМ - расчет на ЭВМ - анализ результатов расчета - управление объектом” /6 4 /. Поэтому методология вычислительно го эксперимента должна быть полажена в основу проектирования создаваемых и реконструируешх СОВ и СКМ, в которой реализует ся триада научные исследования - анализ и синтез процессов и систем - проектные решения.
ММ глубже вскрывают внутренние связи систем, дают точные количественные характеристики. Вычислительный эксперимент час тично или полностью заменяет физическое (лабораторные исследова ния, натурные испытания и другие) моделирование, позволяя в не сколько раз уменьшить сроки и стоимости разработок.
Универсальность ММ, алгоритмов и программ дает возможность оперативно и без дополнительных затрат переходить при проектиро-
59