CC BY
5
ОПТИМИЗАЦИЯ АКУСТО-МАГНИТНОЙ ОБРАБОТКИ ЖИДКОСТИ ДЛЯ РАЗЛИЧНЫХ _ТЕПЛОВЫХ СИСТЕМ._
DOI: 10.31618/ESU.2413-9335.2020.4.73.675 Onishchenko Stefan, Avdzhiyan Artem, Korzhakov Alexey
Adyghe State University, Maykop, Russian Federation;
ABSTRACT
Существует способ безреагентной обработки воды на основе воздействия акустических и переменных магнитных полей. Для этого используется акусто-магнитный аппарат, который позволяет значительно замедлять процесс образования твердых отложений внутри систем теплоснабжения. Наиболее остро возникает проблема накипеобразования в системах геотермального теплоснабжения, использующих воды с высоким содержанием солей. Для достижения наибольшей эффективности обработки, необходимо оптимизировать работу устройства. В статье приведены результаты экспериментальных исследований влияния совокупности нескольких факторов на эффективность обработки жидкости с помощью акусто -магнитного аппарата. Выдвигается предположение о возможности оптимизации акусто-магнитной обработки жидкости при определенных значениях определенных факторов. Для проведения экспериментального исследования было принято решение использовать физическую модель процесса с проведением на ней натурных экспериментов. Для ее создания был собран лабораторный стенд, позволяющий воссоздать процессы, происходящие в реальной системе геотермального теплоснабжения. Были проведены эксперименты по обработке воды, имеющей высокую степень минерализации и высокие коррозийные свойства, в результате которых, получены экспериментальные данные о количестве образовавшихся твердых отложений на поверхности металлической пластины, помещенной внутрь установки. Для проведения эксперимента были выбраны следующие варьируемые факторы: скорость протекающей обрабатываемой жидкости, величина подаваемого напряжения питания, температура обрабатываемой жидкости. Для проведения и обработки результатов экспериментов, применялись методы математического планирования экспериментов. На основе полученных данных было определено, при каких значения совокупности выбранных факторов возможно добиться наибольшей эффективности обработки жидкости акусто-магнитным полем.
Key words: Акусто-магнитный аппарат (АМА), оптимизация обработки жидкости, методы планирования эксперимента.
Introduction
При выращивании агрокультур в холодное время года, необходимо обеспечивать необходимые для их роста температурные условия. Для этого используются различные системы теплоснабжения. При их длительном функционировании внутри системы начинает образовываться накипь и прочие твердые отложения. В результате происходит снижение теплоотдачи, что приводит к нарушению температурного режима в теплице. Отклонение от заданного температурного режима на несколько градусов может приводить к снижению урожайности растений, или вовсе к их гибели. Особенно остро становится эта проблема если используются системы геотермального теплоснабжения, так как в них происходит интенсивное отложение солей, способное привести к ухудшению работы системы или вовсе к выходу её из строя.
На сегодняшний день, существуют различные методы, позволяющие с различной эффективностью бороться с проблемой накипеобразования. Они могут быть разделены на две категории: реагентные и безреагентные. Большинство из них имеет различные недостатки: высокая стоимость, относительно малая эффективность, пагубное воздействие на окружающую среду, высокие энергетические затраты и другие.
Существуют различные устройства позволяющие проводить безреагентную обработку воды различными типами полей: магнитными, электрическими, акустическими [1]. Следует отметить, что работа этих устройства базируются лишь на одном из методов воздействия на обрабатываемую жидкость, что приводит к невысокой эффективности обработки. Наиболее распространенными являются различные аппараты магнитной обработки воды, которые потребляют достаточно большие мощности [2]. Более эффективно с этой задачей может справиться акусто-магнитный аппарат, осуществляющий одновременное воздействие двумя
составляющими: акустическим и магнитным полями. Данный эффект достигается за счет подачи напряжения высокой частоты на обмотки устройства. Это приводит к возникновению колебаний в ферритовом кольце, что приводит к акустическому воздействию на обрабатываемую жидкость. Наиболее эффективна обработка при частоте подаваемого напряжения, равной резонансной частоте ферритовых колец. Резонансная частота колец зависит от самого феррита и его габаритов. Использование композиционного способа воздействия на обрабатываемую жидкость, позволяет добиться значительного замедления процесса отложения солей внутри систем теплоснабжения [3].
Materials and methods
Для проведения исследования выдвигается гипотеза о возможности оптимизации акусто-магнитной обработки жидкости путем подбора оптимальных параметров обработки для конкретного устройства. Существует ряд различных внутренних и внешних факторов, позволяющих оптимизировать работу устройства, и повысить эффективность обработки жидкости [4,5]. Повышение эффективности работы устройства различными способами обусловлено необходимостью снижения потребляемой мощности, для предотвращения перегрева устройства и его дальнейшего выхода из строя [5]. Для проверки выдвигаемой гипотезы необходимо решить следующие задачи:
- спроектировать лабораторный стенд, позволяющий производить варьирование необходимых параметров;
- составить план эксперимента;
- провести эксперименты и обработать полученные экспериментальные данные;
- определить значимость исследуемых факторов;
- по полученной математической модели определить оптимальные значения варьируемых факторов в диапазоне их варьирования.
Для проведения эксперимента используется геотермальная вода с высоким уровнем минерализации из месторождения Победа (минерализация 35 г/л, температура в устье скважины 63-76 градусов цельсия) [6]. Следует отметить, что количество содержащихся в воде солей может меняться со временем, поэтому проводились контрольные измерения специальным прибором. Для используемого нами Tds-метра диапазон измерения минерализации воды составляет: 0~9990 ppm (мг/л) [7]. Для определения истиной концентрации солей приходилось измерять показатели в разбавленной воде и вычислять значения исходя из пропорций разбавления. Полученные данные измерений близки к заявленным данным из открытых источников.
В качестве параметра оптимизации было решено использовать противонакипный эффект, который напрямую определяет эффективность обработки жидкости в теплоустановках. Его значение может быть определено следующим образом:
в = Мн-Щ (1)
мн
где Мн - масса твердых отложений на пластинке за время проведения эксперимента (без обработки жидкости),
М0 - масса твердых отложений на пластинке за время проведения эксперимента (при обработке жидкости).
Для определения количества образовавшихся образований был выбран приведенный ниже метод. Металлические пластины помещают в стенд и проводят серию экспериментов с необработанной водой и обработанной водой с различными факторами. В результате каждого эксперимента количество соли, нанесенной на пластины, определяется с помощью высокоточной электронной шкалы. Затем, используя выражение (1), на основе полученных данных вычисляется показатель эффективности обработки. Существуют и другие методы определения противонакипного эффекта, но они требуют специального оборудования и применения различных химических реагентов [2,8].
На лабораторном стенде можно изучить влияние следующих управляемых факторов:
Хг- величина напряжения питания и (В) ;
л2— скорости протекающей воды (-);
Х3- температуры обрабатываемой воды £ (°С );
Х4- интенсивности ультразвуковых колебаний
/ (-у
'у (м2);
Х5- жесткость обрабатываемой воды;
Х6- форма подаваемого напряжения.
С учетом ранее опубликованных работ [3,4,9] было принято решение поддерживать на фиксированном уровне следующие
факторы: Х4, Х5, Х6. Варьируя три оставшихся фактора Хг, Х2, Х3 , можно проводить полный факторный эксперимент [9]. Зависимость количества проводимых экспериментов от числа управляемых факторов выражается как: N = 2Р, где N - число опытов, р - количество управляемых факторов.
Для проведения эксперимента необходимо составить план его проведения с определением интервалов варьирования. Основной уровень выбирается в соответствии с априорной информацией о протекающем процессе [10].
Перед проведение экспериментов необходимо провести кодирование значений. Кодирование элементов происходит по следующей формуле [11]:
X,
М
(2)
Где:
X] - кодированное значение фактора; X]- натуральное значение фактора; Х]0- значение основного уровня; А]'- интервал варьирования Далее проведено кодирование элементов, в соответствии с указанной формулой.
Xj-Xj0
Таблица 1
Факторы и интервалы варьирования эксперимента_
Уровни факторов Кодированные обозначения Факторы и их натуральные значения
Х1 (и), В Х2 (V), м/с (1), °С
Основной уровень 0 12 1 60
Интервал варьирования 1 2 0,5 10
Верхний уровень +1 14 1,5 70
Нижний уровень -1 10 0,5 50
Следует отметить, что опыты проводились на одном устройстве, в связи с чем величину подаваемого напряжения возможно было изменять лишь в малом диапазоне, во избежание поломки устройства. Чтобы варьировать величину напряжения на больший уровень, необходимо провести расчеты и спроектировать новое устройство, рассчитанное на большую нагрузку.
Матрица планирования и
Основной задачей является рассмотрение возможности оптимизации путем выбора оптимальных параметров процесса обработки жидкости, для уже созданных устройств. В результате проведения экспериментов была использована следующая матрица планирования, и получены соответствующие результирующие признаки:
Таблица 2
№ опыта Х2 У
1 + + + 0,9
2 + + — 0,891
3 + — + 0,905
4 + — — 0,89
5 — + + 0,86
6 — + — 0,85
7 — — + 0,89
8 — — — 0,87
В результате обработки результатов опытов регрессионному анализу, в результате чего удалось использовался матричный подход к получить уравнение множественной регрессии:
V = 0,7643 + 0,0103Х1 - 0,0186Х2 + 0,00031Х3
(3)
Полученная модель нуждается в проверке её адекватности. Для этого необходимо использовать F-критерий (критерий Фишера). Для его определения необходимо вычислить
множественный коэффициент детерминации
точностью [12]. Проверим значимость коэффициентов регрессии. Значимость коэффициентов регрессии проверяется по критерию Стьюдента. Для этого определим дисперсию воспроизводимости по выражению:
И2 = 1= 0.93
(4)
Подставляя его значение в формулу для определения F-критерия имеем:
К =
Я2(п—т) (1—Я2)(т—1)
= 31.24
(5)
Уравнение множественной регрессии является значимым, если с уровнем значимости а если статистика удовлетворяет условию:
К > К
1—а; т-1;п-т,
(6)
где р1—а;
1—а; т—1;п—т
квантиль распределения
Фишера. Для рассматриваемого уравнения его значение равно 4.34. Следовательно можно сделать вывод о том, что исследуемая зависимость хорошо описывается факторами Х1,Х2 с заданной
Б2
^уост
_ £?=1(Г—Г)2
п—
(7)
Где, У — У — неувязка ьго измерения; п — число проводимых наблюдений (опытов);
- число рассматриваемых параметров. Для выполнения условия значимости найдём среднее квадратическое отклонение
коэффициентов уравнения регрессии Ь по формуле:
= $уост^[(ХТХ) — 1]и
(8)
Вычислим среднеквадратическое отклонение для коэффициентов Ьг используя диагональные элементы (ХТХ)—1и обратной матрицы (ХТХ)—1.В качестве критерия проверки статистической гипотезы: Н0: Ьу = 0 (коэффициент р незначим); Н1: Ь] Ф 0 (коэффициент р значим) примем
случайную величину:
sbi
(9)
Где, Ь^ - коэффициенты уравнения регрессии; - среднее квадратическое отклонение коэффициентов уравнения регрессии.
В результате проверки значимости коэффициентов регрессии по критерию Стьюдента коэффициент уравнения (6) - Ь3, не является значимым на этих интервалах вариации и воспроизводимости ошибок. Это означает, что уравнение регрессии можно переписать как (10):
у = 0,7643 + 0,0103^ - 0,0187Х2 (10) Из этого следует, что наибольшее влияние на процесс обработки жидкости оказывают величины Хги Х2, при этом увеличение фактора Хх приводит к увеличению значения результирующего признака, а увеличение значения Х2 приводит к его уменьшению. Так как полученное уравнение регрессии (10) является адекватным, а по результатам опытов видно, что область оптимума достаточно близка, поэтому целесообразно осуществить движение по градиенту для определения оптимальных параметров.
Таблица 3
bi 0.0103 -0.0187
bill 0.0206 -0.0094
Увеличенный шаг градиента 0.4120 -0.1870
№ опыта Xi
9 12.41 0.81
10 12.82 0.62
11 13.24 0.48
12 13.65 0.3
_ bi
Т
Р
I
В связи с адекватностью модели было принято решение о проведении мысленных экспериментов. Шаг градиента был увеличен в 20 раз для более быстрого продвижения. Его увеличение не приводит к ошибкам, так как умножение его составляющих на любое положительное число, также дает точки, лежащие на градиенте [9]. Их значение конечно может отличаться от значений полученных экспериментально, но это не требует проведения дополнительной серии опытов. По их результатам удалось определить оптимальные значения факторов Хх, Х2 и значение итогового результирующего признака У для рассматриваемых интервалов варьирования:
^=13.65 (В), Х2=0Л8 (м/с), Y=0.901 Results and discussion
Для выполнения поставленной задачи, требуется проведение экспериментов с использованием реальной физической модели. С этой целью был собран стенд, позволяющий варьировать значения выбранных факторов и поддерживать их уровень в ходе эксперимента. Далее приведена принципиальная схема стенда:
11 15 12
1 — ПЛК SIEMENS, 2 — электрический шаровой кран, 3 — кран Маевского, 4 — датчик скорости потока жидкости, 5 — циркуляционный насос, 6 —нагревательный элемент, 7 — отстойник, 8 — отверстие для заполнения, 9,10,14,15 — вентили, 11 — слив, 12 — радиатор, 13 — акусто-магнитный аппарат, 16 — металлическая пластина Рисунок 1 — Принципиальная схема стенда.
Для регулирования скорости потока жидкости используется программируемый логический контроллер и соответствующая программа.
Рисунок 2 - Программа для регулирования скорости потока жидкости
Поддержание уровня необходимой скорости происходит на основе показаний с датчика скорости потока жидкости. Существует выражение для датчика, связывающее число импульсов, поступающих с него, с объемом протекающей жидкости за одну минуту [13].
Р = №*5)-3% (11)
Б — число импульсов за единицу времени;
Р — скорость потока жидкости (л/мин).
Для удобства необходимо преобразовать исходное значение протекающего объема в скорость протекания жидкости. Для это воспользуемся формулой объемного расхода вещества [14]:
д = р = ^,5 = пИ2 (12)
Полученное выражение позволяет получить скорость протекания жидкости в метрах в секунду.
Поддержание уровня температуры достигается использованием нагревательного элемента.
По исследованиям, проведенным согласно плану эксперимента была получена математическая модель, описывающая процесс акусто-магнитной обработки жидкости (10). Данная модель была проверена на адекватность, были определены значимые факторы. Реализовано движение по градиенту, в результате чего были определены оптимальные значения варьируемых факторов. Данные исследования проводились для одного акусто-магнитного аппарата из серии устройств, установленных в системе теплоснабжения тепличного комплекса ЗАО Радуга. В дальнейшем планируется с помощью критериев подобия вычислить по полученной модели оптимальные значения факторов и для остальных устройств? установленных на производстве. После этого, возможно проведение производственного эксперимента для определения процента повышения эффективности акусто-магнитной обработки жидкости в
производственных условиях за счет соблюдения оптимальных условий.
Conclusions
В результате проведенных опытов было выяснено, что влияние оказывают лишь два из трех варьируемых факторов, а именно напряжение питания и скорость протекания обрабатываемой жидкости. Третий фактор, оказывал несущественное влияние на процесс обработки для рассмотренных интервалов варьирования. По результатам обработки экспериментальных данных удалось получить адекватную модель процесса, благодаря которой были вычислены оптимальные параметры процесса:Х1=13.65 (В), Х2=0.48 (м/с), Y=0.901
Благодаря поддержанию этих параметров на необходимом уровне для данного устройства возможно будет обеспечить качественную обработку жидкости в тепловых системах и получить наибольшую эффективность в борьбе с образованием твердых отложение. Однако данные значения параметров актуальны лишь для данного и схожих с ним классов устройств, а для устройств других модификаций будет необходим перерасчет параметров.
References
[1] Неведров А.В. Защита теплофикационного оборудования от накипи путем обработки воды физическими полями/ Невердов А.В., Ушаков Г.В., Трясунов Б.Г., Солодов Г.А // Вестн. Кузбас. ГТУ. - 2003. - N 1(32). - С.73-76.
[2] Антонов С. Н. Аппараты магнитной обработки воды // Антонов С. Н., Адошев А. И., Шарипов И. К., Шемякин В.Н. / - Ставрополь : АГРУС Ставропольского гос. аграрного университетата, 2014. - 220 с.
[3] Korzhakov A.V. The identification of the most effective form of the pulse voltage supply of electric windings of the acoustic magnetic device / Korzhakov A.V., Oskin S.V// Engineering for rural development -materials of the XVIII international research and practical conference, 2018 - 2141 p.
[4] Korzhakov A.V. Investigation of the influence of the pulse voltage form on the change of the voltage gradient of the magnetic field in the working zone of
the acoustic and magnetic device model / Korzhakov
A.V., Korzhakov V.E., Sokolov M.S. //European Science and Technology - materials of the XVII international research and practical conference, 2017 -244 p.
[5] Korzhakov V.E. Method of power optimization in geothermal heating system by solving interrelated problems of acoustic and magnetic device model / Korzhakov V.E., Korzhakov A.V., Korzhakova S.A.,// Engineering for rural development - materials of the XVIII international research and practical conference, 2019-1964 p.
[6]
https://znaytovar.ru/gost/2/VSN_5687_Geotermalnoe _teploxla.html
[7] https://moemgorod.com/product/tds3-meter/
[8] Коржаков В.Е. Реализация метода оптимизации процесса предварительной акусто-магнитной обработки технической воды теплоагрегатов / Коржаков В.Е., Коржаков А.В.// Вестник Адыгейского государственного университета. Сер. Естественно-математические и технические науки. 2005. Вып. 1 (211). С. 12-19. URL: http://vestnik.adygnet.ru
[9] Адлер Ю.П./Планирование эксперимента при поиске оптимальных условий // Адлер Ю.П., Маркова Е.В., Грановский Ю.В.// - М.: Наука, 1971.
[10] Финаев В.И., Егоров А.В. Практическое применение методов математического планирования экспериментов.// - Таганрог: ТРТИ, 1993.
[11] Venikov V.A. Theory of similarity and modeling (in relation to the tasks of the electric power
industry): a manual for higher schools. 2nd ed., ext. and rev.// - M.: Vysshaya shkola, 1976. 479 p.
[12] Дубров А.М. Многомерные статистические методы /. Дубров А.М, Мхитарян
B.С.,. Трошин Л.И.// - М.: Финансы и статистика, 1998.
[13] https ://www.alibaba.com/product-detail/W ater-flow-sensor-Sea-YF-S201_60770221520.html
[14] https://infofaq.ru/massovaya-skorost-obemnogo-potoka.html
