Математическое моделирование в задачах аддитивных технологий

Июль 25, 2022

Главная
Математика
Математическое моделирование в задачах аддитивных технологий

Содержание

2. ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКА Методы идентификации основаны на сравнении различных числовых характеристик функций отклика. Используется понятие момента,
3. ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКА Для функции распределения времени пребывания, получаемой при импульсном вводе трассера в поток на
4. ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКА Четвертый центральный момент, называемый эксцессом распределения, характеризует островершинность распределения и равен Обычно при
5. ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКА Между безразмерными моментами и параметрами моделей существуют следующие соотношения Алгоритм идентификации математической модели
6. ПРАКТИЧЕСКИЙ ПРИМЕР Через насадочный аппарат длиной L = 10 м, внутренним диаметром d = 0,065 м,
7. ПРАКТИЧЕСКИЙ ПРИМЕР Второй этап – выбор вида модели. Выбор математической модели можно сделать на основе анализа
8. ПРАКТИЧЕСКИЙ ПРИМЕР Третий этап – идентификация параметров выбранной зависимости. Для вычисления моментов необходимо получить таблицу значений
9. ПРАКТИЧЕСКИЙ ПРИМЕР Для нахождения значения критерия Пекле Pe рассмотрим дифференциальную функцию распределения времени пребывания, полученную на
10. ПРАКТИЧЕСКИЙ ПРИМЕР Начальные условия t = 0; c(x,0) = 0; Граничные условия x = 0; c(0,t)
11. ПРАКТИЧЕСКИЙ ПРИМЕР Решение дифференциальных уравнений в частных производных (уравнение ОДМ) достаточно сложно, поэтому для проверки адекватности
12. ПРАКТИЧЕСКИЙ ПРИМЕР При выборе модели и определении параметров выбранной зависимости получили систему четырех дифференциальных уравнений с
14. Скачать презентацию

Слайд 2

ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКА
Методы идентификации основаны на сравнении различных числовых характеристик функций

отклика. Используется понятие момента, согласно которому, функция распределения случайной величины может быть охарактеризована числовыми величинами (моментами различных порядков).
Безразмерным начальным моментом i - го порядка, характеризующим ϕ - кривую, является интеграл вида:
где t и ϕ(t) – безразмерные время и концентрация.
Безразмерный центральный момент i - го порядка имеет вид:

Слайд 3

ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКА
Для функции распределения времени пребывания, получаемой при импульсном вводе

трассера в поток на входе его в аппарат, первый начальный момент М1 представляет собой среднее время пребывания.
Первый центральный момент всегда равен нулю, т.е. η1 = 0.
Второй центральный момент, называемый дисперсией, является мерой рассеяния времени пребывания и определяется по формуле
Третий центральный момент η3 называется асимметрией, характеризует степень асимметричности кривой распределения (ϕ - кривой), и определяется из уравнения

Слайд 4

ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКА
Четвертый центральный момент, называемый эксцессом распределения, характеризует островершинность распределения

и равен
Обычно при расчете моментов по экспериментальным кривым используется ступенчатая аппроксимация, т.е. расчет моментов выполняется по формулам:
– начальные моменты
– масштабированные моменты

Слайд 5

ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКА

Между безразмерными моментами и параметрами моделей существуют следующие соотношения
Алгоритм

идентификации математической модели структуры потока - это вычисление всех моментов и определение с их помощью параметров модели.

Слайд 6

ПРАКТИЧЕСКИЙ ПРИМЕР
Через насадочный аппарат длиной L = 10 м, внутренним диаметром

d = 0,065 м, и коэффициентом заполнения насадкой ϕ = 0,7 протекает жидкость с объемной скоростью v = 0,001 м3/с. Построить математическую модель структуры гидродинамического потока в аппарате.
На вход аппарата подается трассирующее вещество в виде δ - функции. На выходе аппарата замеряем его концентрацию, представляющую собой дифференциальную функцию распределения времени пребывания.
t 0 1 2 4 6 7 8 10
c 0 1 3.8 14.6 21.3 22.6 21.8 18.4
t 12 14 16 18 20 22 24 26 28 30
c 14 9.6 6.2 3.8 2.3 1.4 1 0.5 0.3 0.1

Слайд 7

ПРАКТИЧЕСКИЙ ПРИМЕР
Второй этап – выбор вида модели. Выбор математической модели можно

сделать на основе анализа кривой функции распределения времени пребывания частиц в аппарате и соотношения его размеров. Исходя из соотношения размеров аппарата (L / d > 20), можно выбрать либо модель идеального вытеснения, либо однопараметрическую диффузионную модель. Из рисунка видно, что график дифференциальной функции, построенной по данным таблицы, соответствует однопараметрической диффузионной модели. Уравнение этой модели:

Начальные условия t = 0; c(x,0) = 0;

Граничные условия x = 0; c(0,t) = cвх;

Слайд 8

ПРАКТИЧЕСКИЙ ПРИМЕР
Третий этап – идентификация параметров выбранной зависимости. Для вычисления моментов

необходимо получить таблицу значений ti.
ti 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
ci 1 9.2 17.9 22.6 20.1 16.2 11.8 7.9 5.0 3.1 1.9 1.2 0.8 0.4 0.2
Эффективный объем аппарата V рассчитывается по формуле
Линейная скорость потока равна
Коэффициент продольного перемешивания Dx равен

Слайд 9

ПРАКТИЧЕСКИЙ ПРИМЕР
Для нахождения значения критерия Пекле Pe рассмотрим дифференциальную функцию распределения

времени пребывания, полученную на основе экспериментальных данных. Эта функция может быть охарактеризована ее числовыми характеристиками – моментами. Для определения моментов построенный график разбиваем по оси X на равные интервалы и методом прямоугольников находим площадь под кривой для каждого интервала.
ti = 1 … 29, Δt = 2, n = 14
Вычислим размерные моменты

Слайд 10

ПРАКТИЧЕСКИЙ ПРИМЕР

Начальные условия t = 0; c(x,0) = 0;
Граничные условия x = 0; c(0,t)

= cвх;

Слайд 11

ПРАКТИЧЕСКИЙ ПРИМЕР
Решение дифференциальных уравнений в частных производных (уравнение ОДМ) достаточно сложно,

поэтому для проверки адекватности модели перейдем к ячеечной модели. Это допустимо, если
Число ячеек равно
Получили ячеечную модель с четырьмя ячейками, уравнения которой записываются следующим образом

Слайд 12

ПРАКТИЧЕСКИЙ ПРИМЕР
При выборе модели и определении параметров выбранной зависимости получили

систему четырех дифференциальных уравнений с четырьмя неизвестными, но нас интересуют только значения концентрации на выходе последней ячейки, т.е. изменение концентрации c4. Систему решаем численным методом.
Сравнение экспериментальной кривой и расчетной функции распределения в последней ячейке дает возможность судить об адекватности модели.

Математическое моделирование в задачах аддитивных технологий

Содержание

ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКАМетоды идентификации основаны на сравнении различных числовых характеристик функций

ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКАДля функции распределения времени пребывания, получаемой при импульсном вводе

ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКАЧетвертый центральный момент, называемый эксцессом распределения, характеризует островершинность распределения

ИДЕНТИФИКАЦИЯ СТРУКТУРЫ ПОТОКА Между безразмерными моментами и параметрами моделей существуют следующие соотношенияАлгоритм

ПРАКТИЧЕСКИЙ ПРИМЕРЧерез насадочный аппарат длиной L = 10 м, внутренним диаметром

ПРАКТИЧЕСКИЙ ПРИМЕРВторой этап – выбор вида модели. Выбор математической модели можно

ПРАКТИЧЕСКИЙ ПРИМЕРТретий этап – идентификация параметров выбранной зависимости. Для вычисления моментов

ПРАКТИЧЕСКИЙ ПРИМЕРДля нахождения значения критерия Пекле Pe рассмотрим дифференциальную функцию распределения

ПРАКТИЧЕСКИЙ ПРИМЕР Начальные условия t = 0; c(x,0) = 0; Граничные условия x = 0; c(0,t)

ПРАКТИЧЕСКИЙ ПРИМЕРРешение дифференциальных уравнений в частных производных (уравнение ОДМ) достаточно сложно,

ПРАКТИЧЕСКИЙ ПРИМЕР При выборе модели и определении параметров выбранной зависимости получили

Похожие презентации