Разработка и исследование непрерывнодействующего смесеприготовительного агрегата на основе теории марковских процессов

• Автор: Саблинский, Алексей Игоревич
• Шифр специальности: 05.18.12
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Кемерово
• Количество страниц: 168 с. : ил.

ОГЛАВЛЕНИЕ

Введение и постановка задач исследования . .

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СМЕСЕОБРАЗОВАНИЯ

И ЕГО АППАРАТУРНОЕ ОФОРМЛЕНИЕ

1.1. Состояние теории процесса смссеприготовлсния .

1.2. Современные методы моделирования процесса непрерывного смесеприготовления.II

1.3. Состояние и перспективы развития смесительного

оборудования для переработки сыпучих материалов .

Выводы по главе .

ГЛАВА 2. МОДЕЛИРОВАНИЕ ПРОЦЕССА

СМЕШИВАНИЯ ДИСПЕРСНЫХ МАТЕРИАЛОВ В НЕПРЕРЫВНО ДЕЙСТВУЮЩЕМ АГРЕГАТЕ ЦЕНТРОБЕЖНОГО ТИПА.
2.1. Анализ схем организации движения
материальных потоков в СНД.
2.2. Моделирование процесса смешивания
в центробежных СНД.
Выводы но главе .
ГЛАВА 3. АППАРАТУРНОЕ И МЕТОДИЧЕСКОЕ
ОБЕСПЕЧЕНИЕ ЭКСПЕРИМЕНТАЛЬНЫХ
И ТЕОРЕТИЧЕСКИХ ИССЛЕДОВАНИЙ.
3.1. Описание лабораторноисследовательского стенда
3.2. Дозировочное оборудование стенда .
3.2.1. Шнековый дозатор
3.2.2. Спиральный дозатор
3.2.3. Порционный дозатор .
3.3. Описание новой конструкции СНД центробежного типа.
3.4. Прибор и методика для определения концентрации ферромагнитного трассера в смеси
3.5. Методика определения характерного размера частиц
3.6. Сыпучие материалы, использованные в
экспериментальных исследованиях .
3.7. Методика определения коэффициентов
циркуляции материала в аппарате
3.8. Методика определения интенсивностей изменения
I4 коэффициента неоднородности в материалопотоке.
3.9. Методика определения скорости частиц сыпучего
материала в исследуемом потоке.
3 Методика оценки динамических характеристик
смесителя непрерывного действия
Выводы по главе
ГЛАВА4.РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ
ИССЛЕДОВАНИЙ СМЕСИТЕЛЬНОГО АГРЕГАТА И СОПОСТАВЛЕНИЕ ИХ С РЕЗУЛЬТАТАМИ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ
4.1. Идентификация параметров математических моделей.
4.1.1. Определение коэффициентов циркуляции материала
внутри аппарата и их рациональных значений.
4.1.2. Определение параметров математической модели, оценивающей качество готового продукта на выходе
из смесителя
4.2. Методика расчета конусных СНД центробежного типа
с организацией опережающих материальных потоков.
4.3. Разработка аппаратурного оформления процесса
смешивания в производстве сухого мороженого.
Выводы по главе
ВЫВОДЫ И ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.
ЛИТЕРАТУРА


Данный метод моделирования является одним из возможных и обоснованных, но при практической реализации влияние турбулентного характера и трехмерности движения фаз системы и необходимость учета явлений дробления и столкновения частиц смешиваемого материала, а так же учет конструкционных особенностей рабочих органов смесителя влекут за собой значительное усложнение уравнений описывающих данный процесс. При моделировании процессов смешивания методами механики сплошных сред предприняты попытки определения траекторий движения частиц, концентрационных и температурных нолей. В настоящее время процесс смешивания стараются осуществлять в СНД с тонкими разреженными слоями [, -, , ], вследствие их малого энергопотребления и высокой эффективности работы. Энтропийно-информационный подход позволяет оценить состояние смеси и ее однородность. Смеси сыпучих материалов представляют собой множество частиц, координаты которых в пространстве, являющемся рабочим объемом смесителя, можно считать независимыми случайными величинами. Физическая система с множеством возможных состояний наиболее полно описывается с помощью методов теории информации []. ХЕ(—¦)«-*¦:), (1. Ш - объем пробы смеси; ш - число компонентов в смеси; п - число проб, взятых для оценки из смеси; Иу - частота принятия конкретного ^го значения концентрации 1-м компонентом во всех п пробах смеси объемом Ш каждая. Известно, что при фиксированном числе состояний физической системы ее энтропия максимальна в случае равенства исходов этих состояний, т. Р1=Р2=. Рт“1/1П, где Рь Рг,. Рт - вероятность принятия системы соответственно 1-го, 2-го,. Во всех остальных случаях Н<Ншах. На основе этого свойства энтропии проф. Макаровым Ю. Если анализируется смесь, состоящая из ш компонентов, то ее энтропия будет максимальна в том случае, когда каждый из них входит в смесь в количестве, пропорциональном величине 1/т. Для такой смеси величина Ф=0. Во всех остальных случаях 0<Ф<1. Модели, которые разработаны с применением теории вероятностей и случайных процессов [, , , 1], именуются вероятностными или стохастическими. Процесс смешивания аппроксимируется операцией случайных перестановок частиц смеси по методу Монте-Карло [, 1]. Смешивание частиц исходных компонентов происходит при их случайном блуждании в аппарате. Стохастические модели первого типа в основном применяются для описания смесителей периодического действия. Н.Е. Яио Т. Однако при использовании такого метода достаточно трудно учитывать такие процессы как сегрегация и конгломерация. Но, не смотря на эти нюансы, трактовка процесса смешивания сыпучих материалов как операции случайных перестановок элементов смеси, в целом, заслуживает внимания. Говоря о втором методе описания процесса смешивания, следует отметить, во первых, теорию марковских процессов, позволяющих описывать кинетику процесса смешивания [, , , , , , ], и путем преобразования системы дифференциально-разностных уравнений Колмогорова получать кинетические уравнения, для оценки качества смеси через абсолютное и стандартное отклонение концентрации компонентов практически при любом способе организации процесса, и, во вторых, теорию цепей Маркова [,, , ], позволяющих определить функцию распределения времени пребывания материала в аппарате и оценить качество смеси через выборочные статистики. Еще один подход, использующий элементы теории вероятностей и математической статистики, а так же техническую кибернетику, предложен в работе Шупова А. П. [4]. Он позволяет рассчитать параметры смеси, выходящей из инерционного смесителя, на основе моделей идеальных аппаратов. Суть подхода заключается в том, что система (например, СНД) преобразует случайную функцию хф на входе в новую случайную функцию уф на выходе. Символически такое преобразование можно записать как уф=А[хф], где А - некий оператор, под которым понимают элементарные преобразования случайной функции или сложные модели, описываемые системами дифференциальных и алгебраических уравнений. При решении практических задач больший интерес представляет не сама случайная функция, а ее параметры.