يمكن حل موازنات الكتلة للمصانع التجريبية متعددة المكونات في بايثون عن طريق التعبير عن المعادلات المستقلة كنظام مصفوفي، (A\mathbf{x}=\mathbf{b})، وحل المتغيرات المجهولة مثل معدلات تدفق التيار، أو التركيزات، أو مدى التفاعل. بالنسبة للنموذج الخطي المحدد بالكامل، توفر دالة numpy.linalg.solve() في مكتبة NumPy الحل؛ بينما تتطلب الأنظمة غير المحددة، أو المحددة بشكل زائد، أو غير الخطية طرقاً مختلفة.

المفتاح ليس في أمر بايثون بحد ذاته، بل في بناء مجموعة معادلات مستقلة وصحيحة فيزيائياً أولاً. حدد حدود النظام بوضوح، وقم بإجراء فحص لدرجات الحرية، وقم بتجميع (A) و(\mathbf{b}) بوحدات متسقة، ثم اختر حلاً مناسباً للنموذج.

تحويل المصنع التجريبي إلى معادلات

تحديد حدود النظام

بالنسبة للمصنع التجريبي بأكمله، تشمل الحدود الإجمالية التغذية الخارجية والمنتجات النهائية، ولكنها تستثني التيارات الداخلية بين الوحدات.

بالنسبة للمفاعل، أو الفاصل، أو الخلاط، أو نقطة إعادة التدوير، حدد حدوداً فرعية للنظام وقم بتضمين التيارات التي تعبر تلك الحدود فقط. هذا يمنع احتساب التيارات الداخلية بشكل غير صحيح في الموازنة الإجمالية.

كتابة موازنات المكونات

لكل مكون غير تفاعلي في حالة الاستقرار (Steady State):

[ \sum \dot{n}{i,\text{in}}-\sum \dot{n}{i,\text{out}}=0 ]

حيث (\dot{n}_i) هو معدل التدفق المولي للمكون (i).

بالنسبة للمكون المتفاعل، قم بتضمين التوليد أو الاستهلاك:

[ \sum \dot{n}{i,\text{in}}-\sum \dot{n}{i,\text{out}} +\sum_j \nu_{ij}\xi_j=0 ]

هنا، (\nu_{ij}) هو المعامل المتكافئ للمادة (i) في التفاعل (j)، و(\xi_j) هو مدى التفاعل.

اختيار المتغيرات المستقلة

قد يحتوي متجه المجهولات على:

• معدلات تدفق التيار
• معدلات تدفق المكونات
• تركيزات أو تركيبات التيار
• معدلات إعادة التدوير
• مدى التفاعل
• تدفقات المرافق المجهولة، مثل توزيعات البخار

بالنسبة للأنظمة المتفاعلة، يمكن أن يقلل مدى التفاعل المستقل من عدد المجهولات. إذا تم تحديد (M) من التفاعلات المستقلة، يمكن كتابة كميات المواد كالتالي:

[ N_i=N_{i,0}+\sum_{j=1}^{M}\nu_{ij}\xi_j ]

هذا يتجنب إدخال متغيرات تفاعل زائدة عن الحاجة.

تشكيل النظام المصفوفي في بايثون

تفسير (A\mathbf{x}=\mathbf{b})

تحتوي المعادلة المصفوفية على ثلاثة أجزاء:

• (A): معاملات المتغيرات المجهولة
• (\mathbf{x}): معدلات التدفق المجهولة، أو التركيزات، أو مدى التفاعل
• (\mathbf{b}): التغذية المعروفة، والمواصفات، والثوابت

على سبيل المثال، لنفترض خلط تيارين وأن المخرج يحتوي على 60 وحدة في الساعة من المكون A. لنفترض أن:

[ \mathbf{x}= \begin{bmatrix} F_1\ F_2\ F_3 \end{bmatrix} ]

حيث (F_1) و(F_2) هما معدلات تدفق التغذية و(F_3) هو إجمالي معدل تدفق المخرج. المعادلات هي:

[ F_1+F_2=100 ]

[ 0.8F_1+0.2F_2=60 ]

[ F_3-F_1-F_2=0 ]

تصبح هذه المعادلات:

[ \begin{bmatrix} 1 & 1 & 0\ 0.8 & 0.2 & 0\ -1 & -1 & 1 \end{bmatrix} \begin{bmatrix} F_1\ F_2\ F_3 \end{bmatrix}

\begin{bmatrix} 100\ 60\ 0 \end{bmatrix} ]

تنفيذ النموذج باستخدام NumPy

import numpy as np

A = np.array([
    [1.0, 1.0, 0.0],    # موازنة التغذية الكلية
    [0.8, 0.2, 0.0],    # موازنة المكون A
    [-1.0, -1.0, 1.0]   # مواصفات تدفق المخرج
])

b = np.array([100.0, 60.0, 0.0])

# التحقق من مصفوفة المعاملات
rank_A = np.linalg.matrix_rank(A)

if rank_A < A.shape[1]:
    raise ValueError("النظام غير محدد أو يحتوي على متغيرات تابعة.")

x = np.linalg.solve(A, b)

F1, F2, F3 = x

print(f"F1 = {F1:.3f}")
print(f"F2 = {F2:.3f}")
print(f"F3 = {F3:.3f}")

الحل تقريباً هو:

F1 = 66.667
F2 = 33.333
F3 = 100.000

الدالة الصحيحة في NumPy هي np.linalg.matrix_rank(). الدالة المسماة numpy.linalg.rank() ليست الواجهة القياسية في NumPy.

إجراء فحص مناسب لدرجات الحرية

عد المجهولات والمعادلات المستقلة

يكون للنظام صفر درجات حرية عندما يتطابق عدد المعادلات المستقلة مع عدد المجهولات المستقلة.

ومع ذلك، فإن مجرد مقارنة عدد الصفوف والأعمدة غير كافٍ. قد تكون المعادلات مكررة، أو زائدة، أو متناقضة.

بالنسبة لنظام مربع، تحقق مما يلي:

n_equations, n_unknowns = A.shape
rank_A = np.linalg.matrix_rank(A)

print("المعادلات:", n_equations)
print("المجهولات:", n_unknowns)
print("الرتبة:", rank_A)

للحصول على حل فريد، يجب أن تكون مصفوفة المعاملات ذات رتبة عمود كاملة. في نظام مربع، هذا يعني:

rank_A == A.shape[0] == A.shape[1]

التمييز بين الأنظمة غير المحددة والمحددة بشكل زائد

إذا كان هناك عدد أقل من المعادلات المستقلة مقارنة بالمجهولات، فإن النظام غير محدد. يلزم توفير مواصفات أو قياسات إضافية.

إذا كان هناك عدد أكبر من المعادلات مقارنة بالمجهولات، فإن النظام محدد بشكل زائد. يحدث هذا عادةً عندما تحتوي قياسات المصنع التجريبي على تكرار أو ضوضاء.

استخدم np.linalg.lstsq() لتقدير المربعات الصغرى:

x, residuals, rank_A, singular_values = np.linalg.lstsq(
    A, b, rcond=None
)

هذا يقدر المتغيرات التي تناسب الموازنات المقاسة بشكل أفضل بدلاً من إجبار كل قياس على المطابقة تماماً.

التحقق من الاتساق، وليس الرتبة فقط

يمكن أن يكون للنظام رتبة كاملة ومع ذلك يحتوي على خطأ في الوحدة أو البيانات. بعد الحل، احسب البواقي (Residuals):

residual = A @ x - b

print("متجه البواقي:", residual)
print("أقصى قيمة مطلقة للباقي:", np.max(np.abs(residual)))

بالنسبة لنموذج دقيق، يجب أن يكون الباقي قريباً من الصفر ضمن التسامح الرقمي.

توسيع الطريقة لشبكات المصانع التجريبية

نمذجة عمليات وحدات متعددة

يمكن تمثيل مخطط التدفق الذي يحتوي على خلاطات، ومفاعلات، وفواصل، وحلقات إعادة تدوير عن طريق دمج المعادلات من كل وحدة في مصفوفة عالمية واحدة.

على سبيل المثال:

1. اكتب موازنات المكونات حول كل وحدة.
2. أضف معادلات تربط تيارات المخرج بتيارات المدخل اللاحقة.
3. أضف مواصفات استرداد الفاصل أو نسبة الانقسام.
4. أضف معادلات قياس التفاعل أو مداه.
5. أضف مواصفات التغذية والمنتج المعروفة.
6. اجمع كل المعادلات في (A\mathbf{x}=\mathbf{b}).

تظل التيارات الداخلية في متجه المجهولات العالمي، حتى وإن كانت تلغي بعضها البعض في موازنة المصنع الإجمالية.

تضمين تيارات إعادة التدوير والتطهير

غالباً ما تنتج أنظمة إعادة التدوير معادلات آنية لأن التيار اللاحق يؤثر على وحدة سابقة من خلال حلقة إعادة التدوير.

قد تبدو علاقة إعادة التدوير الخطية البسيطة كالتالي:

[ R=\alpha(F+R) ]

والتي يمكن إعادة ترتيبها إلى:

[ (1-\alpha)R=\alpha F ]

يمكن وضع المعادلة الناتجة مباشرة في المصفوفة. تنتج نسب إعادة التدوير الخاصة بكل مكون صفوفاً إضافية لكل مكون.

يتم نمذجة التطهير (Purge) بشكل مشابه عن طريق إضافة تدفق التطهير أو نسبة التطهير كمجهول أو مواصفة.

تضمين شبكات البخار والمرافق

يمكن نمذجة رؤوس البخار عند ضغوط مختلفة باستخدام معادلات موازنة التدفق عند الرؤوس ووحدات العمليات.

لكل رأس:

[ \text{البخار الداخل}+\text{البخار المتولد}

\text{البخار للمستخدمين}+\text{البخار المخفف}+\text{البخار الخارج} ]

قد يحتوي متجه المجهولات على تدفقات عبر رؤوس الضغط العالي والمتوسط والمنخفض، ومعيدات غليان العمليات، ومرتجعات المكثفات، وصمامات التخفيف.

تنطبق نفس الطريقة المصفوفية، بشرط أن يتم تحديد علاقات الطاقة المعتمدة على الضغط بشكل منفصل أو دمجها في نموذج مناسب.

التعامل مع نماذج المصانع التجريبية غير الخطية

متى لا تكون np.linalg.solve() كافية

ينطبق حل المصفوفة المباشر فقط عندما تكون المعادلات خطية في المجهولات.

يحدث السلوك غير الخطي مع:

• علاقات التوازن
• حركية التفاعل غير الخطية
• الخصائص المعتمدة على درجة الحرارة
• توازن البخار والسائل
• ارتباطات انخفاض الضغط
• معاملات انتقال الحرارة المعتمدة على التدفق
• حدود المنتج مثل (F x_i) عندما يكون كلا المتغيرين مجهولين

لا يمكن تمثيل هذه الأنظمة بواسطة مصفوفة ثابتة (A) بدون خطية.

استخدام حل غير خطي

للموازنات الجبرية غير الخطية، استخدم SciPy:

import numpy as np
from scipy.optimize import root

def balances(x):
    F1, F2, T = x

    return np.array([
        F1 + F2 - 100.0,
        0.8 * F1 + 0.2 * F2 - 60.0,
        T - (300.0 + 0.1 * F1**2)
    ])

initial_guess = np.array([50.0, 50.0, 300.0])

solution = root(balances, initial_guess)

if not solution.success:
    raise RuntimeError(solution.message)

print(solution.x)
print("البواقي:", balances(solution.x))

يمكن أن تؤثر التخمينات الأولية، وتحجيم المتغيرات، والحدود الفيزيائية بقوة على أداء الحل غير الخطي.

التحقق من النتائج مقابل العملية الفيزيائية

التحقق من الحفظ

بعد الحل، أعد حساب موازنات الإجمالي والمكونات بشكل مستقل.

لكل مكون:

[ \text{تدفق المدخل} - \text{تدفق المخرج} ]

يجب أن يساوي صفراً للمكون غير التفاعلي، أو مساهمة التفاعل الصافية المتوقعة للمكون التفاعلي.

التحقق من الجدوى الفيزيائية

قد يظل الحل الصحيح رياضياً مستحيلاً فيزيائياً. تحقق من أن:

• معدلات التدفق غير سالبة.
• الكسور المولية تقع بين 0 و1.
• مجموع الكسور المولية يساوي واحداً.
• مدى التفاعل لا يستهلك متفاعلات أكثر مما هو متاح.
• نسب الاسترداد والانقسام تقع ضمن نطاقاتها المسموح بها.
• قيم الضغط ودرجة الحرارة ضمن حدود المعدات.

if np.any(x < 0):
    print("تحذير: تم اكتشاف معدل تدفق سالب.")

التوفيق بين القياسات التجريبية

نادراً ما تغلق بيانات المصنع التجريبي بشكل مثالي بسبب ضوضاء القياس، وأخطاء أخذ العينات، والتسريبات، والاحتجاز، والخسائر غير المقاسة.

بالنسبة للقياسات الزائدة، قم بصياغة مشكلة المربعات الصغرى الموزونة. يمكن أن تعكس الأوزان عدم اليقين في القياس بحيث تؤثر الأدوات الأكثر موثوقية على التوفيق بشكل أقوى.

يجب مقارنة النتيجة الموفقة بالقياسات الخام بدلاً من التعامل معها كبديل لها.

فهم المقايضات

الحل المباشر سريع ولكنه يفترض نموذجاً صحيحاً

تعتبر np.linalg.solve() فعالة ودقيقة لنظام خطي مربع ومكيف جيداً.

لا يمكنها تصحيح المواصفات المفقودة، أو علامات التيار غير الصحيحة، أو الوحدات غير المتسقة، أو الموازنات المختارة بشكل غير صحيح.

فحوصات الرتبة لا تحل محل الحكم الهندسي

تؤكد المصفوفة ذات الرتبة الكاملة الاستقلال الجبري، وليس الصحة الفيزيائية.

يمكن أن يكون النموذج ذا رتبة كاملة بينما يستخدم تركيباً خاطئاً، أو معامل تكافؤ غير صحيح، أو علاقة فيزيائية مكررة معبر عنها بطريقة مضللة.

التكييف الضعيف يمكن أن يضخم أخطاء القياس

حتى المصفوفة القابلة للحل قد تكون سيئة التكييف. يمكن للأخطاء الصغيرة في التدفقات أو التركيبات المقاسة أن تنتج تغييرات كبيرة في المتغيرات المحسوبة.

افحص رقم التكييف (Condition number):

condition_number = np.linalg.cond(A)
print("رقم التكييف:", condition_number)

يشير رقم التكييف الكبير جداً إلى أن التحجيم، أو قياسات أفضل، أو إعادة الصياغة، أو التنظيم قد تكون مطلوبة.

عدم اتساق الوحدات يفسد النتائج بصمت

لا تخلط بين كجم/ساعة، كمول/ساعة، مول/ثانية، رطل/ساعة، أو وحدات حجمية دون تحويل صريح.

استخدم نظام وحدات متسقاً واحداً لكل موازنة، وقم بتطبيق الأوزان الجزيئية عند التحويل بين الكتلة والتدفق المولي.

كيفية تطبيق ذلك على مصنعك التجريبي

سير العمل الموثوق هو:

• إذا كان تركيزك الأساسي هو مخطط تدفق خطي محدد بالكامل: حدد الموازنات المستقلة، واجمع A وb، وتحقق من الرتبة والبواقي، وحل باستخدام np.linalg.solve().
• إذا كان تركيزك الأساسي هو التوفيق بين البيانات التجريبية: قم بتضمين قياسات زائدة واستخدم np.linalg.lstsq() مع تحليل الأوزان والبواقي المناسب.
• إذا كان تركيزك الأساسي هو أنظمة التفاعل: حدد التفاعلات المستقلة واستخدم مدى التفاعل مع المعاملات المتكافئة لتجنب المتغيرات الزائدة.
• إذا كان تركيزك الأساسي هو إعادة التدوير، أو التوازن، أو السلوك الحركي: استخدم الطريقة المصفوفية للأجزاء الخطية وscipy.optimize للمعادلات غير الخطية.
• إذا كان تركيزك الأساسي هو التحقق من العملية: تحقق من حفظ المكونات، والتدفقات غير السالبة، وحدود التركيب، والوحدات، والتوافق مع بيانات المصنع التجريبي المقاسة.

مع إعداد المعادلات المنضبط والتحقق الفيزيائي، تحول بايثون موازنات المصنع التجريبي المعقدة متعددة المكونات إلى نماذج عمليات شفافة وقابلة للاختبار وإعادة الاستخدام.

جدول الملخص:

هل تحتاج إلى طريقة موثوقة لنمذجة مصنعك التجريبي؟ اتصل بـ LABPARK لمناقشة وحدات العمليات التجريبية التعليمية والمهنية للهندسة الكيميائية، والمعالجة الحيوية والتكنولوجيا الحيوية، وتطبيقات معالجة المياه والبيئة. تساعد LABPARK الجامعات ومعاهد البحوث والمؤسسات على بناء منصات تدريب وبحث عملية مع موازنات مواد قابلة للقياس، ووحدات عمليات قابلة للتهيئة، وشبكات إعادة تدوير ومرافق، وبيانات مناسبة للنمذجة والتحقق وتحسين العمليات القائمة على بايثون. أخبرنا بعمليتك المستهدفة، وأهدافك التعليمية أو البحثية، والمقياس المطلوب حتى نتمكن من التوصية بحل مصنع تجريبي مناسب للغرض.

المنتجات ذات الصلة

• مصنع تجريبي تعليمي لعمليات وحدات تصنيع الميثانول من ثاني أكسيد الكربون والهيدروجين
• وحدة تدريب عمليات وحدات نقل السوائل بمضخات متعددة منشأة تجريبية
• وحدة تجريبية تعليمية متعددة المفاعلات لعمليات هندسة التفاعل
• وحدة عمليات تشغيل مصنع تجريبي لتخليق أسيتات الإيثيل للتدريب العملي
• وحدة تدريب عمليات التقطير متعددة الوسائط - مصنع تجريبي

يسأل الناس أيضًا

• كيف تؤثر درجة الحرارة والضغط على مصانع توليد الميثانول التجريبية؟ قم بتحسين التوازن وأداء المحفز.
• لماذا يعد نظام التنقية necessary عند تشغيل حلقة إعادة تدوير الغاز في مصنع تجريبي لتخليق الميثانول؟ (دليل)
• لماذا تعمل مصانع الميثانول التجريبية الحديثة عند ضغوط منخفضة؟ شرح متطلبات المحفز والمادة الخام
• ما هي المتطلبات التشغيلية لتفعيل العامل المساعد؟ التشغيل الآمن لوحدة الميثانول التجريبية
• لماذا يعتبر جدول بدء تشغيل المصنع الكيميائي أمرًا حاسمًا؟ تقليل مخاطر التوسع باستخدام مصانع النماذج الأولية.