CC BY
25
Информатика, вычислительная техника и управление. Приборостроение. Метрология. Информационно-измерительные приборы и системы
7. Тарасевич Ю. И. Природные сорбенты в процессах 10. очистки воды. Киев : Наук. Думка, 1989. 222 с.
8. Очистка от нефтепродуктов природными цеолитсо-держащими туфами / Хараев Г. И, Хантургаева Г. И, 11. Захаров С. Л, Ширетова В. Г. // Безопасность жизнедеятельности. 2007. № 2. С. 29-32. 12.
9. Смирнов А. Д. Сорбционная очистка воды. М. : Химия, 1982. 168 с.
Челищев Н. Ф. Беренштейн Б. Г., Володин В. Ф. Цеолиты - новый тип минерального сырья. М. : Недра, 1987. 176 с.
Грег С., Синг К. Адсорбция, удельная поверхность, пористость. М. : Мир, 1984. 306 с. Дубинин М. М. Адсорбция и пористость. М. : ВАХЗ. 1982. 172 с.
УДК 621.928.93+004.67+004.421 Кулакова Ирина Михайловна,
к. т. н., доцент Ангарской государственной технической академии (АГТА),
тел. (3955)674396, факс (3955)673418 Жабей Анна Аликовна, к. т. н., инженер-программист, ИАЗ - филиал ОАО «Корпорация «ИРКУТ»,
тел. 79086513531, е-mail: [email protected] Кулаков Алексей Юрьевич,
аспирант каф. автоматизации и электроснабжения промышленных предприятий (А и ЭПП) АГТА,
Руш Елена Анатольевна, д. т. н., проф., зав. каф. «Безопасность жизнедеятельности и экология» ИрГУПС,
е-mail: [email protected], Асламова Вера Сергеевна, д. т. н., проф., зав. каф. А и ЭПП АГТА, е-mail: [email protected]
АВТОМАТИЗИРОВАННАЯ СИСТЕМА ИССЛЕДОВАНИЯ И ТЕХНОЛОГИЧЕСКОГО РАСЧЕТА
ПЫЛЕУЛОВИТЕЛЕЙ
I.M. Kulakova, A.A. Gabey, A. Yu. Kulakov, E.A. Rush, V.S. Aslamova
COMPUTER-AIDED SYSTEM OF DUST EXTRACTOR RESEARCH AND TECHNOLOGICAL ESTIMATION
Аннотация. Представлена автоматизированная система исследования и технологического расчета пылеуловителей, в состав которой входят: автоматизированные подсистемы технологического расчета пылеосадительных камер, циклонов и скрубберов; база данных для хранения технологических и конструктивных характеристик пылеуловителей, физико-химических свойств газов, жидкостей и пылей; модуль для управления данными; подсистема обработки экспериментальных данных седиментационного анализа пыли. Система позволяет снизить трудоемкость обработки данных, выбрать оптимальные режимы функционирования пылеуловителей, сократить сроки исследования.
Ключевые слова: автоматизированная система, пылеосадительная камера, циклон, скруббер, база данных, модуль для управления данными, седиментационный анализ пыли.
Abstract. This article presents the computer-aided system of dust extractor research and techno-
logical estimation, which include: computer aided subsystem of technological calculation of dust chamber, cyclones, and scrubbers; database for keeping technological and design characteristics of dust extractor; physical and chemical properties of gas, liquid, and dust, module for data management, subsystem for experimental data processing about analysis of dust sedimentation.
It is shown that this system can essentially decreased the labour intensity and choice the optimal operating conditions for dust extractors.
Keywords: computer-aided system, dust chamber, cyclones, scrubbers, database, module for data management, analysis of dust sedimentation.
Совершенствование газоочистного оборудования - одна из наиболее важных задач в области природоохранной деятельности, поскольку эффективность применяемых систем пылеочистки не всегда соответствует нормам ПДК. При разработке пылеочистных устройств важно выбрать наибо-
лее подходящим для данных технологических условий тип оборудования и на основе адекватных математических моделей точно рассчитать ожидаемые показатели его работы до изготовления опытных образцов. При обзоре существующих программных разработок в области пылеочистки и природоохранной деятельности предприятий «ЛОГУС», «Интеграл», «Лазурит» было выявлено, что нет программного обеспечения (ПО) для прогнозирования эффективности очистки и гидравлического сопротивления проектируемых пылеуловителей. ПО, имеющееся на рынке, обеспечивает лишь инвентаризацию источников выбросов загрязняющих веществ в атмосферу, расчет валовых выбросов, подготовку проектов разрешений на выбросы и ведение учета полученных разрешений. На основании вышеизложенного возникает необходимость разработки автоматизированной системы (АС) исследований процесса сепарации в пылеуловителях для оптимального выбора пылеуловителя и режима его эксплуатации по заданным техническим условиям, а также оценки показателей работы функционирующих аппаратов.
АС имеет следующие составные части: база данных (БД) для хранения технологических и конструктивных характеристик пылеуловителей, физико-химических свойств газов, жидкостей и пы-лей и сведения о литературных источниках; модуль для управления данными БД; автоматизированные подсистемы технологического расчета гравитационных пылеосадительных камер (АПТРПК), циклонов (АПТРЦ) и скрубберов (АПТРС); подсистема обработки экспериментальных данных процесса сепарации в прямоточном циклоне с промежуточным отбором пыли (ПЦПО); подсистема определения характеристик пыли. АС выполнена в двух модификациях - клиент-серверной (на базе MS SQL Server) и локальной (MS Access) архитектуре.
АС позволяет решить следующие задачи:
1. Определение характеристик пыли (масс-медианного диаметра частиц и логарифмов сред-неквадратического отклонения диаметров частиц, плотности пыли), подбор аппроксимирующей функции для интегральной функции распределения частиц по размерам по результатам седимен-тационного анализа и запись полученных значений в базу данных.
2. Расчет показателей работы ПЦПО и статистическая обработка результатов исследования процесса сепарации в прямоточном циклоне.
3. Хранение технологических характеристик гравитационных пылеуловителей, циклонов и скрубберов, а также физико-химических свойств
жидкостей, газов и пылей; ввод и редактирование информации, поиск по заданным критериям.
4. Расчет гидравлического сопротивления и эффективности очистки гравитационных пылеоса-дительных камер, циклонов и скрубберов по различным методикам, выбранным пользователем.
5. Автоматизированный подбор гравитационных пылеуловителей, циклонов и скрубберов на заданные режимы их эксплуатации, оптимальный выбор пылеуловителя по критерию максимальной эффективности пылеулавливания.
6. Выбор оптимальных режимов эксплуатации гравитационных пылеуловителей, циклонов и скрубберов.
7. Формирование отчетности в программном модуле MS Excel.
При очистке газов с содержанием крупных частиц размером более 100 мкм на предварительной стадии устанавливают пылеосадительные камеры для разгрузки аппаратов последующих ступеней (циклоны, скрубберы, фильтры и др.). В АПТРПК производится расчет габаритных параметров и эффективности очистки прямоугольных пы-леосадительных камер на основании методик [1].
Размеры камеры определяются размером 5* наименьших частиц, которые должны быть осаждены полностью. Габаритные размеры камеры, необходимые для гравитационного осаждения частиц крупнее заданного размера частиц 5*, определялись по соотношению
L = H-Wj V*,
где L - длина камеры; H - высота камеры; W, - продольная скорость движения газов в каме-
тг*
ре; VS - скорость седиментации частиц, определяемая по времени динамической релаксации частицы (т*):
г* = (рт-р)-52(18^), где рт и р - плотности частиц и газа; £ - коэффициент сопротивления частиц; - стоксовский коэффициент сопротивления:
4 = 24/Re^ где Re5 - число Рейнольдса обтекания частицы размером 5 при ее седиментационном осаждении:
Re 5* = Vs -рЫ.
Необходимая суммарная поверхность осаждения F0 рассчитываемой камеры
F = wj V*.
Информатика, вычислительная техника и управление. Приборостроение. Метрология. Информационно-измерительные приборы и системы
Для камеры полочного типа, предварительно выбрав ширину, подсчитывали необходимое число полок п и расстояние между полками к : п = ¥01Е • Ь, к = V* V.
Тогда общая высота пылеосадительной камеры Н составляет:
Н = п • (к + кп), где кп - толщина одной полки.
На рис. 1 приведен пример расчета габаритных параметров прямоугольной пылеосадитель-ной камеры в АПТРПК.
Однако при движении запыленных газов в камере турбулентность потока нарушает нормальное гравитационное осаждение, в особенности частиц малых размеров, и действительная степень очистки газов оказывается ниже, чем теоретически рассчитанная. В связи с этим был реализован приближенный расчет эффективности, учитывающий диффузию частиц в турбулентном потоке, основанный на использовании вероятностных функций.
Для пылеосадительных камер с Ь/Н > 3 значение парциальных коэффициентов очистки (в %) находится с достаточной степенью точности на основании расчетов средней концентрации частиц соответствующего размера в выходном сечении пылеосадительной камеры по формуле (%):
N
Ws= 1 "Z kSi
7=0 /
где N - число точек, для которых рассчитывается фракционный проскок частиц Ks по высоте камеры.
Концентрация этих частиц во входном сечении принимается равномерно распределенной по сечению. Предполагалось, что распределение частиц по размерам подчиняется нормальному закону распределения, значение величины K5 определяется по уравнению
Ks = 1/2 • (Ф( Xi) + Ф(х2)).
Значения функций Ф(x) и Ф(x2) определялись по нормальной функции распределения, а величины X и X , в свою очередь, находились из выражений
x12 = (H + x ± VSL / W2 )/^2DtL / Wr , где x - координата по высоте камеры; Dt - коэффициент турбулентной диффузии частиц.
При выполнении условия V / W < L • g / W^ коэффициент турбулентной диффузии частиц совпадает с коэффициентом турбулентной диффузии газового потока и рассчитывается по формуле Шервуда - Вертца:
D = 0,02 • WrH-JX,
где X - коэффициент гидравлического трения потока о стенки канала, определяемый по критерию
Рис. 1. Пример расчета габаритных параметров пылеосадительных камер
Рейнольдса.
Входными параметрами расчета являются: высота камеры, скорость потока, расход газа, физико-химические свойства пылей и газов. В качестве выходных параметров представлены недостающие габаритные параметры и эффективность очистки, рассчитанная по приведенному выше методу.
Система позволяет определить оптимальные размеры и эффективность очистки пылеосади-тельной камеры [2].
Методы, используемые в АПТРЦ для расчета циклонов и скрубберов, описаны в [3-7]. Выбор конкретного метода расчета предоставляется пользователю, который на основе имеющихся у него данных принимает решение об использовании того или иного метода. Например, в том случае, если неизвестны фракционные параметры циклона, целесообразно расчет производить с помощью универсального метода [4], в котором эффективность пылеочистки определяется по известной эффективности пылеулавливания эталонного циклона (из БД), геометрически подобного исследованному, при масштабном переходе на заданные режимы работы и с использованием коэффициентов уноса. На способ определения эффективности пылеулавливания циклонов любого типа (прямоточного, противоточного и со встречными закрученными потоками) получен патент РФ на изобретение [8]. Для прямоточных циклонов целесообразнее использовать статистический метод [5]. При наличии данных о фракционном составе пыли и фракционных параметрах пылеуловителя
удобнее воспользоваться методикой НИИОГАЗ [9] или фракционным методом М.И. Шиляева [1].
Для автоматизации обработки экспериментальных данных был разработан программный модуль «Эксперимент», позволяющий существенно упростить и ускорить обработку и анализ информации при исследовании прямоточного циклона с промежуточным отбором пыли. Данный программный модуль, входящий в состав подсистемы обработки экспериментальных данных процесса сепарации в ПЦПО, предназначен для получения расчетных значений опытных данных по известным зависимостям. В качестве исходных значений используются введенные пользователем экспериментальные данные и предопределенные константы. Выходная информация представляется в виде текстовых файлов и файлов в формате MS Excel со статистически обработанными результатами. Предусмотрено несколько способов расчета: для одного опыта, для серии опытов с вводом данных вручную или с использованием входного текстового файла.
На рис. 2 изображены некоторые графики, формирующиеся при генерации отчета MS Excel: зависимость полных потерь давления AP от квадрата среднерасходной скорости w0 (рис. 2, а), аппроксимированная с коэффициентом детерминации R2 = 99,09 % уравнением:
AP = 51,96+17,27w2 , зависимость коэффициента сопротивления д от критерия Рейнольдса (рис. 2, б). В переходной области от режима Стокса до режима Ньютона ко-
Рис. 2. Зависимости: а) гидравлического сопротивления ( АР ) от квадрата среднерасходной скорости (); б) коэффициента гидравлического сопротивления ( £ ) от числа Рейнольдса (Re5 )
Информатика, вычислительная техника и управление. Приборостроение. Метрология. Информационно-измерительные приборы и системы
Рис. 3. Диалоговое окно программного модуля «Седиментация»
эффициент гидравлического сопротивления циклона с коэффициентом достоверности Я2 = 97,65 % точно описывается квадратичной зависимостью
£ = 57,96-0,0018Яе+ 3,041-10~8Яе2 .
Для обработки данных анализа гранулометрического состава пылей методом жидкостной седиментации в гравитационном поле используется программный модуль «Седиментация». Графическая и аналитическая обработка результатов и определение в пробе процентного содержания фракций различной дисперсности проводится по методикам, принятым в седиментационном анализе. Для уточнения размеров крупных частиц коэффициент гидравлического сопротивления частицы определяется не по формуле Стокса, а по формуле Сиска, поскольку формула Стокса справедлива для критерия Рейнольдса
5=Рж ^ 0,Ь
где иж, рж, н, 5 - динамическая вязкость и плотность жидкости, скорость седиментации частицы диаметром 5. Регрессионное уравнение Сиска справедливо с точностью 2 % в широком интервале изменения критерия Яе5 : 0,1 < Яе5 < 3500.
Диалоговое окно для расчета диаметров частиц и интегральная функция массового распределения частиц по размерам, полученная в результате обработки данных, приведены на рис. 3.
В АПТРЦ для ускорения поиска и выбора наилучшего среди прямоточных, противоточных циклонов и пылеуловителей со встречными закрученными потоками использованы встроенные
средства для вывода лучших показателей. АСТРЦ предоставляет возможность выбора оптимального циклона на заданные условия его эксплуатации. Также реализована возможность определения оптимальных режимов функционирования циклонов. Для наглядности диапазона оптимальных значений в АПТРЦ формируется зависимость эффективности пылеулавливания от выбранного технологического параметра (рис. 4, 5). АПТРЦ зарегистрирована в отраслевом фонде алгоритмов и программ (№ 8990).
Рис. 4. Диалоговое окно подпрограммы выбора оптимального режима
В АПТРС оценка эффективности очистки скрубберов производится на основании двух методов - энергетического [9] и фракционного (только для скрубберов Вентури) [1, 7].
Рис. 5. Зависимость эффективности очистки циклона от запыленности потока
При исследовании в АПТРС скрубберов обнаружено, что повышение напора и расхода жидкости незначительно влияют на его эффективность сепарации (1-2 %). Но увеличение гидравлического сопротивления аппарата в 3 раза вызывает значительное повышение эффективности: при расчете скруббера, гидравлическое сопротивление которого составляет 1,6 кПа, эффективность улавливания тумана фосфорной кислоты составила 76 %. Увеличение гидравлического сопротивления аппарата в 3 раза до 4,8 кПа вызвало повышение эффективности до 94 %, что подтверждает вывод многих исследователей, в том числе М.И. Шиляева [1], о зависимости эффективности пылеулавливания скрубберов в основном от энергозатрат на пыле-очистку. Таким образом, подсистема АПТРС позволяет определить оптимальные значения технологических параметров, например расхода орошения, максимизирующего эффективность очистки скруббера Вентури.
Разработанную АС можно использовать для создания компьютеризированных лабораторных практикумов, проведения седиментационного анализа и исследования процесса сепарации. АС позволяет снизить трудоемкость обработки данных и сократить сроки исследования. АС внедрена в учебный процесс ряда вузов Сибирского региона: Ангарской государственной технической академии, Иркутского государственного университета путей сообщения, Томского политехнического университета и Восточно-Сибирского технологического университета. АС можно эффективно ис-
пользовать и в системе дистанционного обучения для формирования инженерных навыков студентов-технологов и экологов в условиях виртуального лабораторно-практического занятия.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Шиляев М. И., Шиляев А. М., Грищенко Е. П. Методы расчета пылеуловителей. Томск : Изд-во Том. гос. архитектурно-строит. ун-та, 2006. 385 с.
2. Кулакова И. М., Кулаков А. Ю., Асламова В. С. Автоматизированная система технологического расчета пылеосадительных камер // Изв. Томск. политехи. ун-та. Томск : Изд-во ТПУ. 2010. Т. 317, № 5 : Управление, вычислительная техника и информатика. С. 74-77.
3. Асламова В. С., Жабей А. А. Автоматизированная система технологического расчета циклонов // Современные технологии. Системный анализ. Моделирование. 2009. № 1. С. 59-63.
4. Универсальный метод расчета эффективности пылеулавливания циклонов / В. С. Асламова, А. А. Ас-ламов, Т. Н. Мусева, А. А. Жабей // Химическое и нефтегазовое машиностроение. 2008. № 1. С. 34-37.
5. Статистическое моделирование эффективности пылеулавливания прямоточных пылеуловителей при масштабном переходе / В. С. Асламова, А. А. Асла-мов, Н. А. Брагин // Химическая промышленность сегодня. 2008. № 2. С. 42-48.
6. Асламова В. С., Жабей А. А. Использование инструментария СУБД для разработки практикума по курсу «Инженерные методы защиты атмосферы» // Математические методы в технике и технологиях. ММТТ-22 : сб. тр. междунар. науч.-метод. симп. «Современные проблемы многоуровневого образования». Ростов н/Д : Издат. центр ДГТУ, 2008. С. 151-155.
7. Жабей А. А., Асламова В. С., Кулакова И. М. Автоматизированное программное обеспечение расчета показателей работы скрубберов // Математические методы в технике и технологиях. ММТТ-22 : сб. трудов XXII междунар. науч. конф. : в 10 т. - Псков : Изд-во Псков. гос. политехн. ин-та, 2009. Т 4. С. 23-25.
8. Пат. 2358810 RU. C2 B 04 C 3/00, B 04 C 5/00. Способ определения эффективности пылеулавливания циклонов / В. С. Асламова, А. А. Асламов, А. А. Жабей. Опубл. 20.06.09, Бюл. № 17.
9. Справочник по пыле- и золоулавливанию / под ред. А. А. Русанова. 2-е изд., перераб. и доп. М. : Энерго-атомиздат, 1983. 312 с.
Информатика, вычислительная техника и управление. Приборостроение. Метрология. Информационно-измерительные приборы и системы
УДК 623 .735 Крылов Анатолий Андреевич,
адъюнкт кафедры восстановления авиационной техники (и материаловедения), Военный авиационный инженерный университет (г. Воронеж), тел. 8-9102-885675
Сизых Виктор Николаевич,
к. т. н., доцент, докторант-соискатель, Иркутский государственный университет путей сообщений, кафедра «Управление техническими системами», тел. 8-9148-830351, e-mail: [email protected]
Чумак Александр Григорьевич, д. т. н., профессор, профессор кафедры естественно-научных дисциплин и информационных технологий, Ставропольский кооперативный институт - филиал Белгородского университета потребительской кооперации, тел. 8-9064-789170
МЕТОДИКА СТРУКТУРНО-ПАРАМЕТРИЧЕСКОГО СИНТЕЗА НЕЙРОСЕТЕВОЙ МОДЕЛИ ПРОДОЛЬНОГО ДВИЖЕНИЯ ВОЗДУШНОГО ТРАНСПОРТНОГО СРЕДСТВА
A.A. Krylov, V.N. Sizykh, A. G. Chumak
STRUCTURED-PARAMETRIC SYNTHESES METHODS TO NEURAL NETWORKS LONGITUDAL MOVING MODELS OF AIR TRANSPORT SYSTEM
Аннотация. Приведены результаты исследований по выбору вида нейронной сети, функций активации, алгоритма обучения и количества нейронов в слоях при выборе архитектуры нейросетевой модели продольного движения самолета.
Ключевые слова: летательный аппарат, модель, нейронная сеть, обучение, структурно-параметрический синтез.
Abstract. Structured-parametric syntheses methods to neural networks longitudal moving models of air transport system are considered.
Keywords: aircraft, model, neural network, education, structured-parametric syntheses.
Применение нейронных сетей (НС) и, в частности, методов нейросетевого управления является адекватной методологической основой построения высокоэффективных систем управления такими сложными динамическими объектами [1-5], какими являются современные и перспективные летательные аппараты (ЛА). Первым этапом внедрения нейросетевого управления является создание нейросетевой математической модели движения ЛА [1].
В настоящей работе исследования ограничиваются разработкой нейросетевой математической
модели продольного короткопериодического движения самолета.
Актуальность данной задачи обусловлена:
• усложнением аэродинамической компоновки летательных аппаратов, нелинейностью их характеристик на больших углах атаки;
• расширением области применения, исходя из требований многофункциональности;
• ограничением финансовых средств на разработку новой авиационной техники, приводящим к сокращению экспериментальных и исследовательских программ и, как следствие, к уменьшению объёма и точности исходных данных, необходимых при проектировании систем автоматического управления (САУ);
• несоответствием характеристик некоторых типов ЛА требованиям руководящих документов к устойчивости и управляемости в определённых областях режимов полёта. Иными словами, существующие САУ с линейными алгоритмами работы не в состоянии обеспечить качественное управление ЛА, имеющим нелинейные аэродинамические характеристики.
Необходимо выделить два основных этапа при синтезе нейросетевой математической модели движения ЛА (рис. 1).
