автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Анализ и синтез систем непрерывной ректификации на основе автоматизированного накопления и классификации информации

На правах рукописи

\ ОЛ

ГАРТМАН ТОМАШ НИКОЛАЕВИЧ

2 4 кпп 2000

АНАЛИЗ И СИНТЕЗ СИСТЕМ НЕПРЕРЫВНОЙ

РЕКТИФИКАЦИИ НА ОСНОВЕ АВТОМАТИЗИРОВАННОГО НАКОПЛЕНИЯ И КЛАССИФИКАЦИИ ИНФОРМАЦИИ

05.13.16 - Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях (химия)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

МОСКВА 2000

Работа выполнена в Российском химико-технологическом университете им. Д.И. Менделеева.

Научный консультант: доктор технических наук, профессор Бояринов А.И.

Официальные оппоненты:

профессор, доктор технических наук Софиев А.Э. профессор, доктор технических наук Олевский В.М. профессор, доктор технических наук, заслуженный деятель науки Российской Федерации Корнюшко В.Ф.

Ведущая организация:

ООО "ЧЕРЕПОВЕЦКИЙ АЗОТ" (г. Череповец)

Защита диссертации состоится ^ 2000 года,

в ио часов на заседании диссертационного совета Д 053.34.08 в РХТУ им. Д.И. Менделеева (125047, Москва, Миусская пл., 9) в конференц-зале.

С диссертацией можно ознакомиться в научно-информационном центре РХТУ им. Д.И. Менделеева.

2? IУ

Автореферат разослан __^ О 'У_2000 г.

Ученый секретарь

диссертационного совета Бобров ДА.

Л //О JJn

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Характерной особенностью технологического проектирования систем непрерывной ректификации является необходимость решения на отдельных ее этапах всевозможных задач выбора: экспериментальных данных, методик расчетов с различными механизмами протекания физико-химических процессов, вычислительных методов и т.д. Задачи такого типа принято считать неформализованными, имеющими смысловые решения, которые могут существенно влиять на результаты проектирования. Корректность решения этих задач особенно важна при технологическом проектировании материале- и энергоемких процессов, к которым относится ректификация.

Смысловые решения неформализованных задач до настоящего времени большей частью принимались специалистами на основе определенной суммы знаний (подкрепленной результатами решения вычислительных задач), которые были накоплены за годы многолетней работы и большого предшествующего опыта.

Современный подход к технологическому проектированию систем ректификации должен предусматривать решение не только формализованных (вычислительных) задач (ФЗ), но и решение неформализованных (невычислительных) задач (НФЗ) на основе автоматизированного накопления и классификации информации - данных и знаний.

Это и предопределило основное направление исследований диссертационной работы, которая посвящена разработке и применению различных методов технологического проектирования систем ректификации, в частности единого подхода к получению смысловых решений неформализованных задач.

Внедрение в практику технологического проектирования систем разделения обоснованных и опирающихся на достаточный объем накопленных данных и знаний методов решения неформализованных задач позволяет увеличить надежность принимаемых проектных решений и ускорить ввод в эксплуатацию проектируемых производств, чем и обусловлена актуальность настоящей диссертационной работы.

Основные научные исследования выполнены в соответствии с координационным планом Государственной научно-технической программы "Теоретические основы химической технологии".

Цель работы:

• создание иерархической процедуры технологического проектирования систем непрерывной ректификации, базирующейся на решении совокупности формализованных (ФЗ) и неформализованных задач (НФЗ), и соответственно разработка и применение различных методов и процедур для их решения;

• использование разработанных методов и процедур для моделирования паро-жидкостного равновесия в многокомпонентных системах с реализацией соответствующего комплекса компьютерных программ и применение его для сложных гомо- и гетероазеотропных систем с расслаиванием жидкой фазы при наличии в ней нелетучих электролитических (солевых) компонентов;

• разработка и применение методов синтеза энергосберегающих технологических схем систем разделения с интеграцией внешних тепловых потоков, использующих возможности универсальных моделирующих программ (МП), метода синтеза химико-технологических систем (ХТС) на основе концепции теплового каскада и предложенной процедуры решения НФЗ.

Научная новизна работы заключается в следующем:

• предложена, обоснована и разработана методика технологического проектирования систем непрерывной ректификации, основанная на применении элементов искусственного интеллекта для накопления, систематизации и классификации данных и знаний о способах проведения процессов, о физико-химических механизмах их протекания и об используемых для расчетов вычислительных алгоритмах, которая позволяет увеличить надежность и эффективность проектных разработок;

• выделены формализованные (ФЗ) и неформализованные (НФЗ) задачи, решаемые при технологическом проектировании систем непрерывной ректификации, определены и систематизированы их основные типы;

• предложены критерии оценки совершенства принимаемых смысловых решений НФЗ, которые легли в основу разработки процедуры компьютерного моделирования накопления и классификации знаний о технологическом проектировании систем непрерывной ректификации;

• разработана и реализована интерактивная стохастическая (вероятностная ) процедура для решения НФЗ, основанная на принципах самообучения с накоплением и классификацией знаний при участии специалистов-экспертов, опробированная на различных стадиях технологического проектирования систем непрерывной ректификации;

• для моделирования фазовых равновесий процессов ректификации предложена методика, базирующаяся на решении совокупности ФЗ и НФЗ с использованием разработанных алгоритмов и процедур, которая позволяет предсказывать равновесные условия в следующих системах: с го-мо- и гетероазеотропами, с многофазным расслаиванием жидкости и с нелетучим электролитическим (солевым) компонентом;

• разработана структура информационного и программного обеспечения адаптивной расчетно-информационной системы физико-химических свойств (АРИС ФХС), которая реализует предложенную в предыдущем пункте методику, с эффективной диалоговой системой и интегрирован-

ным банком данных, отличительной особенностью которой является возможность ее модификации и пополнения баз данных и знаний без участия разработчика;

• предложена методика проверки адекватности и коррекции моделей процессов непрерывной ректификации, отличительная особенность которой состоит в том, что алгоритм проверочного расчета тарельчатой колонны используется для выбора наиболее информативных точек для измерений на объекте;

• впервые предложен метод расширения возможностей универсальных моделирующих программ (МП) для расчета сложных гетерофазных процессов с химическими превращениями при синтезе технологических схем разделения (TCP), основанный на комбинировании стандартных расчетных модулей единиц оборудования МП с модулями различных химических реакторов;

• впервые разработана и реализована методика синтеза энергосберегающих технологических схем разделения (TCP) с рекуперацией внешних тепловых потоков, использующая: а) принцип теплового каскада для синтеза энергетически интегрированных химико-технологических систем (ХТС); Ь) возможности универсальных моделирующих программ (МП); с) процедуру решения неформализованных задач (НФЗ), разработанную в настоящей работе.

Практическая ценность и реализация результатов работы:

• реализована адаптивная расчетно-информационная система физико-химических свойств (АРИС ФХС) для моделирования условий паро-жидкостного равновесия в многокомпонентных системах, позволяющая использовать имеющуюся в системе информацию для получения оптимальных решений практических задач, которая передана различным исследовательским и проектным организациями, а также в проектно-конструкторские отделы заводов (ЦНИИМВ, ГОСНИИОХТ, ГИПРО-КАУЧУК и "ЧЕРЕПОВЕЦКИЙ АЗОТ");

• реализованный комплекс программ проверочного расчета процессов непрерывной ректификации использовался для усовершенствования режимных параметров гетероазеотропной ректификации в производстве уксусной кислоты на Ереванском заводе "ПОЛИВИНИЛАЦЕТАТ";

• разработанная процедура синтеза энергосберегающих технологических схем разделения (TCP) с предложенным методом расширения возможностей универсальных моделирующих программ (МП) позволила рекомендовать более эффективные режимные параметры для производства карбамида на химическом заводе "АГРО-ЧЕРЕПОВЕЦ" и для установки получения изомеров диэтилбензола на "ЧЕРЕПОВЕЦКОМ АЗОТе". Апробация работы. Результаты работы докладывались на следующих

конференциях: III Всесоюзной конференции по теории и практике ректифи-

кации (Северодонецк, 1973); Всесоюзных конференциях по математическому моделированию химико-технологических систем (Новомосковск, 1979; Одесса, 1985 ); Всесоюзной научной конференции "Процессы и аппараты химической технологии" (Харьков, 1985); Всесоюзной научной конференции "Использование вычислительных машин в химических исследованиях и спектроскопии молекул" (Рига, 1986 ); Всесоюзной научной конференции "Применение математических методов для описания и изучения физико-химических равновесий" (Новосибирск, 1989); Международных конференциях "Математические методы в химии и химической технологии" (Ново- . московск, 1997; Владимир, 1998); International Conference CHISA (Praha, 1990; Praha, 1998); International Conference ESCAPE (Budapest, 1999). Публикации. По материалам диссертации опубликованы 67 печатных работ. Структура и объем диссертации. Диссертация состоит из введения, пяти глав, выводов, списка цитируемой литературы, приложений I, II, III и содержит 514 страниц печатного текста, 137 рисунков, 103 таблицы и 505 наименований литературных ссылок.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цели работы. Кратко изложена научная новизна и практическая значимость диссертационной работы, обоснован применяемый подход к решению НФЗ на различных иерархических ступенях процедуры технологического проектирования систем непрерывной ректификации.

В главе I представлен концептуальный анализ знаний о технологическом проектировании систем непрерывной ректификации. Выделены три основных уровня иерархии технологического проектирования - расчет па-ро-жидкостного равновесия в многокомпонентных системах, термодинами-ко-топологический анализ структуры фазовых диаграмм разделяемых систем и анализ, оптимизация и синтез TCP. Показано, что решение указанных задач нельзя осуществлять без учета других процессов, связанных с ректификацией - тепловых, реакторных и разделения (кристаллизации, абсорбции, экстракции и др.). Наиболее рациональным является подход, когда для учета влияния других процессов используется потенциал универсальных МП. Подчеркивается, что для технологического проектирования систем ректификации необходимо правильное решение следующих основных типов НФЗ выбора: способа проведения процесса, механизмов его протекания и методов решения ФЗ. Установлено, что степень влияния смысловых решений НФЗ на результаты технологического проектирования систем ректификации имеет принципиальное значение. Однако до настоящего времени разработке процедур решения НФЗ на различных ступенях иерархии технологического проектирования не уделялось должного внимания.

В главе II предложена иерархическая процедура технологического проектирования систем разделения, представляющая собой последователь-

ность решения ФЗ и НФЗ и базирующаяся на трех принципах - декомпозиционном, эвристическом и эволюционном и основном постулате: процесс ректификации применяется всегда (как самый гибкий, хорошо изученный и позволяющий осуществить наиболее тонкое разделение), когда нет противопоказаний к его использованию (он нереализуем или эффективность других процессов разделения выше). Ее характерные особенности состоят в следующем: возможность выбора более эффективных, чем ректификация, типовых процессов разделения на отдельных стадиях TCP, проведение тер-модинамико-топологического анализа фазовых диаграмм разделяемых смесей и применение универсальных МП для анализа и синтеза ХТС, что позволяет учитывать влияние теплообменных и реакторных процессов.

Разработка адекватной модели паро-жидкостного равновесия

Для создания адекватной модели паро-жидкостного равновесия предложена процедура, которая включает 7 этапов: выбор экспериментальных данных - равновесных, неравновесных и по ректификационной колонне, проверка экспериментальных данных, выбор методов расчета ПЖР, выбор моделей учета неидеальности фаз, определение подгоночных параметров используемых моделей, статистический анализ результатов и проверка адекватности моделей.

Для равновесных данных жидкость-пар предложена трехэтапная методика термодинамической проверки, реализованная для бинарных систем. Ее отличительная особенность - возможность частичной коррекции данных при отсутствии информации об условиях проведения эксперимента, например, в банках данных (БД) по физико-химическим свойствам (ФХС).

На первом этапе разработанной методики условию термодинамической совместимости, исходя из уравнения Гиббса-Дюгема, соответствует постоянство выражения (1):

xli x2i Т; . Е Pj Е

С= i xjdlayi + f X2dlny2+ f ^dT-i ^-dP (1)

x2K ThRT2 PliRT

где x,„,xM,x2i,х2к - начальная, промежуточная и конечная точки концентраций компонентов 1 и 2 в жидкой фазе в таблице экспериментальных данных; у( - коэффициент активности; Т,Р - температура и давление; hE , vE- избыточные теплота и объем смешения; R - универсальная газовая постоянная.

На втором этапе этой процедуры термодинамическая несовместимость устанавливается, если в какой-то (или в каких-то) прилежащих парах экспериментальных точек [i-1, i] выполняется неравенство:

IW>Di-i,i (2)

где Dj_] j - максимально возможная погрешность, рассчитанная с использованием формулы распространения ошибок.

Для прилежащих пар точек величина ошибки в формуле (2) определяется численным методом трапеции из (1) при допущении ЬЕ—>0 и уЕ->0:

4,-.! = (X, + х) 1п (2 - х, - х-,_,) 1Г. (3)

Уу-1 Угл-2

На третьем этапе реализуется процедура коррекции термодинамически несовместимых равновесных данных путем минимизации функции (4). При этом предполагается, что коррекции подлежат составь, паровой фазы, как наименее точно измеряемые. Поэтому ошибку пары точек МД в (3) рассматривают как функцию уы, у |:

^мСУм.УЛ (4)

Так как составы паровых фаз связаны с равновесными температурами или давлениями, то предложенный способ их коррекции считается приемлемым, если соответствующие исправленные температуры и давления несущественно отличаются от экспериментальных.

Для определения подгоночных (энергетических') параметров моделей учета неидеальности жидкой фазы, предлагается решать задачу нелинейного программирования с критерием следующего вида:

N —ехр — . -т. ' —ехр —са1с

Сг = - У; ) С| (У: - ) (5)

¡=1

где N - число экспериментальных точек, в каждой из которых проведено измерение Усхр значений в общем случае зависимых и независимых пере-

менных; c¡ - полная обратная ковариационная матрица погрешностей измерений в i-ой экспериментальной точке; ехр, cale - индексы опытных и расчетных значений.

Отличительные особенности разработанного подхода: а) допускается комбинация различных типов опытных данных (равновесных - жидкость-пар (ПЖР), жидкость-жидкость (ЖЖР), при бесконечном разбавлении, по азеотропным условиям, по насыщению раствора солью, и по избыточным

энтальпиям смешения жидкости); Ь) матрица С является полной; с) учитываются погрешности всех измерений зависимых и независимых переменных.

Применение в критерии (5) только зависимых переменных (метод наименьших квадратов - МНК) было исследовано на примере моделирования равновесия жидкость-жидкость, а зависимых и независимых переменных (метод максимального правдоподобия - ММП) - на примере моделирования равновесия жидкость-пар в системах с нелетучим электролитическим (солевым) компонентом.

При исследовании критерия МНК для расчета равновесия жидкость-жидкость использовалась модель NRTL. Были проанализированы три вари-

анта представления ковариационной матрицы погрешностей С (5) в каждой экспериментальной точке: полная и диагональная с погрешностями измерений переменных, и диагональная, задаваемая из эмпирических соображений (эмпирический МНК).

Сравнение расчетных и экспериментальных результатов для данных ПЖР и ЖЖР показало, что эмпирический МНК является наиболее точным.

Были исследованы три разновидности алгоритмов оптимизации для поиска подгоночных (энергетических) параметров моделей учета неидеальности жидкой фазы:

a) разработанный нами метод наискорейшего спуска с параболической интерполяцией по градиенту и использованием метода штрафной функции для учета ограничений;

b) модифицированный симплекс-метод с квадратичной аппроксимацией целевой функции в окрестности экстремума методом барицентрических координат;

c) методы случайного поиска: направляющего конуса и Ванга-Льюиса.

Установлено, что для неполных бинарных равновесных данных ПЖР

наиболее приемлемы алгоритмы типа а), для полных данных ПЖР и ЖЖР, и многокомпонентных систем - алгоритмы типа Ь), а для определения тем-пературно-зависимых подгоночных параметров - алгоритмы случайного поиска типа с), которые признаны наиболее эффективными.

Выявлена важная особенность подгоночных (энергетических) параметров моделей - их различные наборы, найденные с использованием различных алгоритмов оптимизации и при задании разных начальных приближений при итерационных расчетах, могут приводить к одинаковой точности описания равновесных свойств. Это обусловлено сильной нелинейностью моделей учета неидеальности жидкой фазы (6) и овражным характером целевой функции (5). Предложен метод рационального выбора наиболее подходящего набора параметров, исходя из оценки точности описания экспериментальных данных в ректификационной колонне и параметров сходимости алгоритма ее расчета.

В результате применения различных видов критерия МНК (5) определены следующие параметры:

- уравнений Вильсона, Хейла, МКТЬ и имК^Ь'АС для 50 бинарных равновесных данных ПЖР;

- уравнений NR.1L и иМКЗЫАС для 13 трехкомпонентных равновесных данных ЖЖР;

- уравнений Вильсона и ЫЯТЪ для 1500 бинарных равновесных данных ПЖР из интегрированного банка данных АРИС ФХС (глава IV).

При исследовании критерия ММП для определения подгоночных (энергетических) параметров моделей учета неидеальности жидкой фазы в

системах с солевым компонентом использовалась модель ЫЯТЬ в качестве неэлектролитической составляющей (индекс ЫЕ) в уравнении:

1п7]=1пу»Е+ 1пу* (6),

при этом расчет электролитической составляющей (индекс Е) осуществляется с помощью соотношений:

1пу? ^„х^+^хГ -"¿ЦеьхГ+^ХГ2); ]=1,...Д...П-1,

Ьу^^'^^Е^-Др^Г^-^Д^Е^^Др.хГ) (7) ' 2 2 '2 2

Эти уравнения включают модифицированные относительные мольные . доли и из-за двух дополнительных подгоночных параметров Е и Б для каждой бинарной пары смеси: соль-растворитель, наз. ЕР-уравнениями.

Для определения подгоночных параметров этой модели сравнивались эмпирический критерий МНК (8) и модифицированный критерий ММП (9).

сг=11\тГ-тГ1с)2/(02 (8)

СГ^х^-У^Ч' гДе <Я

+ (10)

■ х, 5х( у^ Р с!Т ЗТ

где <т - погрешности измерений величин, указанных в индексе; Р°- давление насыщенного пара индивидуального вещества; б - дельта-символ Кронекке-ра.

Исследования системы этиловый спирт-вода при Р=1 атм с солевыми добавками: СН3СООК, №С1 и >Щ,)С1 показали, что применение ММП для определения подгоночных параметров по бинарным составляющим трех-компонентной системы дает более точное описание условий ПЖР, чем МНК.

Установлено, что для достижения более высокой точности описания ПЖР в системах с солевыми добавками с использованием МНК для определения параметров необходимо привлечение экспериментальных данных по насыщению системы солью (х1П). В этом случае критерий минимизации принимает вид:

Сг -уГ )2/(уГР)2+|(х1п -1/у-„а'с)2 (Н)

Метод статистического оценивания предложено использовать для решения вопроса о необходимости привлечения других данных (кроме бинарных равновесных) для определения подгоночных параметров моделей. С применением методологии регрессионного анализа и с учетом линеаризации моделей, описывающих неидеальность жидкой фазы, вычисленные зна-

чения параметров при определенном уровне значимости а ( лце всего а=0,05) могут характеризоваться совместными доверительными областями ошибок рассеивания их значений, которые представляют собой эллипсы (для двух параметров) или эллипсоиды (когда числа параметров больше двух):

(Ь-Ьо)тВ(Ь-Ьо) = —^Сгт1"РЬа(т,Н-ш) (12)

"Ы-т

где р1_а(т,Н-т) - табличное значение функции распределения Фишера для доверительной вероятности 1-сс и числом степеней свободы — ш (количество определяемых параметров) и М-т; О""" - наименьшее значение критерия (5), рассчитанное при найденных значениях подгоночных параметров - Ь0.

В свою очередь элементы матрицы в определяются:

м « дУ-А дУ-Вкг = Е ^.(_1)о(_2.)в; к=1,...ш; г=1,...ш (13)

^1' = ' 5Ьк <ЗЬГ

Форма, размер и расположение эллипсов в параметрической плоскости зависят от следующих факторов: конкретного набора экспериментальных данных; выбранной модели учета неидеальности жидкой фазы; вида критерия (целевой функции), с использованием которой определялись подгоночные параметры.

Необходимость уточнения параметров, полученных из данных по бинарным системам, предлагается определять путем оценки пересечения соответствующих им доверительных эллипсов с доверительными эллипсами тех же систем, построенным для параметров, вычисленным по равновесным данным о многокомпонентных системах. В большинстве исследованных случаев для данных о ПЖР в бинарных и трехкомпонентных системах не-азеотропных и гомоазеотропных смесей органических веществ совместные доверительные области соответствующих параметров не пересекались. Отсюда следует вывод о необходимости исследования возможности уточнения подгоночных (энергетических) параметров по экспериментальным равновесным данным многокомпонентных систем.

При расчете ПЖР с расслаиванием жидкой фазы, в том числе и при образовании более двух жидких фаз, приходится сталкиваться с проблемой получения тривиального решения, т.е. решения с отсутствием расслаивания, когда оно, в действительности, происходит. В работе реализована строгая термодинамическая процедура, позволяющая однозначно установить факт расслаивания жидкости, а для определения составов сосуществующих жидких фаз разработаны два алгоритма - релаксационной и оптимизационный. Расчетные исследования ЖЖР показали, что их параллельное использование, базирующееся на принципиально разных методах расчета, позволяет практически исключить получение неверного тривиального решения.

В релаксационном алгоритме решается следующая система дифференциальных уравнений неявным методом Эйлера:

^ = Ех« -1 в ; — = х, - е^о>х[в ^ 0 = 1,...п) ск >=' (¡1 ;=>

^- = уР)х|1,-у|2)х[2)=^2)(1 = ип) (14) сИ ¡=1 ' сИ

где \фг - число образующихся жидких фаз; - доля ,]-ой жидкой фазы; Г, -правые части дифференциальных уравнений.

В оптимизационном методе правые части дифференциальных уравнений (14) равны нулю, и они преобразуются с использованием выражения для коэффициентов распределения:

уО)

1=1, п; \=2, ч/ (15)

Полученная система нелинейных уравнений решается методом Ньюто-на-Рафсона относительно коэффициентов распределения, а доли жидких фаз на каждой итерации определяются оптимизационным методом Гаусса-Зейделя путем минимизации критерия

сг=.......к'">х;-,......- о2 -> о (16)

1=1

Расчеты многофазного равновесного расслаивания проводились с использованием модели N11X1,, в том числе и для случая трехфазного расслаивания, как например, для системы нитрометан-вода-тетрахлорэтилен (Т=20°С). Многочисленные исследования описания разнотипных данных ЖЖР и ПЖР в гетероазеотропных системах показали, что модели NR.1L и 1Ж1<ЗиАС обеспечивают удовлетворительную точность. Установлено, что модели групповых составляющих иЫ1ГгАС и 11МРАС-1 менее точны и могут давать качественно неверные результаты. При этом наблюдается высокая чувствительность результатов расчета ПЖР к точности энергетических параметров уравнений, определяющих коэффициенты активности.

Определение границ областей ректификации

Для определения границ областей ректификации (дистилляции) разработан метод, основанный на приближенном способе определения максимальной кривизны изотерм-изобар в фазовой диаграмме и применении градиентного метода для увеличения эффективности процедуры расчетов. При этом для определения радиуса закругления 1-ой изотермы-изобары используется соотношение:

Р',

5 УпрХ

где р, - радиус закругления на ¡-ой изотерме-изобаре; 5 - шаг поиска на изотерме-изобаре; УпрТ] - проекция градиента температуры в ¡-ой точке на симплексе составов.

Расчет градиента температур для изобарических равновесных данных с учетом уравнения Гиббса-Дюгема и при допущении идеальности паровой фазы выполняется с помощью соотношения:

УТ= —

—оТ~

Р у

3(Р 7 )-

(18)

ЗТ

Эффективность разработанного метода проверена на примере большого числа трехкомпонентных азеотропных систем при Р=1атм и удовлетворительного описания узловых и седловых азеотропов (рис. 1 и 2).

• Iртища|мли(!л1стм Ашиллятш;

—---— . Л)иш» рсК1 кфнкацнн

дня <4-1 (кжкмав

t а 3 4

ГМ1Ч й и и «е

^ттмлтга Я я 1 1

Гкш I» <• 59 я*

I г 1*М 100«

4«! ш 11 44

Рис.1. Расчетное исследование переходимости границы подобласти дистилляции для промышленного процесса разделения системы этилацетат-вода-уксусная кислота

_— - гр 111111*1.1 ОбЛНС! СЙ

дистилляции;

«-• - лннин ¡и'кчпфпкяцкн

для 15 режлмои

ЮГ

Рис.2. Расчетное исследование псрсходимости границ областей дистилляции в системе ацетон-хлороформ-иетаиол

В отличие от других методов, где требуется исследование структуры фазовой диаграммы, предложенный способ позволяет вести поиск границ областей дистилляции в ограниченной области и приближенно численным методом оценить их траектории.

Реализован алгоритм проверочного расчета тарельчатой ректификационной колонны, позволяющий учитывать:

- эффекты расслаивания жидкости на тарелке;

- сложную гидродинамическую обстановку в колонне с использованием ячеечных, канальных, каскадных и др. моделей движения потоков фаз;

- эффективность (покомпонентные к.п.д.) тарелок с учетом многокомпонентной массопередачи.

В этом случае при расчете коэффициентов массоотдачи для бинарных составляющих многокомпонентной системы используется соотношение:

где Б - коэффициент молекулярной диффузии; А, р - параметры, значения которых зависят от гидродинамической обстановки на границе раздела фаз и свойств системы.

Расположение траекторий процесса непрерывной ректификации в фазовой диаграмме было исследовано для трех типов систем:

- с несколькими подобластями ректификации (например, этилацетат-во/ ^-уксусная кислота - рис.1: 4 режима);

- с несколькими областями ректификации в гомоазеотропных системах (на -имер, ацетон-хлороформ-метанол-рис.2:15 режимов);

с несколькими областями ректификации в гетероазеотропных система> тпример, этанол-вода-циклогексан - рис.3: 5 режимов).

Исследование процесса ректификации

Км = А(0)Р

(19)

Рис.3. Расположение линий ректификации в областях фазовой диаграммы I и II для процесса с нечетким разделением (Система I: этанол(1)-вода (2)-циклогексан(3)

приР=1 атм)

Установлено, что границы областей ректификации в гомоазеотропных системах (рис.2) представляют собой ограничения на проведение процесса, преодолимые с использование специальных приемов. Границы подобластей ректификации (рис.1) и областей ректификации в гетероазеотропных системах (рис.3) не оказывают существенного ограничивающего влияния на проведение процесса при четком и, в особенности, нечетком разделении.

Расчетные исследования показали, что от расположения траекторий протекания процесса в фазовой диаграмме (рис.3) зависят не только технологические параметры процесса, но и годовые затраты на его проведение.

Соответствующий алгоритм расчета годовых затрат на проведение процессов реализован в работе для расчета экономической эффективности систем ректификации.

Процедура обеспечения адекватности модели в ректификационной колонне исследовалась на примере промышленного производства уксусной кислоты. В колонне вода отделяется от уксусной кислоты с помощью экстрактивного агента этилацетата, образующего гетероазеотроп с водой, вследствие чего процесс считается азеотропно-экстрактивной ректификацией. Для стабильной работы промышленной системы необходимо обеспечивать постоянное расслаивание в декантаторе (рис.4) и возврат в колонну легкого органического слоя, используемого в качестве внешней флегмы.

Разработана иерархическая процедура обеспечения адекватности математической модели процесса непрерывной ректификации, отличительными особенностями которой являются:

- коррекция параметров моделей на различных иерархических уровнях процесса осуществляется по экспериментальным данным, измеренным на этих уровнях;

- корректируемыми параметрами многокомпонентной массопередачи являются гидродинамические параметры Ах (для жидкости) и Ау (для пара) при р=0,5 в формуле (19) при выбранных гидродинамических моделях движения потоков фаз;

- для проведения промышленных экспериментов выбирается набор точек (типы измеряемых величин, их число и расположение по высоте колонны), обеспечивающих наибольшее значение критерия информативности.

Величина критерия информативности определяется по формуле:

R (Р)

1(Р)=1-Й- Р=1,-1 (20)

К-м

где 1 — число экспериментов; - область неопределенности совокупности переменных модели при отсутствии измерений; R® - область неопределенности совокупности переменных модели для неизмеренных значений физических величин в р-ом эксперименте.

Предлагается специальная процедура, позволяющая с помощью реализованного алгоритма проверочного расчета тарельчатой ректификационной колонны определять области неопределенности модели в формуле (20) как при отсутствии измерений, так и при их наличии в р-ом эксперименте.

Были проведены измерения для 11 режимов промышленной колонны и декантатора (рис.4) и по ним откорректированы параметры модели многокомпонентной массопередачи (Ах = 20 и Ау = 7), а также выбраны гидродинамические модели движения потоков жидкости и пара на тарелках.

Расчетные исследования адекватной математической модели с учетом особенностей фазовой диаграммы разделяемой системы, связанной с образованием области расслаивания и гетероазеотропа, позволили предложить ряд рекомендация по улучшению работы узла азеотропно-экстрактивной ректификации на Ереванском заводе "Поливинилацетат".

В главе III разработан интерактивный метод решения неформализованных задач, который предлагается применять на различных ступенях иерархии технологического проектирования систем ректификации. Для его реализации разработана интеллектуальная интерактивная компьютерная система. Она может функционировать в двух режимах:

- накопления и классификации знаний об э'ффективностях смысловых решений, на основании которых могут формулироваться эвристические правила;

- решения задачи, т.е. выбора варианта смыслового решения, исходя из предыдущего опыта и в соответствии со знаниями, приобретенными в режиме их накопления и классификации.

Главное достоинство этого метода состоит в том, что он позволяет наиболее рационально сочетать возможности компьютерной системы автоматически накапливать и классифицировать знания, и интеллектуальные

способности специалистов формулировать эвристические правила и выбирать смысловое решение.

Разработанная компьютерная система включает комплекс интеллектуальных программ с базой знаний (БЗ) и комплекс расчетных программ с базой данных (БД), тесно взаимодействующих между собой. Комплекс интеллектуальных программ моделирует интеллектуальные функции специалистов по накоплению знаний об эффективностях возможных смысловых решений неформализованных задач. Комплекс расчетных программ реализует вычислительные процедуры, необходимые для работы интеллектуальной системы, в том числе и для определения физических эффективностей (S) различных вариантов смысловых решений.

Для трех основных типов НФЗ предложено определять физические эффективности следующим образом:

1) Способа проведения процесса - в виде годовых затрат С:

S=l/C; C = Cfix/PL + Cop-HY (21)

где СЛх- суммарные капитальные затраты; Сор - суммарные эксплуатационные затраты; PL - время эксплуатации оборудования в годах; HY - ежегодное время эксплуатации оборудования, ч/год.

2) Описания механизма протекания процесса - модели паро-жидкост-ного равновесия

S = R-'

i ..calc _\/ехР I I pcatc _рехр i i --peale _"т«ехр |

R =max{w¡ max( y¡ ', 1 ' ¡ ',' 1 ' ')M¿i<N (22) Sy¡ 5P¡ 5T¡

где 5y¡, 5P¡, 5T, - погрешности измерений: 3) Численного алгоритма

peeg _ pend ^ pend

где F"CE, F'Jnd - начальное и конечное значение критерия сходимости численного алгоритма, характеризующие точности решений в начале и конце процедуры вычислений; tpr - время, затраченное на оптимизацию.

Найденные соответствующим образом физические эффективности используются на каждом шаге самообучения (t), который реализуется комплексом интеллектуальных программ для накопления и классификации знаний.

Разработанный комплекс интеллектуальных программ включает два алгоритма:

- стохастико-самообучающийся алгоритм выбора вариантов (алгоритм ССАВВ);

- эвристический алгоритм классификации (алгоритм ЭАК).

В алгоритме ССАВВ сначала на основе предварительного опыта задаются вероятности применимости всех ш-вариантов решений и определяются их физические эффективности (5), которые на первых ш шагах алгоритма принимаются равными действующим эффективностям (Ё). В дальнейшем на каждом шаге самообучения I происходит случайный выбор варианта Ь и коррекция компонентов вектора вероятностей (Р), зависящих от значений действующих эффективностей (Ё) следующим образом:

р(') р<1+1)

или Рь(,+1) = Р„(0 (24)

При этом действующая эффективность е|,1+1) выбранного на 0+1) шаге ^ = 0,1,2) И-го варианта при условии, что ранее он был выбран ц, - раз (и, = 0,1,2,3...) вычисляется по формуле:

Е(.+1) = 8<ц+.) ехр(_6 * 0(и+|) /5<ч+») (25)

где: б!,1"*1' - усредненная физическая эффективность Ь-го варианта решения, учитывающая эффективности этого варианта на предыдущих шагах алгоритма; о^"*1' - усредненный разброс эффективности Ь-го варианта решения полученный с учетом разбросов эффективностей на предыдущих шагах алгоритма; 5 - степень учета разброса эффективности (корректируемый параметр).

Вероятности, не рассчитываемые по формулам (24), распределяются между оставшимися вариантами пропорционально их действующим эффективностям (25). Для обеспечения устойчивости алгоритма для равновероятного решения при больших разбросах эффективности и выхода его из тупикового состояния, когда вероятность какого-то варианта достигает 1, разработаны специальные процедуры.

В алгоритме ЭАК осуществляется объединение "близких" финальных векторов вероятностей применимости вариантов решений, которые были .найдены для каждого априорного класса с помощью алгоритма ССАВВ.

Для объединения точек симплекса вероятностей (Е ^ = 1) в кластеры и

¡=1

кластеров между собой необходимо задаться характерным пороговым расстоянием Я0 - адаптируемый параметр алгоритма, который соотносится с единичной длиной ребра симплекса вероятностей. Кластеры характеризуются едиными вероятностями выбора вариантов решений, которые соответствуют их центрам.

В соответствии с алгоритмом ЭАК два кластера X и У считаются "близкими", если ЭхеХ и Буе у и такие, что

И(х,у)<110 (26)

где в качестве меры расстояния между точками симплекса вероятностей выбрана не зависящая от размерности пространства метрика Чебышева

К(х,у) = шах|х1-у;| (27)

1 <¡<111

Для объединения кластеров_Х и У в единый кластер XIIУ кроме выполнения условия (26) необходимо также, чтобы наименьшее значение плотностей отдельных кластеров было не больше, чем плотность объединенного кластера.

После завершения работы алгоритм ЭАК дает следующую информацию: к - число полученных кластеров; - центры кластеров (]=1,...к); № - номера кластеров для каждой точки исходного вероятностного симплекса, в которые они объединяются алгоритмом ЭАК.

Параметр - характерное пороговое расстояние, как и параметр 8 в алгоритме ССАВВ, является адаптируемым параметром алгоритма ЭАК.

Исследования сходимости алгоритмов ССАВВ и ЭАК методом статистического моделирования при случайных, равномерно распределенных на заданных интервалах эффективностях показали их высокую степень устойчивости и чувствительности к параметрам искомых решений. При этом найдено характерное значение порогового расстояния - 11о=0,3.

Разработанный комплекс интеллектуальных программ был применен для накопления и классификации знаний при решении следующих неформализованных задач выбора:

- уравнений для определения давлений насыщенных паров индивидуальных веществ;

- модели учета неидеальности жидкости при паро-жидкостном равновесии в бинарных системах;

- контактных устройств 5"и ректификационных колонн промышленной установки ректификации при получении изомеров диэтилбензола.

Задача выбора уравнений для описания зависимости давлений насыщенных паров индивидуальных веществ решалась для 5"и возможных вариантов формул с различным числом коэффициентов, среди которых было и известное уравнение Антуана. Использовались экспериментальные данные для 78"и веществ в диапазоне давлений 133,322-3,03975х106Па и исследовались также экстраполяционные возможности уравнений. Во всех случаях уравнения Антуана оказалось наилучшим среди 5"и исследуемых.

Вторая неформализованная задача - выбор модели учета неидеальности жидкой фазы при ПЖР, решалась для 1500 бинарных систем с различным числом и типом экспериментальных данных (БД АРИС ФХС - глава IV). Выбор осуществлялся между моделями Вильсона и ИЯТЬ с различным видом температурной зависимости подгоночных (энергетических) параметров:

9 = |8,(Т-273.16)', m = 0,1,2 (T в градусах К) (28)

В результате было выделено 9 априорных классов задач, где предполагалось получить различную приоритетность применения моделей Вильсона и NRTL. Однако применение алгоритма ЭАК показало, что в большинстве случаев для бинарных систем жидкость-пар уравнение Вильсона лучше чем NRTL, в особенности для температурно-зависимых параметров, т.е. для широкого диапазона изменения температур. Практически только для изотермических данных с подгоночными параметрами-константами предпочтение следует отдавать модели NRTL. Выбор критериев - целевых функций из 6 возможных вариантов и алгоритмов оптимизации (из двух возможных алгоритмов случайного поиска - направляющего конуса и Ванга-Льюиса) при поиске различных видов параметров уравнений Вильсона и NRTL (28) показал, что для бинарных равновесных данных жидкость-пар такая задача не имеет смыслового решения.

Проведенные исследования позволили определить 7000 наборов подгоночных (энергетических) параметров с различным видом температурной зависимости (28) для уравнений Вильсона и NRTL. Найденные значения подгоночных параметров хранятся в БД АРИС ФХС, описание которой приведено в главе IV.

При выборе контактных устройств (третья задача) в 5 ректификационных колоннах технологической схемы производства диэтилбензола (ДЭБа) (рис.6) процесс самообучения проводился с применением моделирующей программы ХЕМКАД при "зашумлении" их режимных параметров. Результаты изменения вероятностей применимости различных типов контактных устройств в процессе самообучения, полученные с использованием алгоритма ССАВВ для колонны Col 01, представлены на рис.5:

Рис.5. Изменение вероятностей применения различных типов контакт пых устройств в процессе накопления знаний для колонны Col 01

(кюш)

©

Рис.6. Технологическая схема установки по производству изомеров ДЭБа

Исследовались 5 типов контактных устройств: тарелки - клапанные, решетчатые, колпачковые, ситчатые и насадки (регулярные). Однако небольшое число шагов самообучения (от 50 до 70) и большие колебания разбросов эффективностей не дают возможность считать, что алгоритм ССАВВ в общем случае достигает сходимости.

Применение алгоритма ЭАК показывает, что его пороговое расстояние . в этом случае должно быть снижено, т.е. R°=0,2 (вместо R°=0,3). При этом для колонны Col 01 рекомендуется ситчатая тарелка, а для всех остальных колонн-клапанные. Однако из-за несходимости алгоритмов ССАВВ к этим рекомендациям не следует относиться как к окончательным.

Отсюда следует важный вывод, что разработанный интеллектуальный комплекс программ, также как и специалист, дает информацию об эффективности смысловых решений. Однако, в отличий от специалиста, компьютерная система располагает еще и информацией о том, насколько близки текущие решения к окончательному выводу.

Глава IV посвящена описанию разработанной интеллектуальной адаптивной расчетно-информационной системы физико-химических свойств (АРИС ФХС), в которой реализованы предложенные методы решения формализованных (глава II) и неформализованных (глава III) задач, возникающих при моделировании условий паро-жидкостного равновесия. АРИС ФХС функционирует на IBM - совместимых персональных компьютерах. Укрупненная логическая структура информации в АРИС ФХС представлена на рис. 7.

Разработанная структура была использована при создании интегрированного банка данных - БД по свойствам органических соединений и их смесей, объединяющего реализованный нами банк данных АРИС ФХС с банком данных МАРС, который разработан в институте "Гипрокаучук" и является по объему хранимой информации одним из крупнейших в России. В результате объединения наших данных с банком данных МАРС объем информации АРИС ФХС увеличился в 30 раз.

Объем информации, хранящейся в банке данных АРИС ФХС, приведен в таблице:

Наименование данных Количество

Вещества 3500

Смеси (двухкомпонентные) 1500

Константы и таблицы 30000

Расчетные формулы с численными значениями параметров 7000

Литературные источники 670

Рис.7. Укрупненная логическая структура информации в АРИС ФХС

В результате работы комплекса интеллектуальных программ (глава III) в базе знаний АРИС ФХС хранятся оценки качества методов расчета (расчетных методик, аппроксимирующих функций, критериев и алгоритмов оценки параметров), формируемые алгоритмом ССАВВ. Структура хранения этих оценок в файлах базы знаний показана в таблице:

Число Физическая Разброс Действую- Вероят-

выборов эффектив- эффектив- щая эффек- ность вы-

метода ность ности тивность бора

На основании этих данных и результатов работы алгоритма ЭАК специалисты могут формулировать эвристические (продукционные) правила, которые предлагается хранить в соответствующих стандартных базах знаний (БЗ) с моделями знаний продукционно-фреймового типа.

Общая структура архитектуры программного обеспечения АРИС ФХС включает программные блоки трех типов:

- управляющие блоки, ведущие диалог с пользователем и управляющие другими блоками;

- общесистемное программное обеспечение вычислительных и обслуживающих блоков общего назначения;

- прикладное программное обеспечение - блоки расчета условий паро-жидкостного равновесия (решение прямых и обратных задач и проверку термодинамической совместимости экспериментальных равновесных данных - глава II), а также определение значений других термодинамических свойств.

Система может вести диалог с пользователем, не имеющим навыков работы на компьютере. Реализован пассивный диалог с использованием "меню", при котором пользователь должен отвечать на вопросы системы, выбирая, как правило, один из предоставленных системой ответов.

Для наглядного представления данных по ФХС, визуального анализа интерполяционных и экстраполяционных возможностей расчетных формул и методик в АРИС ФХС разработана и реализована многоцелевая программа -вывода табличной информации в виде графиков на печатающее устройство. Программа выводит на одно поле произвольное число групп графиков.

Реализован эффективный способ построения пассивного диалога системы с пользователем с помощью "меню" на языке, близком к естественному, что позволяет управлять системой с минимальными усилиями.

Разработанная структура данных и программного обеспечения АРИС ФХС обеспечивает независимость системы от конкретных свойств, методов их расчета и размерностей физических величин.

В главе V разработан эффективный метод синтеза энергосберегающих систем разделения с применением МП. Его отличительные особенности:

- возможность замены ректификации на отдельных стадиях производства другим, более эффективным процессом разделения (например, кристаллизацией);

- приближенное моделирование процессов массо- и теплообмена, сопровождающихся сложными гетерофазными химическими превращениями, путем комбинирования стандартных расчетных модулей МП;

- совместное применение метода "предельной температурной точки", базирующейся на концепции теплового каскада с МП, в результате чего синтезируется система с максимальной утилизацией энергии при относительно небольшом числе анализируемых вариантов технологических схем.

Метод комбинирования стандартных расчетных модулей МП изучался на примере моделирования узла синтеза карбамида, технологическая схема которого изображена на рис. 8.

Отличительная особенность алгоритма состоит в том, что даже при отсутствии информации о механизмах протекающих реакций стандартный модуль моделирующей программы (МП) - реактор Гиббса (он минимизирует энергию Гиббса и дает возможность указать те компоненты системы, которые не участвуют в реакции) позволяет рассчитать химические превращения основных и/или побочных реакций. Расчетные исследования показали, что предлагаемый метод комбинирования модулей расчета МП для моделирования процессов в гетерофазных аппаратах с химическими превращениями позволяет обеспечить необходимую точность вычислений при синтезе TCP. Этот метод использовался для моделирования конденсатора Е—202 (реактор+смеситель+теплообменник) и стриппера Е-201 (реак-тор+абсорбер) в производстве карбамида (рис.8). Результаты исследований с применением разработанного метода показали (рис.9), что увеличение температуры в конденсаторе Е-202 приводит к возрастанию как выхода карбамата (промежуточный продукт г.роизводства), так и количества вырабатываемого пара. Внедрение указанной рекомендации по усовершенствованию этого процесса на химическом заводе "АГРО-ЧЕРЕПОВЕЦ" на уста-

новке мощностью 450 тыс/тонн карбамида в год привело к экономии 760 тыс.руб. (на 25.07.1999 г.).

Рис.9. Влияние теплового режима конденсатора на количество вырабатываемого пара

Разработан интерактивный алгоритм синтеза энергосберегающих систем разделения, ориентированный на организацию теплообмена между конденсирующимися и испаряющимися потоками, различных ректификационных колонн (первый вариант), а также на выбор схемы рекуперации тепла путем комбинирования внешних процессных тепловых потоков технологической схемы (второй вариант). Задача первого варианта решалась для промышленного процесса получения изомеров диэтилбензола (ДЭБа) (рис.6), а второго варианта - для технологической схемы производства газов для синтеза аммиака (рис.10).

Предложенный алгоритм синтеза основан на эффективном сочетании возможностей моделирующих программ и метода "предельной температурной точки" для генерации ограниченного числа (существенно меньшего, чем методом динамического программирования) альтернативных энергетически интегрированных вариантов технологической схемы.

Основная идея вычислений, ориентирующихся на "предельную точку", использование принципа "теплового каскада", то есть совокупности тепловых кривых (в координатах АН-Т) каждого энергетического потока всех теплообменных аппаратов. Согласно этой теории "предельная точка" делит теплообменную систему следующим образом: подсистема ниже предельной точки является источником тепла, а другая подсистема - над "предельной точкой" является потребителем тепла. Можно построить систему с максимальной утилизацией энергии (или минимальным потреблением вспомогательного потока), если:

a) тепло не пересекает "предельную точку";

b) охлаждающие вспомогательные потоки не используются над "предельной точкой";

Рис.10. ХТС по производству аммиачных синтез-газов, улучшенный вариант

с) нагревающие вспомогательные потоки не используются под "предельной точкой".

Формализуя вышесказанное, термодинамически обоснованное генерирование наименьшего числа подзадач записывается в следующем виде.

Дано: {T}:{F}u{U};

Найти: {F} : (V Ti с {Т} 3 Fj с {F} | (Fj R Ti) | С min); (29)

где: {Т} - множество вариантов топологии; {F} - множество энергетически возможных вариантов топологии; {U} - множество энергетически нереализуемых вариантов топологии; С - приведенные затраты; R - отношение соответствия; R : R1 0 R2 ° R3; Rl : Qc,k < Qpp < Qh,m; R2 : UT с, k не используется над "предельной точкой"; R3 : UT h, m не используется под "предельной точкой"; Qc - тепловой поток ниже "предельной точки"; Qh - тепловой поток выше "предельной точки"; Qpp - тепло "предельной точки"; UT с -вспомогательные охлаждающие потоки; Ut h - вспомогательные нагревающие потоки.

При решении задачи синтеза TCP для установки ректификации в производстве изомеров ДЭБа основа стратегии заключалась в декомпозиции исходной задачи на несколько подзадач, каждая из которых включает две ректификационные колонны. Для синтеза реальных схем энергетическое объединение более двух колонн не рассматривалось. В качестве проектных переменных рассматривались только давление и флегмовое число. Доля пара в потоках питания принималась равной нулю.

Число рассматриваемых пар колонн с рекуперацией тепла (система условно считалась пятикомпонентной) составило 37, что существенно меньше, чем нужно было бы рассчитать методом динамического программирования . Найденный вариант технологической схемы (рис.6) с оптимальной интеграцией тепловых потоков предусматривает использование дистиллята колонны 18 (источник тепла) для обогрева куба колонны 1 (потребитель тепла). Составные тепловые кривые, автоматически генерируемые моделирующей программой, для базового варианта с частичной рекуперацией тепла (рис.6) и рекомендуемого варианта представлены на рис. 11, 12.

Для рекомендуемого варианта ХТС определены оптимальные режимные параметры. Предложения по улучшению данного производства внедрены на ООО "Череповецкий Азот" и экономический эффект составил 1,125 млн.руб/год (на 25.06.1998 г.) за счет рекуперации тепловых потоков.

Особенность синтеза энергосберегающей ХТС по производству газов для синтеза аммиака (рис.10) заключается в том, что для этого необходимо моделировать первичный конверсионный реактор с использованием расчетного модуля Гиббса для побочных реакций с неизвестным механизмом их протекания (аппараты 8 + 9). Модуль Гиббса используется также для моделирования реактора неполной конверсии метана с кислородом (аппарат 11).

1 2 3 4 5 6 7 ЧОО. МДж/ч

Рис.11. Составные тепловые кривые для базового варианта ХТС производства ДЭБа

Рнс.12. Составные тепловые кривые для рекомендуемого варианта ХТС производства ДЭБа

При этом расчет выполняется в соответствии с предложенным в работе методом комбинирования стандартных модулей моделирующей программы.

Для решения задачи синтеза энергосберегающей ХТС с помощью разработанного нами алгоритма (29) были проанализированы составные тепловые кривые базового варианта, в котором охлаждение осуществляется с использованием внешних потоков хладоагеитов. Их анализ показал (рис.13), что из системы необходимо отвести избыточное тепло » 1,3-10 МДж/ч. Годовые затраты на проведение процесса составляют 283 тыс.у.е. В соответствии с предложенным алгоритмом синтеза (29) были исследованы 14 вариантов ХТС.

В основу способа рекуперации был положен такой вариант отвода тепла, когда он осуществлялся путем перенаправления холодных процессных потоков и их объединения с горячими процессными потоками. Вариант технологической схемы с минимальным шачением целевой функции - годовых затрат (243 у.е.) приведен на рис.10, а график его составных тепловых кривых-на рис.14.

Рис.13. Составные тепловые кривые базового варианта ХТС производства газов для синтеза аммиака

6 лн. т/ъ-ю*

Рис.14. Составные тепловые кривые предлагаемого варианта ХТС производства газов для синтеза аммиака

С использованием возможностей моделирующей программы ХЕМ-КАД, в которую включены стандарты по российским теплообменникам, были выбраны типоконструкции для ключевых теплообменников, которые обеспечивают требуемую рекуперацию тепловых потоков.

ВЫВОДЫ ПО РАБОТЕ

1. Разработана иерархическая процедура технологического проектирования систем непрерывной ректификации, представляющая собой совокупность решений формализованных и неформализованных задач, для решения которых предлагается использовать: специально разработанные вычислительные алгоритмы, предложенную и реализованную стохастико-само-обучающуюся и эвристическую процедуры для накопления и классификации знаний, универсальные моделирующие программы.

2. Разработана и реализована интерактивная процедура для решения неформализованных задач, которая основана на принципах самообучения с

вероятностным накоплением и классификацией знаний, что позволяет специалистам принимать наиболее обоснованные проектные решения.

С ее помощью решены следующие практические задачи выбора:

- уравнений для расчета давлений насыщенных паров для 78 индивидуальных веществ;

- моделей учета неидеальности жидкой фазы в 1500 паро-жидкостных системах;

- контактных устройств в ректификационных колоннах промышленной технологической схемы ректификации изомеров диэтилбензола.

3. Разработан метод построения моделей фазовых равновесий систем непрерывной ректификации для гомо- и гетероазеотропных смесей с присутствием нелетучих электролитических (солевых) компонентов в жидкой фазе, отличительные особенности которого состоят в следующем:

- использовании разработанных в диссертации методик ( проверки термодинамической совместимости экспериментальных равновесных данных жидкость-пар, определения энергетических параметров моделей учета неидеальности жидкой фазы, статистической оценки получаемых при этом результатов, расчета многофазного равновесного расслаивания жидкости, определения границ областей ректификации);

- применении различных типов экспериментальных данных для исследований и определения параметров моделей равновесия;

- выборе различных алгоритмов для решения прямых и обратных задач.

Эффективность метода подтверждена на примере многочисленных расчетных исследований фазовых равновесий в системах: жидкость-жидкость с расслаиванием на несколько жидких фаз, жидкость-пар в гомо-и гетероазеотропных системах и в смесях с солевыми компонентами (например, этиловый спирт-вода с солевыми добавками: №01, МН4С1, СНзСООК).

4. Разработана и реализована адаптивная расчетно-информационная система физико-химических свойств (АРИС ФХС) с интегрированным банком данных, позволяющая решать всевозможные формализованные и неформализованные задачи расчета и исследования фазовых равновесий жидкость-пар, которая была использована в работе для определения 7000 наборов энергетических параметров моделей учета неидеальности жидкой фазы и решения некоторых из указанных в п.2 неформализованных задач. АРИС ФХС внедрена в институтах - ЦНИИМВ, ГОСНИИОХТ и ГИПРОКАУЧУК.

5. Предложена иерархическая методика оценки адекватности и коррекции математической модели процесса непрерывной ректификации, в соответствии с которой уточнение параметров модели осуществляется по экспериментальным данным промышленных измерений наиболее информативных физических переменных процесса, определяемых с использованием алгоритма проверочного расчета тарельчатой колонны. Методика апроби-

ровалась при исследовании промышленного процесса получения химически чистой уксусной кислоты методом азеотропно-экстрактивной ректификации на Ереванском заводе "ПОЛИВИНИЛАЦЕТАТ" и позволила выработать ряд рекомендаций по улучшению режимных и конструктивных параметров колонны ректификации.

6. Разработана методика расширения возможностей универсальных моделирующих программ для синтеза технологических схем разделения, позволяющая рассчитывать сложные гетерофазные процессы с химическими превращениями путем комбинирования стандартных расчетных модулей аппаратов массо- и теплообмена моделирующей программы с модулями химических реакторов. Корректность предложенной методики подтверждена при исследовании аппаратов с химическими превращениями для двух промышленных процессов: при производстве газов для синтеза аммиака и при получении карбамида. Рекомендации по усовершенствованию процесса производства карбамида приняты к внедрению на химическом заводе "АГ-РО-ЧЕРЕПОВЕЦ".

7. Разработана и реализована процедура синтеза энергосберегающих технологических схем разделения с рекуперацией внешних тепловых потоков, сочетающая возможности метода теплового каскада для синтеза энергетически интегрированных химико-технологических систем и универсальных моделирующих программ для расчета материальных и тепловых балансов ( в том числе и с гетерофазными процессами с химическим превращением ) и позволяющая сокращать количество оцениваемых при синтезе вариантов. Эффективность предложенной процедуры подтверждена при решении задачи синтеза двух промышленных технологических схем: при получении газов для синтеза аммиака и при синтезе установки ректификации из 5 колонн в производстве изомеров диэтилбензола. Полученные в результате исследований рекомендации по усовершенствованию производства изомеров диэтилбензола приняты к внедрению на ООО "ЧЕРЕПОВЕЦКИЙ АЗОТ".

Основные результаты диссертационной работы изложены в 67 публикациях, из которых

приоритетными являются:

1. Кафаров В.В., Бояринов А.И., Ветохин В.Н,, Гартман Т.Н. Термодинамическая проверка и исправление опытных равновесных данных жидкость-пар в бинарных системах. // ЖФХ. -1972. - Т. 46. - N 9. - С. 2233-2237.

2. Бояринов А.И., Ветохин В.Н., Гартман Т.Н., Зинченко Е.Г., Кафаров В.В. Учет неидеальности паровой фазы при расчете процесса ректификации. // Технология неорганических веществ, процессы и аппараты, кибернетика химических процессов.: Труды МХТИ им. Д.И. Менделеева,- 1973. - Вып. 73. - С. 68-72.

3. Бояринов А.И., Ветохин В.Н., Кафаров В В., Гартман Т.Н. Расчет констант уравнений равновесия.//ЖФХ, - 1973. - Т. 47. - N 4. - С.Ю09-1011.

4. Бояринов А.И., Ветохин В.Н., Кафаров В.В., Гартман Т.Н. Особенность констант уравнений равновесия. //ЖФХ, - 1973. - Т. 47.-N4. - С. 1011-1013.

5. Новиков А.И., Ветохин В.Н., Гартман Т.Н. Моделирование ректификации азеотроппых смесей: Тезисы докл. III Всесоюз. конф. по теории и практике ректификации. - Северодо-иецк, 1973. - Часть I. - С. 140-143

6. Бояринов А.И., Гартман Т.Н., Кафаров В.В. Моделирование комплексов ректификационных колонн. Тезисы III Всесоюзной Конференции по теории и практике ректификации. - Северодонецк, 1973. - Часть I. - С.34-37.

7. Бояринов А.И., Ветохин В.Н., Кафаров В.В., Гартман Т.Н., Мотыль Д.Н. Расчет границ областей дистилляции.// ЖФХ. - 1974. - Т. 48. - N 2. - С. 299-302.

8. Fonyo Z., Gartman Т. On the determination of optimum feed stade location in distillation colu-mas//Hungarian Journal of Industrial Chemistry, Veszprem.-1974.-V. 2.-P, 15-22.

9. Гартман Т.Н., Бояринов А.И., Ветохин В.H., Георгиев В.В., Кафаров В.В. Автоматизированная подсистема исследования парожидкостного равновесия.// Моделирование и оптимизация химико-технологических процессов и систем: Труды МХТИ им. Д.И. Менделеева,- 1975. -Вып. 88. - С. 54-60.

10. Кафаров В.В., Бояринов А.И., Ветохин В.Н., Новиков А.И., Щипин Ю.К., Косунов А.И., Гартман Т.Н. Системный анализ процессов разделения: Доклады 1 Всесоюз. коиф. по математическому моделированию СХТС.-Ереван, 1975.-С.99-105.

11. Кафаров В.В., Бояринов А.И., Гартман Т.Н., Данов С.М., Поляков В.М., Чубаров Г.А. Определение параметров уравнений равновесия для системы ацетон-метанол-метилметакрилат.// ЖФХ. - 1977. - Т. 51. - С. 2576-2579.

12. Rosler F., Gartman Т. Uber Probleme der mathematischen Modelierung entmischender ternarer Systeme//Chemische Geselschaft.- 1978.-25,- September.-P. 189.

13. Бояринов А.И., Артемьева JI.И., Гартман Т.Н., Шакина Э.А. Определение параметров уравнений для нахождения коэффициентов активности.// Системный анализ процессов хим. технологии: Труды МХТИ им. Д.И.Менделеева.- 1979. -Вып. 106.- С. 103-106.

14. Гартман Т.Н., Бояринов А.И., Шакина Э.А. Расчет многофазного расслаивания в жидких системах: Материалы III Всесоюз. конф. "Математические методы в химии",- М.: ЦНИИТЭнефтехим, 1980.-Часть 1.-С.156-159.

15. Гартман Т.Н., Бояринов А.И. Предсказание трехфазного расслаивания в жидких системах: Тезисы II Республ.конф. молодых ученых химиков,-Таллин, 1979.-С, 143-144.

16. Бояринов А.И., Артемьева Л.И., Гартман Т.Н., Першикова Т.А. Исследование процесса ректификации при проектировании технологических схем разделения в случае отсутствия данных по фазовому равновесию: Тезисы II Всесоюз. конф. "Математическое моделирование сложных химико-технологических систем (СХТС-11)".-Новомосковск, 1979.-С.58.

17. Бояринов А.И., Синица В.А., Гартман Т.Н. Алгоритм расчета параметров уравнений равновесия по данным для многокомпонентных смесей. II ТОХТ. - 1980. - Т. 14. - N 1. -С. 180-183.

18. Gartman Т., Rosler F., Schuberth H., Bojarinov A.I. Uber Probleme der mathematishen Modellierung entmischender Systeme.//Chem. Tech.- 1980. -V.32. -N4- P. 199-202.

19. Синица B.A., Бояринов А.И., Гартман Т.Н., Мешков В.И. Поиск параметров моделей фазового равновесия, необходимых для расчета разделения неидеальных смесей. // Моделирование процессов ректификации для целей оптимального проектирования производств нефтепереработки и нефтехимии.-М.: ЦНИИТЭнефтехим, 1981. - С. 149-161.

20. Бояринов А.И., Синица В.А., Гартман Т.Н., Мешков В.И. Оценка параметров уравнений, определяющих коэффициенты активностей. //ТОХТ,- 1983. - Т. 17. - N 5,. - С. 674-679.

21. Гартман Т.Н., Обмелюхина Т.Н., Долгополов A.A., Чубаров Г.А., Першикова Т.А. Оптимизация процессов экстрактивной ректификации с расслаиванием жидкой фазы в производстве метилметакрилата: Материалы V Всесоюз.конф.по теории и практике ректификации. - Северодонецк, 1984. - Часть II. - С.172-173.

22. Бояринов А.И., Гартман Т.Н., Гарнова О.М Моделирующий блок сложной ректификационной колонны: Тезисы докладов II Всесок з. совещания - семинара "Методы кибернетики в химии и химической технологии",- Грозный, 1984.-С.88.

23. Бояринов А.И., Гартман Т.Н., Гарнова О.М. Автоматизированное исследование равновесных свойств процессов ректификации и экстракции: Тезисы докладов II Всесоюз. совещания - семинара "Методы кибернетики в химии и химической технологии",- Грозный, 1984.-С.218.

24. Гартман Т.Н., Поторжинский О.И., Барский Я.Л. Применение метода регрессионного анализа для выбора моделей физико-химических свойств процесса ректификации, зависящих от одной переменной: Тезисы II Всесоюз. совещания-семинара молодых ученых "Методы кибернетики в химии и химической технологии".-Грозный, 1984.-С.108.

25. Бояринов А.И., Барский Я.Л., Гартман Т.Н., Поторжинский О.И. Адаптивная расчетно-информационная система физико-химических свойств (АРИС ФХС) для САПР систем ректификации: Тезисы Всесоюз. науч. конференции "ПАХТ-85".- Харьков, 1985.- книга 7.-С. 103-104.

26. Бояринов А.И., Поторжинский О .И., Гартман Т.Н., Барский Я.Л. Дискриминация моделей физико-химических свойств процесса ректификации статистическими методами: Тезисы Всесоюз. науч. конференции "ПАХТ-85",- Харьков, 1985,- книга 7.-С.104.

27. Бояринов А.И., Барский Я.Л, Гартман Т.Н. Разработка подсистемы расчета физико-химических свойств в САПР с элементами искусственного интеллекта: Тезисы Всесоюз. науч. конференции "СЗТС-4",- Одесса, 1985.-книга2.-С.37.

28. Бояринов А.И., Барский Я.Л., Гартман Т.Н., Поторжинский О.И. Адаптивная расчетно-информационная система физико-химических свойств (АРИС ФХС) как подсистема САПР ХТС: Тезисы Всесоюз. науч. конференции "СХТС-4",- Одесса, 1985.-книга2.-С.46.

29. Бояринов А.И., Поторжинский О.И., Гартман Т.Н., Барский Я.Л. Система выбора моделей физико-химических свойств статистическими методами как подсистема САПР ХТС: Тезисы Всесоюз. науч. конференции "СХТС-4".- Одесса, 1985.-книга 2.-С.45.

30. Гартман Т.Н., Бояринов А.И., Вихлянцева А.В. Параметры модели равновесия жидкость-пар при солевой ректификации. // ЖФХ.-1986.-Т.60.-№ 11 .-С.2683-2686.

31. Бояринов А.И., Барский Я.Л., Поторжинский О.И., Гартман Т.Н. Адаптивная расчетно-информационная система физико-химических свойств для САПР процессов ректификации. // Математическое обеспечение систем оптимизации, проектирования и управления химико-технологическими процессами: Труды МХТИ им. Д.И. Менделеева.- 1986. - Вып. 140.-С.34-41.

32. Бояринов А.И., Барский Я.Л., Гартман Т.Н. Разработка системы расчета физико-химический свойств на базе универсальной СУБД: Тезисы IV Всесоюз. конференции "Использование вычислительных машин в химическом исследовании и спектроскопии молекул".- Рига, 1986.-С.66-67.

33. Барский Я.Л., Богомольный А.М., Гартман Т.Н. О путях создания интегрированных банков данных по физико-химическим свойствам веществ и смесей.: Тезисы докл. VI Всесоюз. школы-семинара "Применение математических методов для описания и изучения физико-химических равновесий". - Новосибирск, 1989.-С. 120-121.

34. Gartman T.N. , Barskij J.L., Eléments of artificial physico-chemical properties calculated Systems. 20 Wochenseminar Chemische Gesellshaft der DDR Abeitsgemeinshaft Thermodynamik Kuhlungsborn (Ostsee), 1990.-P.3.

35. Lempe D., Luneburg W., Reinemann G., Gartman T. Software-System zur Entwicklung kritisch bewerter Stoffdatenmodelle. // Wiss. Zeitschr. THLM. - 1989. - V. 31. - N 4. - P. 489-505.

36. Gartman T.N., Meyer T., Gmehling J. Simulation and Analysis of Rectification processes with heterogeneous Mixtures // 10-CHISA Congress. - Prague, 1990. -N 4. - P. 16.

37. Бояринов А.И., Гартман Т.Н., Булатов И.С. Алгоритм синтеза энергосберегающих ХТС процессов ректификации с применением моделирующих программ // Математические методы в химии и химической технологии: Тезисы докл. междунар. конф. - Новомосковск, 1997.-T. 1.-С. 106.

38. Гартман Т.Н., Бояринов А.И., Кадосов А.Б. Применение методологии инженерии знаний при проектировании оборудования в производстве лаков и красок // Лакокрасочные материалы. - 1998. -N 12. - С. 19-22; 24-25.

39. Gartman T.N., Bojarinov A.I., Bulatov I.S., Barsky J.L., Meshalkin V.P. Hybrid expert system methodology for design of optimum chemical processes// 13-th CHISA Congress. - Prague, 1998,-N6.-P. 66.

40. Гартман Т.Н., Бояринов А.И., Мешалкин В.П., Барский Я.Л. Эвристически-адаптивная процедура выбора эффективного алгоритма компьютерного моделирования состояний систем непрерывной ректификации: 11-ая Междунар. конф. "Математические методы в химии и технологиях",- Владимир, 1998.- T.2.-C.289-290.

41. Гартман Т.Н., Бояринов А.И., Мешалкин В.П. Многоуровневая интеллектуальная процедура для технологического проектирования систем непрерывной ректификации: 11-ая Междунар. конф. "Математические методы в химии и технологиях",- Владимир, 1998.-Т.2.-С.290-291.

42. Гартман Т.Н., Бояринов А.И., Барский Я.Л. Стохастико-самообучающаяся процедура для выбора уравнений описания паро-жидкостного равновесия. // ТОХТ. - 1999. - Т. 33. - N 4.-С. 414-419.

43. Гартман Т.Н., Бояринов А.И., Барский Я.Л. Автоматизированный выбор моделей учета неидеальности жидкой фазы при паро-жидкостном равновесии. // ТОХТ. - 1999. - Т. 33. -N6.-С. 651-655.

44. Гартман Т.Н., Бояринов А.И. Комплекс интеллектуальных программ для технологического проектирования химических производств // Докл. РАН. - 1999. - Т. 366. - N 4. - С. 503-

45. Gartman T.N., Bojarinov A.I., Kadosov A.B., Karpilovsky O.L., Barsky Ya. L. Computer aided knowledge accumulation helps to design the continuous distillation // Computers & Chemical Eng. - 1999. - V. 23 Suppl.-P. S665-S668.

506.

БД

БЗ

ДЭБ

ЖЖР

ММП

MHK

МП

НФЗ

ПЖР

АРИС ФХС

TCP ФЗ XTC ЭАК

CCABB

Основные сокращения:

адаптивная расчел ю-информационная система

физико-химических свойств

банк данных

база знаний

диэтилбензол

фазовое равновесие жидкость-жидкость метод максимального правдоподобия метод наименьших квадратов универсальная моделирующая программа неформализованная (невычислительная) задача паро-жидкостное равновесие стохастико-самообучающийся алгоритм выбора вариантов

технологическая схема разделения формализованная (вычислительная) задача химико-технологическая система эвристический алгоритм классификации

Типография "П-Центр", заказ № 3. Подписано в печать 24.04.2000 г. Тираж 100 экз.

ВВЕДЕНИЕ.

Глава I. КОНЦЕПТУАЛЬНЫЙ АНАЛИЗ ЗНАНИЙ О ТЕХНОЛОГИЧЕСКОМ

ПРОЕКТИРОВАНИИ СИСТЕМ НЕПРЕРЫВНОЙ РЕКТИФИКАЦИИ.

1.1. Методы расчета паро-жидкостного равновесия в многокомпонентных системах.

1.1.1. Определение равновесных условий - решение прямой задачи.

1.1.2. Проверка термодинамической совместимости экспериментальных равновесных данных.

1.1.3. Определение подгоночных параметров - решение обратной задачи.

Выводы по разделу 1.1.

1.2. Термодинамически-топологический анализ диаграмм фазового равновесия процессов ректификации.

1.3. Анализ, оптимизация и синтез технологических схем ректификации.

Выводы по главе 1.

Глава II. РАЗРАБОТКА И ПРИМЕНЕНИЕ МЕТОДОВ РЕШЕНИЯ ЗАДАЧ ТЕХНОЛОГИЧЕСКОГО ПРОЕКТИРОВАНИЯ СИСТЕМ

НЕПРЕРЫВНОЙ РЕКТИФИКАЦИИ.

II.1. Расчетное предсказание условий паро-жидкостного равновесия.

II. 1.1. Термодинамическая проверка и коррекция экспериментальных равновесных данных жидкость-пар. 136 II. 1.2. Определение подгоночных (энергетических) параметров моделей фазовых равновесий.

II. 1.2.1. Выбор вида целевой функции для определения подгоночных параметров уравнений равновесия.

II. 1.2.1.1 .Применение метода наименьших квадратов для определения параметров моделей фазовых равновесий жидкость-жидкость.

П.1.2.1.2.Применение метода максимального правдоподобия для определения параметров моделей фазовых равновесий жидкость-пар в системах с нелетучим электролитическим (солевым) компонетом.

II. 1.2.2. Статистический анализ параметров моделей учета неидеальности жидкой фазы.

II. 1.2.3. Расчет параметров уравнений равновесия.

Выводы по разделу И. 1.2.

II. 1.3. Предсказание условий паро-жидкостного равновесия с расслаиванием жидкой фазы.

II. 1.3.1. Разработка и исследование методов описания многофазного расслаивания жидкости.

И. 1.3.1.1 .Описание оптимизационного алгоритма.

И. 1.3.1.2. Описание релаксационного алгоритма.

II.1.3.2.Исследование описания гетероазеотропных систем.

Выводы по разделу II. 1.

11.2. Определение азеотропных условий и границ областей ректификации.

11.3. Расчет и исследование систем непрерывной ректификации.

11.3.1. Разработка и исследование методов описания процессов гомо- и гетероазеотропной ректификации.

11.3.2. Разработка процедуры обеспечения адекватности модели процесса ректификации и реализация ее на примере промышленного производства уксусной кислоты.

11.3.3. Оценка экономической эффективности процессов ректификации.

Выводы по главе II.

Глава III. РАЗРАБОТКА ИНТЕРАКТИВНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДЛЯ РЕШЕНИЯ НЕФОРМАЛИЗОВАННЫХ ЗАДАЧ ТЕХНОЛОГИЧЕСКОГО ПРОЕКТИРОВАНИЯ СИСТЕМ

НЕПРЕРЫВНОЙ РЕКТИФИКАЦИИ.

III. 1. Разработка структуры интерактивной интеллектуальной программной системы для решения неформализованных задач.

III. 2. Разработка комплекса интеллектуальных программ для накопления и классификации знаний.

111.3. Выбор уравнений для определения давлений насыщенных паров индивидуальных веществ.

111.4. Выбор моделей учета неидеальности жидкой фазы при паро-жидкостном равновесии.

111.5. Выбор контактных устройств ректификационных колонн в производстве изомеров диэтилбензола.

Выводы по главе III.

Глава IV. ПОСТРОЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ АДАПТИВНОЙ РАСЧЕТНО-ИНФОРМАЦИОННОЙ СИСТЕМЫ ФИЗИКО

ХИМИЧЕСКИХ СВОЙСТВ (АРИС ФХС).

IV. 1. Логическая структура данных в АРИС ФХС.

IV.2. Моделирование некоторых интеллектуальных функций специалистов по расчету ФХС.

IV.3. Реализация АРИС ФХС.

IV.3.1. Реализация интегрированного банка данных.

IV.3.2.Структура и средства реализации диалога.

IV.3.3.Архитектура программного обеспечения.

IV. 3.3.1. Перечень модулей для решения прямой задачи.

IV.3.3.2. Основной файл исходных данных.

Выводы по главе IV.

Глава V. СИНТЕЗ ЭНЕРГОСБЕРЕГАЮЩИХ СИСТЕМ РАЗДЕЛЕНИЯ С

ПРИМЕНЕНИЕМ МОДЕЛИРУЮЩИХ ПРОГРАММ.

V. 1. Моделирование узла синтеза карбамида с использованием метода комбинирования стандартных модулей моделирующей программы для расчета процессов с химическими превращениями. ^

V.2. Синтез энергетически интегрированной ХТС производства изомеров диэтилбензола методом "предельной температурной точки" с использованием моделирующей программы.

V.3. Синтез технологической схемы производства газов для синтеза аммиака с интеграцией энергетических потоков.

Выводы по главе V.

Процессы разделения занимают важнейшее место в химической, нефтехимической и газоперерабатывающей отраслях промышленности. Несмотря на их большое разнообразие, процессам непрерывной ректификации принадлежит ведущая роль как наиболее изученным и гибким с точки зрения получения промежуточных и конечных продуктов требуемого качества. Довольно значительные капитальные вложения и весьма существенные энергетические затраты, которыми часто отличаются системы ректификации, требуют обеспечения высокой степени надежности, корректности и точности их технологического проектирования.

Характерными особенностями технологического проектирования систем ректификации является необходимость решения трех основных задач:

- выбора наиболее подходящего типового процесса разделения для отдельных стадий технологической схемы производства на основе знания факторов разделения (например, коэффициентов относительной летучести), определяемых исходя из расчетного предсказания условий фазовых равновесий разделяемых смесей;

- термодинамико-топологического анализа структуры фазовых диаграмм разделяемых систем, также осуществляемого на основе знаний условий паро-жидкостного равновесия;

- определения режимных и конструктивных параметров стадии разделения производства с учетом других процессов (тепловых, реакторных и др.), технологически интегрированных с системами ректификации.

Компьютерное моделирование на современном этапе является мощным инструментом решения задач технологического проектирования процессов разделения, в том числе и для определения условий фазовых равновесий, а также для расчета технологических схем, включающих системы ректификации. К настоящему времени разработано большое многообразие пакетов компьютерных программ, предназначенных для решения различных вычислительных (формализованных) задач. Реализуемые в этом случае алгоритмы для решения даже одной и той же задачи могут отличаться спецификой численных методов, детализацией математического описания рассчитываемых процессов и нюансами постановки вычислительных задач. Особенно широкий выбор алгоритмов предлагается в получающих все более широкое распространение универсальных моделирующих программах для анализа химико-технологических систем, которые также включают алгоритмы для расчета систем разделения и ректификации. Следует отметить, что как правило области применимости различных компьютерных программ для решения вычислительных задач четко не определены, а рекомендации разработчиков не всегда достаточно обоснованы и нуждаются в дополнительной проверке.

Поэтому для технологического проектирования требуется решение и неформализованных (невычислительных) задач, которые связаны с выбором компьютерных программ, отличающихся как спецификой используемых в них численных алгоритмов, так и реализованных с их помощью механизмов протекания физико-химических процессов. К неформализованному типу задач, которые должны решаться на различных ступенях иерархии процедуры технологического проектирования, относятся комбинаторные задачи выбора способов проведения процессов и аппаратурного оформления. Смысловые решения неформализованных задач до настоящего времени большей частью принимались специалистами на основе определенной суммы знаний (подкрепленной результатами решения формализованных задач), которые были накоплены за годы многолетней работы и большого предшествующего опыта.

Однако решение неформализованных задач на современном этапе исключительно на основе знаний, опыта и интуиции специалистов нельзя признать эффективным. Это связано как с объективными причинами: систематическим возрастанием объема знаний, временными задержками при получении информации у специалистов и ротацией кадров, так и с субъективными: дороговизной приобретения знаний у специалистов и/или группы специалистов, а также возможно большой долей субъективизма в их оценках. Поэтому современный подход к компьютерному моделированию систем ректификации должен предусматривать решение не только формализованных (вычислительных) задач, но и моделирование некоторых интеллектуальных функций специалистов, связанных с принятием смысловых решений, т.е. решением неформализованных (невычислительных) задач.

Это и предопределило основное направление исследований диссертационной работы, которая посвящена разработке единого подхода к получению смысловых решений неформализованных задач технологического проектирования систем ректификации. При этом широко применяется методология решения задач искусственного интеллекта, инженерии знаний и экспертных систем.

Для решения неформализованных задач в настоящей работе предлагается использовать интеллектуальную интерактивную компьютерную систему, в которой для определения искомых смысловых решений необходимо реализовать два этапа:

- автоматизированный (выполняется на компьютере): накопление и классификация знаний в процессе самообучения в конкретной проблемной области;

- интерактивный (с участием специалистов): выбор смыслового решения путем определения степени "близости" параметров решаемой задачи к параметрам уже решенных задач, которые определялись с применением знаний, накопленных на первом этапе.

Главное достоинство такого подхода состоит в том, что он позволяет наиболее рационально сочетать возможности компьютерной системы автоматически накапливать и классифицировать знания, и интеллекутальные способности специалистов формулировать эвристические правила и выбирать смысловые решения. В этом случае эксплуатируются те интеллектуальные наклонности как компьютерной системы, так и специалистов, в результате реализации которых они могут функционировать наиболее эффективно. Так в режиме приобретения знаний на первом этапе компьютерная система может превосходить возможности специалистов (по объему и надежности накопленных данных), а на втором этапе - при выборе наиболее подходящего смыслового решения, она объективно является менее эффективной, чем специалист.

При этом комплекс интеллектуальных программ, используемый для накопления и классификации знаний, является универсальным в том смысле, что его структура не зависит от проблемной области, в которой он применяется, и может предоставлять информацию об эффективностях возможных вариантов смысловых решений в виде вероятностей их применимости, которые зависят от всех накопленных значений физических эффективностей этих вариантов и определяются с помощью специальных комплексов расчетных программ, ориентированных на решение конкретных вычислительных задач.

Внедрение в практику технологического проектирования систем разделения обоснованного и опирающегося на достаточный объем накопленных знаний метода решения неформализованных задач позволяет увеличить надежность принимаемых проектных решений и ускорить ввод в эксплуатацию проектируемых производств, чем и обусловлена актуальность и практическая значимость настоящей диссертационной работы.

Основные цели диссертационной работы:

- создание иерархической процедуры технологического проектирования систем непрерывной ректификации, базирующейся на решении совокупности формализованных (ФЗ) и неформализованных задач (НФЗ), и соответственно разработка и применение различных методов и процедур для их решения;

- использование разработанных методов и процедур для моделирования паро-жидкостного равновесия в многокомпонентных системах с реализацией соответствующего комплекса компьютерных программ и применение его для сложных гомо-и гетероазеотропных систем с расслаиванием жидкой фазы при наличии в ней нелетучих электролитических (солевых) компонентов;

- разработка и применение метода синтеза энергосберегающих технологических схем систем разделения с интеграцией внешних тепловых потоков, использующих возможности универсальных моделирующих программ (МП), метода синтеза химико-технологических систем (ХТС) на основе концепции теплового каскада и предложенной процедуры решения неформализованных задач (НФЗ).

Диссертационная работа состоит из пяти глав.

В первой главе проведен концептуальный анализ знаний о технологическом проектировании систем ректификации. Обращено внимание на необходимость решения большого многообразия как формализованных, так и неформализованных задач на трех основных ступенях иерархии технологического проектирования - моделирование паро-жидкостных равновесий, термодинамико-топологический анализ структуры фазовых диаграмм разделяемых систем и анализ, оптимизация и синтез технологических схем разделения.

Во второй главе предложена иерархическая процедура технологического проектирования систем непрерывной ректификации, характерные особенности который состоят в следующем: возможность выбора типовых процессов разделения на отдельных стадиях производства более эффективных, чем ректификация, проведение термодинамико-топологического анализа фазовых диаграмм разделяемых смесей и применение универсальных моделирующих программ (МП) для анализа и синтеза химико-технологических систем (ХТС). Разработаны и реализованы эффективные методики и процедуры моделирования паро-жидкостных равновесий, обеспечения адекватности математических моделей процессов непрерывной ректификации и оценки их экономической эффективности. Создано соответствующее программно-математическое обеспечение для решения этих задач и с его использованием проведены исследования систем ректификации, в том числе и промышленных процессов с расслаиванием жидкой фазы, с гомо- и гетероазеотропами и с нелетучими электролитическими (солевыми) добавками.

В третьей главе представлены результаты разработки интерактивной интеллектуальной компьютерной системы для решения неформализованных задач технологического проектирования систем непрерывной ректификации. Показано, что она может применяться для решения неформализованных задач (НФЗ) на различных ступенях иерархии технологического проектирования. С использованием интеллектуальной компьютерной системы решены неформализованные задачи выбора: вида уравнений для расчета давлений насыщенных паров

78 индивидуальных веществ, моделей учета неидеальности жидкой фазы при фазовом равновесии жидкость-пар для 1500 бинарных и многокомпонентных систем, а также контактных устройств в 5 ректификационных колоннах технологической схемы производства изомеров диэтилбензола.

В четвертой главе приведено описание разработанной интеллектуальной адаптивной расчетно-информационной системы физико-химических свойств (АРИС ФХС), предназначенной для решения формализованных и неформализованных задач моделирования паро-жидкостных равновесий в многокомпонентных системах. АРИС ФХС реализован в виде комплекса компьютерных программ с базой данных по фазовым равновесиям жидкость-пар для 1500 бинарных и многокомпонентных систем и различных свойств 3500 индивидуальных веществ, а также с 7000 наборами параметров моделей учета неидеальности жидкой фазы.

Пятая глава посвящена разработке эффективных методов применения универсальных моделирующих программ для синтеза энергосберегающих технологических схем следующих промышленных производств:

- узла синтеза в производстве карбамида;

- установки ректификации для выделения изомеров диэтилбензола, включающих тарельчатые колонные аппараты;

- технологической схемы получения газов для синтеза аммиака. Предложена процедура синтеза энергетически интегрированных производств с рекуперацией внешних тепловых, а также испаряющихся и конденсирующихся потоков технологической схемы, в которой для расчета сложных хемо-массообменных процессов предложен метод комбинирования стандартных расчетных модулей универсальных моделирующих программ (МП).

В диссертационную работу включены приложения: I, II и III.

В приложении I приведен конкретный вид некоторых термодинамических соотношений и критериальных выражений, относящихся к расчету паро-жидкостного равновесия, а также рекомендации по их выбору и выбору банков данных по физико-химическим свойствам веществ и их смесей.

11

В приложении II в табличном и графическом виде представлены результаты расчетных исследований систем ректификации на различных ступенях иерархии их технологического проектирования.

В приложении III собраны документы - акты о передаче компьютерных программных средств и акты о внедрении усовершенствований промышленных производств, подтверждающие практическую ценность результатов научных исследований, выполненных в диссертационной работе.

Диссертационная работа выполнялась в соответствии с координационным планом Государственной научно-технической программы "Теоретические основы химической технологии".

Автор выражает глубокую благодарность всем сотрудникам и аспирантам, принимавшим участие в настоящей работе, и профессору А.И.Бояринову за внимание и полезные консультации.

Выводы по главе III

1. Предложен интерактивный вероятностный метод решения неформализованных задач технологического проектирования систем непрерывной ректификации, использующий разработанную нами стохастико-самообучающуюся процедуру для накопления и классификации знаний и отличающийся универсальностью, высокой степенью надежности и простотой реализации.

2. Разработан комплекс интеллектуальных компьютерных программ, реализующий стохастико-самообучающуюся процедуру накопления и классификации знаний и включающий два алгоритма:

- стохастико-самообучающийся алгоритм выбора вариантов, отличающийся высокой чувствительностью и устойчивостью;

- эвристический алгоритм классификации для группировки вероятностных оценок эффективностей смысловых решений неформализованных задач.

3. Разработаны принципы оценки эффективности смысловых решений неформализованных задач для различных уровней иерархии технологического проектирования систем непрерывной ректификации и способы накопления их значений в базах знаний (БЗ) интеллектуальных компьютерных систем.

4. С использованием разработанного метода накопления и классификации знаний проведено исследование интерполяционных и экстраполяционных возможностей 5 способов определения давлений насыщенных паров 78 индивидуальных веществ и определены те из них, которые следует с наибольшей вероятностью применять в каждом конкретном случае.

5. Решена неформализованная задачи выбора моделей Вильсона или NRTL для описания фазовых равновесий жидкость, пар в 1500 бинарных системах для изобарических, изотермических и смешанных (изотермических + изобарических) данных с различным видом подгоночных (энергетических) параметров -констант, линейно-зависимых и квадратично-зависимых от температуры.

6. С применением разработанного метода накопления и классификации знаний решена задача выбора целевой функции при определении подгоночных энергетических параметров моделей Вильсона и NRTL (из шести возможных

350 вариантов) и алгоритма оптимизации (из двух возможных вариантов) для 1500 бинарных равновесных данных жидкость-пар (изобарических, изотермических и смешанных).

7. Решена неформализованная задача выбора типов контактных устройств для 5 ректификационных колонн производства изомеров диэтилбензола при реализации процесса самообучения с использованием разработанной процедуры накопления и классификации знаний, универсальной моделирующей программы ХЕМКАД (глава V) и процедуры оценки экономической эффективности технологической схемы разделения (раздел И.З.З).

ГЛАВА IV. ПОСТРОЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ АДАПТИВНОЙ РАСЧЕТНО-ИНФОРМАЦИОННОЙ СИСТЕМЫ ФИЗИКО-ХИМИЧЕСКИХ СВОЙСТВ (АРИС ФХС) [504]

При исследовании условий паро-жидкостного равновесия многокомпонентных систем возникает насущная необходимость решения большого разнообразия неформализованных и формализованных задач (раздел II. 1). Для решения этих задач была разработана интеллектуальная адаптивная расчетно-информационная система физико-химических свойств (АРИС ФХС). Сначала АРИС ФХС была реализована на ЕС ЭВМ ( модель ЕС-1033) с операционной системой ОС ЕС 6.1 на базе СУБД общего назначения типа "СПЕКТР" и большинство программных модулей было написано на языке PL/1 (транслятор PL/1-ОС) [151]. Затем АРИС ФХС была переведена на IBM - совместимые персональные компьютеры с операционной системой MS DOS версии 5.0 и выше[201]. При этом для хранения и обработки данных использовалась стандартная реляционная СУБД "R-BASE", а для программирования большинства модулей системы использовались компиляторы языка "Си" - Microsoft С 5.0 и Microsoft С 6.0.

АРИС ФХС должна функционировать в двух режимах: как подсистема нижнего уровня САПР технологических схем разделения без участия человека, или автономно в диалоге с пользователем. В режиме диалога система должна обеспечивать информационные и/или научные потребности различных типов пользователей: от проектировщика ХТС, который может не быть специалистом в области методов расчета свойств, вычислительной математики и применения вычислительной техники, до исследователя методов расчета физико-химических свойств (ФХС), который может быть высококвалифицированным специалистом в некоторых или во всех указанных областях.

Использование существующих методов расчета ФХС требует привлечения знаний и опыта специалистов. Поэтому для эффективного функционирования в качестве подсистемы САПР и в диалоге с неспециалистом разрабатываемая система должна моделировать соответствующие функции специалиста, то есть быть экспертной системой ( глава III). При работе в диалоге с исследователем методов расчета ФХС она должна помогать в накоплении и обобщении опыта многовариантных расчетов и в получении выводов из этого опыта.

Требования к системе вытекают из ее функционального назначения. Поэтому система должна включать информационное, программно-математическое и интеллектуальное обеспечение.

В результате в АРИС ФХС реализованы: банк данных, в основном, для органических веществ и их смесей; комплекс расчетных программ для исследования условий фазовых равновесий жидкость-пар в многокомпонентных системах; комплекс интеллектуальных программ для накопления и классификации знаний об эффективности принимаемых смысловых решений.

Каждая из трех программных систем представляет собой автономные модули на компьютере. Однако между ними существует тесная взаимосвязь. Для проведения исследований с помощью комплекса расчетных программ необходима информация из банка данных, а отсутствующие в информационной системе данные по свойствам могут быть рассчитаны и аппроксимированы с помощью соответствующих вычислительных процедур. Для оценки эффективности результатов расчетов и информации из банка данных используют комплекс интеллектуальных программ, на основании чего принимаются смысловые решения о дальнейшем применении расчетных методов и наборов данных. В связи с этим все три программные системы следует рассматривать как единый интеллектуальный комплекс компьютерных программ расчета и исследования условий паро-жидкостного равновесия в многокомпонентных системах.

Требования к информационному обеспечению можно разделить на три группы:

1. Требования к информационным системам общего назначения [464], которые переносятся на рассматриваемую систему: большая емкость (это требование обусловлено большим числом исследуемых в химии и применяемых в химической технологии веществ и их смесей); быстрый поиск данных как по фиксированному, так и по произвольному запросу; обеспечение логической непротиворечивости хранимой информации; удобство добавления, корректировки и удаления данных; надежность хранения данных.

2. Требования к информационным системам по ФХС: хранение экспериментальных данных в исходных размерностях и хранение рассчитанных данных, в том числе параметров аппроксимирующих зависимостей со ссылками на библиографический источник или расчетный метод получения данных [153]; хранение оценок качества и, в частности, точности данных; возможность хранения разных наборов значений свойств для разных веществ и смесей [153]; независимость информационной структуры от конкретных свойств; возможность ввода в систему данных по новым свойствам без какого-либо изменения структуры.

3. Требования к информационному обеспечению экспертной системы расчета ФХС: хранение модели предметной области (ПО) [465], которая включает сведения о ФХС как таковых и методах их расчета для различных веществ и их смесей; простота ввода новых элементов данных и связей между данными с целью развития модели ПО.

Последнее требование, важное и для обычных информационных систем [464], является одним из решающих для экспертной системы в такой слабо формализованной области, какой являются методы расчета.

Требования к программно-математическому обеспечению существующих систем расчета ФХС приведены, в частности, в работе [153]: единая непрерывная и дифференцируемая зависимость для представления свойств во всей необходимой области изменения параметров; термодинамическая согласованность методов; экстраполируемость зависимостей в гипотетические состояния во избежание сбоев в итерационных и оптимизационных методах; возможность многовариантных расчетов свойств.

IV. 1. Логическая структура данных в АРЙС ФХС

Информация, необходимая для расчета ФХС, может быть разделена на два класса.

К первому классу относятся перечни веществ и смесей, список их свойств, соответствующие данные по ФХС со ссылками на источники их получения. Для проверки правильности ввода в систему информации, взятой из литературы, необходим также список литературных источников. Вся эта информация содержится в базе данных АРИС ФХС.

Ко второму классу относится информация, знание которой отличает специалиста по расчету ФХС. Это сведения о методах расчета ФХС, включающие оценки их применимости в целом и для решения конкретных задач; сведения о переменных, участвующих в расчете; сведения о физических величинах и их размерностях. Информация второго класса содержится в базе знаний (БЗ) [465] АРИС ФХС.

Разделение информации, необходимой для расчета ФХС, на "данные" и "знания" в определенной степени условно, так как "данные" по. мере усложнения их структуры, могут переходить в "знания", а "знания", обрабатываемые компьютером, могут рассматриваться как данные [21]. Целесообразность такого разделения обусловлена существенным различием методов обработки информации этих классов. Предлагаемое разделение показывает также перспективу развития систем расчета ФХС, связанную с повышением уровня их "интеллектуальности".

Для построения логической (или концептуальной) структуры данных всю необходимую информацию надо представить в виде отдельных элементов ПО (сущностей) и связей между ними. Для наглядного представления логической структуры принята система обозначений, предложенная в работе [466].

В результате проведенного нами анализа получена укрупненная логическая структура данных сетевого типа, показанная на pHC.IV. 1. Каждый прямоугольник представляет группу одинаковых по структуре логических записей (файлов). Дуги обозначают связи между записями разных файлов. Стрелки по

Вещество Смесь

Phc.IV.I.Укрупненная логическая структура данных в АРИС ФХС

LO U1 U1 казывают возможное наличие для записи файла указателей на записи другого файла, т.е. отношение между записями типа 1:М. Одиночной стрелке соответствует М=0,1, двойной стрелке соответствует М=0,1,2. Двойной стрелке на обоих концах дуги соответствует отношение типа "многие к многим". Пунктирными дугами обозначается связь, которая может автоматически уточняться системой по мере накопления информации.

Рассмотрим теперь разработанную в АРИС ФХС логическую структуру отдельных элементов предметной области. Каждая логическая запись в общем случае содержит отдельные элементы данных (атрибуты) и их агрегаты. Для наглядного представления логической структуры отдельных элементов ПО названия записей и агрегатов данных записываются в прямоугольниках, а атрибутов - в овалах. Если в одной логической записи может быть несколько экземпляров одного агрегата или атрибута, то их название обводится пунктирной линией.

Каждое вещество имеет в системе уникальный номер, брутто - формулу и множество названий, являющихся синонимами (рис.1У.2). Для каждого вещества хранится также 22 бинарных признака, описывающих особенности его молекулярного строения. Эти признаки используются для проверки применимости конкретной методики расчета свойства для данного вещества, а также для выделения групп веществ, в пределах которых сравнивается точность методик расчета свойств.

Вещество

Рис. IV.2. Описание вещества

Каждая смесь имеет уникальный номер в системе, число компонентов и определяется номерами входящих в нее веществ (рис. IV.3). АРИС ФХС ориентирована на расчет ФХС процессов разделения смесей. Поэтому с целью унификации структуры хранения данных по ФХС индивидуальное вещество рассматривается как однокомпонентная смесь.

Смесь Номер ^ ^Число компонентов^ (Номер входящего вещества.

Рис. IV.3. Описание смеси

Проведенный нами анализ физико-химических свойств показал, что: все свойства представляются числовыми значениями; в общем случае свойство является отображением (зависимостью) вида У = F (X), где X и Y множества соответственно входных и выходных переменных, каждое из которых может включать как скалярные, так и векторные величины. Свойство —константу (число атомов в молекуле, молекулярный вес и т.д.) можно рассматривать как частный случай свойства —зависимости, когда множество аргументов X пусто. Структура свойства в АРИС ФХС показана на рис. IV.4. Описание свойства как зависимости (в сочетании с представлением индивидуального вещества как однокомпонентной смеси) позволяет унифицировать ввод, хранение, выборку и отображение данных по ФХС.

Код Л «одной величины]

Код выходной величины

Рис.1У.4. Описание свойства

Данные по конкретному свойству конкретной смеси хранятся в АРИС ФХС в табличной или аналитической форме. Остальные структуры представления данных свойств, аппроксимирующих функций, вычислительных алгоритмов и др. приведены в работе [151].

IV.2 Моделирование некоторых интеллектуальных функций специалистов по расчету ФХС

Разработанные алгоритмы моделируют следующие аспекты работы специалиста по расчету ФХС: выбор для данного вещества или смеси метода расчета заданного свойства (расчетной методики, аппроксимирующей функции, критерия и алгоритма оценки параметров этой функции) при наличии исходных данных для нескольких методов расчета этого свойства.

Для решения этой задачи в АРИС ФХС разработан способ самообучения системы выбору методов расчета на основе вероятностного подхода. Такой подход позволяет решать задачу выбора автоматически и одновременно с учетом знаний и опыта специалиста предметной области. Каждому методу расчета приписывается определенная вероятность выбора, которая автоматически изменяется в процессе функционирования системы по мере накопления информации. АРИС ФХС выбирает методы в соответствии с их текущими вероятностями, которые одновременно являются полезной информацией для специалиста. При необходимости он может легко управлять поведением системы, корректируя эти вероятности (глава III).

Схема применения в АРИС ФХС алгоритмов, реализующих элементы искусственного интеллекта [9], показана на рис. IV.5.

Блок 1 решает задачу пользователя при заданном методе расчета ФХС. При многократном решении задач одного априорно выделенного класса блоки 2,3 реализуют стохастико-самообучающийся алгоритм выбора вариантов ( алгоритм ССАВВ - раздел III.2 ). Текущие вероятности выбора методов расчета хранятся в БЗ. После многократного решения задач разных классов БЗ будет содержать финальные вероятности выбора методов расчета для каждого класса. Блок 4 группирует вероятности, полученные блоками 1-3. При этом классы за

Рис. IV.5. Укрупненная структурная схема АРИС ФХС

БД - база данных

БЗ - база знаний

1 - комплекс программ, реализующих методы расчета ФХС

2 - блок вероятностного выбора методов расчета

3 - блок коррекции вероятностей выбора

4 - блок автоматической классификации дач, эквивалентные по вероятностям выбора методов расчета, объединяются с использованием эвристического алгоритма классификации (алгоритма ЭАК -раздел III.2 ). В дальнейшем все задачи объединенного класса имеют единые вероятности выбора методов расчета. Разбиение, полученное блоком 4, может рассматриваться как обучающая выборка в пространстве разнотипных признаков, описывающих классы задач. Это открывает возможность применения алгоритмов распознавания образов [425] для получения правила, по которому любая задача, описываемая этими признаками, будет отнесена к одному из уже имеющихся объединенных классов задач. Вероятности выбора методов расчета для такой задачи равны вероятностям, принятым для включающего ее класса.

Разработан вероятностный подход к выбору методов расчета ФХС, обеспечивающий самообучение системы выбору методов. Для реализации этого подхода созданы стохастико-самообучающийся алгоритм выбора вариантов (алгоритм ССАВВ), обладающий высокой чувствительностью и устойчивостью, и специализированный эвристический алгоритм классификации (алгоритм ЭАК). Алгоритмы проверены на модельных и практических примерах задач , решаемых при технологическом проектировании систем ректификации (глава III).

ГУ.З.Реализация АРИС ФХС

Система реализована на ЮМ- совместимом персональном компьютере с операционной системой MS DOS версии 5.0 и выше на базе стандартной реляционной СУБД "R-BASE". Большинство программных модулей написано на языке "СИ" (компиляторы: Microsoft С 5.0 и Microsoft С 6.0). Несколько модулей написано на языках Фортран и Ассемблер. Программное обеспечение системы включает около 150 модулей общим объемом свыше 10000 строк исходного текста.

Реализация системы обеспечивает ее функциональное назначение и удовлетворяет требованиям, которые обычно предъявляются к сложным программным системам [469-472].

Информационное обеспечение АРИС ФХС реализовано в виде шести файлов (таблиц) СУБД "R-Base" и пяти обычных текстовых файлов. Далее приводятся названия этих файлов и списки их полей (атрибутов).

Файлы "R-Base":

- "вещества": номер вещества, брутто-формула, сведения о принадлежности данного вещества к 22 пересекающимся классам химических соединений;

- "названия веществ": номер вещества, номер языка, номер названия для данного языка, название вещества;

- "смеси": номер смеси, число компонентов, перечень номеров входящих компонентов (для каждого индивидуального вещества имеется запись с соответствующей однокомпонентной смеси);

- "константы и таблицы": номер константы/таблицы, номер подтаблицы, номер смеси, номер свойства, число строк, число столбцов, описания столбцов (имя, номер размерности, тип, минимальное и максимальное значение, точность, ссылки на источник и оценки качества), числовые данные;

-"расчетные формулы": номер смеси, номер свойства, номер уравнения, номер формулы для данного уравнения, ссылки на источник, параметры, символьный вид расчетной формулы;

1. Первая цифра номера имеет следующий смысл.1 сведения о характере источника данных;2 сведения о проверке;3 сведения о точности.- vzhelp.rus тексты для помощи пользователю во всех точках диалога.

2. Программное обеспечение системы это около 130 функций языка Си, объединенных вместе с функциями пакета "Vermont Views", пакета программного интерфейса "R-Base-Си" и собственного пакета "Мета" в несколько вызываемых динамически файлов типа "ЕХЕ".

3. В настоящее время БД АРИС ФХС содержит:- 30000 констант и таблиц;- 7000 расчетных формул по 40 свойствам 3500 веществ и 1500 смесей.

4. Объем информации, хранящейся в банке данных АРИС ФХС на момент написания диссертации, приведен в таблице IV. 1.