ПОИСК Статьи Рисунки Таблицы Предисловие из "Оптимизация эксперимента в химии и химической технологии" Валшейшей задачей современной науки является максимальное сокращение сроков перехода от лабораторных исследований в промышленность, сокращение пути перехода от лабораторного стола к промышленной реализации. Методы кибернетики позволяют не только сократить этот путь, но и резко уменьшить число необходимых опытов, быстро выявить оптимальный вариант осуществления изучаемого процесса. Использование методов кибернетики и вычислительной техники изменяет, старые традиционные методы проведения эксперимента — от ручного управления, контроля, сбора и обработки информации дает возможность перейти к диалоговой системе экспериментатор — электронная управляющая машина. Эксперимент проводит машина, в которую предварительно заложена программа оптимизации эксперимента. Эта система в десятки раз ускоряет проведение эксперимента, повышает надежность получаемых данных. [c.3] Система автоматизированного эксперимента включает в себя следующие элементы экспериментальное оборудование, измерительное оборудование методики планирования, проведения эксперимента и обработки данных эксперимента средства отображения результатов и воздействия на экспериментальное оборудование. Таким образом идеология автоматизированной системы эксперимента состоит в планировании эксперимеата и обработке данных. В системе автоматизированного эксперимента экспериментатор выполняет следующие функции 1) введение исходной информации для проведения эксперимента 2) введение директивных априорных указаний для выполнения этапов экспериментирования 3) внесение изменений в ходе процесса экспериментирования 4) контроль правильности хода процесса 5) контроль достоверности получаемой количественной информации. [c.3] Оптимальное планирование эксперимента предполагает одновременное изменение всех параметров, влияющих на процесс, что позволяет сразу установить степень взаимодействия параметров и значительно сократить общее число опытов. Такой метод постановки опытоц известен как метод многофакторного планирования эксперимента. [c.4] Задача настоящего учебного пособия— на большом числе примеров научить студентов методикам обработки экспериментальных данных и планированию экспериментов для получения математических моделей изучаемых процессов и их оптимизации, без усвоения которых невозможно построение систем автоматизирован-, ного эксперимента. [c.4] Современным методом расчета и анализа процессов химической технологии является метод математического моделирования. Составная часть метода математического моделирования — установление адекватности математической модели изучаемому объекту. Адекватность может быть установлена с использованием статистико-вероятностных методов, позволяющих определить значения коэффициентов математической модели или действительного времени пребывания частиц потока, переносящих вещество или энергию. Поэтому применение таких приемов, как использование метода моментов, стало мощным средством математической оценки соответствия модели и объекта. [c.4] Описываемые в настоящем учебном пособии экспериментальностатистические методы позволяют получать математические модели таких процессов, строгое детерминированное описание которых вообще отсутствует. Основы математической статистики излагаются в книге применительно к задачам обработки экспериментов и,. моделирования химико-технологических процессов. Применяемый математический аппарат не выходит за рамки курса высшей математики втузов. [c.4] Основой книги послужил курс лекций, который читается с 1966 г. в Московском химико-технологическом- институте им. Д. И. Менделеева студентам специальности Кибернетика химико-технологических процессов . [c.4] Авторы выражают глубокую признательность рецензентам — коллективам кафедр процессов и аппаратов ЛХТИ им. Ленсовета (зав. кафедрой чл.-корр. П. Г. Романков) и химической кибернетики Казанского химико-технологического института им С. М. Кирова (зав. кафедрой доц. Ш. Г. Еникеев). [c.4] Результаты эксперимента в химии и химической технологии были и остаются главным критерием при решении практических задач и при проверке теоретических гипотез. Изучение сложных технологических процессов сопряжено с трудоемким и длительным экспериментом. Для увеличения эффективности научных исследований, сокращения сроков разработки новых технологических процессов необходима оптимизация экспериментальных исследований на всех стадиях разработки, исследования, внедрения и эксплуатации химико-технологических процессов. [c.5] В настоящее время мощным средством повышения эффективности научных исследований при решении задач расчета, анализа, -оптимизации и прогнозирования химико-технологических процессов стал метод математического моделирования [1]. При наличии полной информации о механизме процесса (термодинамике, кинетике, гидродинамике) составляют детерминированную математическую модель, представляющую собой систему дифференциальных уравнений обыкновенных или в частных производных. Для определения неизвестных констант, входящих в систему дифференциальных уравнений и проверки адекватности математической модели процесса, проводится эксперимент. [c.5] В качестве выходных величин рассматривают любой технологический или экономический показатель процесса. Используя при обработке опытных данных принципы регрессионного и корреляционного анализа, удается найти зависимость между переменными и определить условия оптимума. [c.6] Принято называть независимые переменные Х, Хг,. .., Хк факторами, координатное пространство с координатами х, хг,. .., — факторным пространством, а геометрическое изображение функции отклика в факторном пространстве — поверхностью отклика. [c.6] Любые контролируемые параметры технологических процессов (температура, давление, расход реагентов и др.) изменяются во времени случайным образом и, следовательно, являются случайными процессами. За время наблюдения случайный процесс принимает тот или иной конкретный вид, заранее неизвестный, называемый реализацией случайного процесса. Случайный процесс можно рассматривать как систему, состоящую из бесконечного множества случайных величин. Фиксируя значения случайного процесса через определенные интервалы времени, получаем систему случайных величин. Интервалы времени должны быть достаточно велики, чтобы значения случайных величин были получены из независимых опытов. [c.7] Различают стационарные (рис. 2) и нестационарные (рис. 3). случайные процессы. Стационарные случайные Ьроцессы протекают во времени приблизительно однородно и имеют вид случайных колебаний вокруг некоторого среднего значения, причем ни средняя амплитуда, ни характер этих колебаний не обнаруживают существенных изменений с течением времени. Исследуя стационарный процесс на любом участке времени, получают одни и те же характеристики. Нестационарные случайные процессы имеют определенную тенденцию развития во времени, характеристики такого процесса зависят от начала отсчета. Если изменение технологических параметров объекта ндсит характер нестационарного случайного процесса, принципиально невозможно получить модель процесса в виде алгебраического уравнения (3) с постоянными коэффициентами. Это встречается, например, при моделировании процесса в каталитическом реакторе, если характеристики катализатора резко меняются за период его эксплуатации. [c.7] Планирование эксперимента предложено английским ученым Р. Фишером в 30-х годах, однако современные методы широко применяемого экстремального планирования эксперимента связаны с работой американских ученых Бокса и Уилсона [8]. Несмотря на недостатки пассивного эксперимента и классического регрессионного анализа [2], этот метод широко применяется в производственных условиях, поскольку при этом информацию о свойствах объекта получают без нарушений технологического режима. В настоящее время методы планирования эксперимента, широко применяемые для изучения процессов в лабораторных и полузаводских условиях [9, 10, 11], в промышленных условиях применяются редко [12]. Однако развитие методов планирования эксперимента применительно к промышленным условиям и технический прогресс производства несомненно создадут предпосылки оптимизации эксперимента на всех стадиях изучения процесса. [c.8] Вернуться к основной статье