Документация

Модель Постоянно реактора смесителя (CSTR)

Постоянно Реакторы Смесителя (CSTRs) распространены в перерабатывающей промышленности. Модель Simulink, sdoCSTR, моделирует покрытое кожухом диабатическое (т.е. неадиабатическая) реактор бака, описанный в [1]. CSTR принят, чтобы быть отлично смешанным с одной экзотермической и необратимой реакцией первого порядка., реагент, преобразован в, продукт.

В этом примере вы используете следующую модель CSTR с двумя состояниями, которая использует основные принципы учета и энергосбережения:

Откройте модель Simulink.

open_system('sdoCSTR');

Проблема проектирования CSTR

Примите, что CSTR является цилиндрическим с хладагентом, к которому применяются основа цилиндра. Настройте площадь поперечного сечения CSTR и высоту CSTR, чтобы удовлетворить следующим целям проекта:

Качество канала к реактору может отличаться среди поставщиков. Таким образом проект должен допускать изменения концентрации канала предоставления и питать температуру. Качество канала отличается от поставщика поставщику и также варьируется в каждом пакете предоставления.

Задайте переменные проекта

Откройте Sensitivity Analysis Tool. В редакторе моделей Simulink нажмите Analysis-> Sensitivity Analysis. Инструмент открывается пустым сеансом Анализа чувствительности.

Создайте набор параметра, который включает переменные A проекта CSTR и h и параметры изменения канала FeedConc0 и FeedTemp0. Вы случайным образом генерируете несколько значений для этих параметров, чтобы оценить проект CSTR.

Задайте распределения параметра и корреляции. ParamSet будет заполняют со значениями параметров, выбранными случайным образом из заданных распределений:

Чтобы сгенерировать 100 значений параметров с помощью вышеупомянутой информации о распределении и корреляции, нажмите Generate Values и выберите Generate Random Values. Поскольку воспроизводимость примера сбросила генератор случайных чисел.

rng('default')

В диалоговом окне Generate Random Parameter Values задайте следующее:

ParamSet таблица обновляется со сгенерированными значениями параметров. Обратите внимание на то, что можно вручную отредактировать сгенерированные значения параметров в ParamSet таблица.

Чтобы построить набор параметра нажимают ParamSet в области Parameter Sets браузера инструмента. Во вкладке Plots выберите Scatter Plot в галерее графиков. График показывает гистограмму сгенерированных параметров на диагональных и попарных значениях параметров на недиагональном.

Обратите внимание на то, что из-за генератора случайных чисел определенные значения в графиках и приведенных ниже таблицах могут отличаться от того, что вы получаете при выполнении примера.

Каждый маркер на графике представляет одну строку ParamSet таблица, с каждой строкой, одновременно отображаемой на всех графиках. Корреляция между FeedCon0 и FeedTemp0 будьте видны на графике.

Задайте требования для оценки

Проект CSTR требуется, чтобы минимизировать изменение остаточной концентрации и минимизировать среднюю температуру хладагента. Выберите New Requirement и нажмите Signal Property, чтобы создать требование, чтобы минимизировать остаточное изменение концентрации.

В диалоговом окне Create Requirement задайте следующие поля:

Закройте диалоговое окно Create Requirement. Новое требование, SignalProperty перечислен в области Requirements браузера инструмента

Выберите New Requirement и нажмите Signal Property, чтобы создать требование, чтобы минимизировать среднее значение хладагента (выход блока sdoCSTR/Controller) температура.

В диалоговом окне Create Requirement задайте следующие поля:

Закройте диалоговое окно Create Requirement. Новое требование, SignalProperty создается в области Requirements браузера инструмента. Переименуйте требование CoolMean.

Оценить

Во вкладке Sensitivity Analysis нажмите Select for Evaluation. По умолчанию все требования выбраны, чтобы быть оцененными. Нажмите Evaluate Model, чтобы оценить ConcVar и CoolMean требования для каждой строки значений параметров в ParamSet. Обратите внимание, что можно ускорить оценку при помощи параллельных вычислений, если у вас есть Parallel Computing Toolbox(TM), или при помощи быстрого перезапуска. Для получения дополнительной информации см., что "Параллельные вычисления использования для Анализа чувствительности" и "используют Быстрый Режим Перезапуска Во время Анализа чувствительности" в документации Simulink Design Optimization™.

График рассеивания результатов, показывающий каждый параметр по сравнению с каждым требованием, обновляется во время оценки модели. В конце оценки составлена таблица с результатами оценки, каждая строка в таблице результата оценки содержит значения для A, FeedCon0, FeedTemp0H и получившиеся значения требования ConcVar и CoolMean. Результаты оценки хранятся в EvalResult переменная в области Results инструмента.

Анализируйте результаты оценки

График рассеивания результатов для EvalResult показывает тот CoolMean обратно пропорционально коррелируется с h (увеличивающийся h уменьшения CoolMean) и тот низкие значения h может привести к высоким значениям для ConcVar. График показывает что низкие значения A может привести к высоким значениям для ConcVar, но это не ясно из графика как A коррелируется с ConcVar или CoolMean или какой параметр влияет на ConcVar большинство. Чтобы заняться расследованиями далее, во вкладке Statistics, выбирают все методы анализа и типы и нажимают Compute Statistics. Это выполняет анализ результатов оценки и создает график торнадо. График торнадо показывает влияние каждого параметра на каждом требовании:

Анализ показывает что, выбирая большой h, уменьшать CoolMean и выбор большого A уменьшать CoolVar казалось бы, был бы хорошим проектным решением. Можно подтвердить это путем создания контурного графика CoolMean и CoolVar по сравнению с h и A. Выберите EvalResult от области Results браузера инструмента, и во вкладке Plots, в галерее графиков кликают по Контурному графику. На контурном графике выбирают h для параметра Y обратите внимание что большой h средние значения A дайте низкие значения для обоих ConcVar и CoolMean.

Выберите исходное предположение для оптимизации

Сортировка таблицы Evaluation Result путем уменьшения h, и выберите строку, которая имеет низкий ConcVar и CoolMean значения. Щелкните правой кнопкой по выбранной строке и нажмите Extract Parameter Values. Извлеченные значения параметров сохранены в ParamValues переменная в области Results браузера инструмента. Эти значения параметров используются в качестве исходного предположения для оптимизации.

Оптимизировать

Используйте данные в инструменте Sensitivity Analysis, чтобы создать задачу оптимизации, чтобы оптимизировать A и h. В Sensitivity Analysis вкладка нажимает Optimize и выбирает Create Response Optimization Session. Это открывает диалоговое окно, чтобы импортировать данные с Анализа чувствительности на инструмент Response Optimization.

Сконфигурируйте инструмент Response Optimization, чтобы оптимизировать проект CSTR:

Добавьте графики итерации, чтобы видеть, как переменные ParamValues A и h), и требования оптимизации ConcVar и CoolMean изменитесь во время оптимизации.

Оптимизация минимизирует CoolMean и ConcVar в присутствии различного FeedCon0 и FeedTemp0.

Связанные примеры

Чтобы изучить, как исследовать CSTR, проектируют пробел с помощью sdo.evaluate команда, см., "Что Исследование проекта использует Выборку Параметра (Код)".

Ссылки

[1] Bequette, Б.В. Просесс Динэмикс: Моделирование, Анализ и Симуляция. 1-й редактор Верхний Сэддл-Ривер, NJ: Prentice Hall, 1998.

Закройте модель

bdclose('sdoCSTR')