设计探索使用参数抽样(GUI)

打开脚本

这个例子展示了如何使用的示例和探索设计空间灵敏度分析仪。你探索不断搅拌釜反应器的设计(装运箱)产品浓度变化和生产成本降到最低。设计还必须考虑温度和浓度的不确定性输入提要的反应堆。

你探索装运箱设计,使用概率分布描述模型参数。你使用分布生成随机抽样并执行蒙特卡罗评估在这些采样点的设计。然后创建情节形象化的设计空间和选择最好的设计。然后使用最好的设计作为优化设计的初始猜测。

连续搅拌釜反应器(装运箱)模型

连续搅拌釜反应器(装运箱)是常见的在这个过程中产业。Simu金宝applink仿真®模型,sdoCSTR夹套传热(即,模型。,non-adiabatic) tank reactor described in [1]. The CSTR is assumed to be perfectly mixed, with a single first-order exothermic and irreversible reaction, $B \ rightarrow美元$ 。一个美元、反应物转化为 B美元 ,产品。

在本例中,您使用以下两个装运箱模型,它使用基本的会计和能量守恒原则:

$$ \压裂{d C_A} {dt} = \压裂{F} {* h} (C_{饲料}- C_A) - r * C_A $$

$$ $ \压裂{d T} {dt} = \压裂{F} {* h} (T_{饲料}识别- T) - \压裂{h} {c_p \ρ}$

$$ r = k_0 * e ^{\压裂{- e} {r * T}} $$

, $美元C_{饲料}$$ - - -的浓度在装运箱和提要(kgmol / m ^ 3)

, $T_{饲料}识别美元$ , $T_{酷}识别美元$ ——装运箱,饲料,和冷却剂的温度[K]

和 $\ρ美元$ ——体积流率(m ^ 3 / h)和材料的密度在装运箱(1 / m ^ 3)

和——高度[m]和激烈的横截面积(m ^ 2)装运箱。

——Pre-exponential非热能的因素的反应 $B \ rightarrow美元$ (1 / h)

和——反应的活化能和热 $B \ rightarrow美元$ (千卡/ kgmol)

玻耳兹曼的气体常数(千卡/ (kgmol * K))

和——热容(千卡/ K)和传热系数(千卡/ (m ^ 2 * K * h)]

打开仿真软件模型。金宝app

open_system (“sdoCSTR”);

装运箱设计问题

假设装运箱是圆柱形,冷却剂应用于圆柱的底部。优化装运箱横截面积, 一个美元装运箱的高度, h美元 ,以满足以下设计目标:

减少残余浓度的变化,。残留浓度变化影响装运箱的质量的产品。减少变化也提高了装运箱利润。

减少意味着冷却液温度 $T_{酷}识别美元$ 。加热或冷却剂冷却夹克是昂贵的。冷却剂平均温度提高装运箱利润最小化。

饲料的质量对反应堆可以在不同的供应商。因此,设计必须允许供应饲料的浓度的变化, $美元C_{饲料}$$ 进料温度, $T_{饲料}识别美元$ 。饲料的质量不同于供应商,供应商也在每个不同批量供应。

指定设计变量

打开灵敏度分析仪。在模型的仿真软金宝app件应用程序选项卡上,单击灵敏度分析仪下控制系统。打开应用程序和一个空的敏感性分析。

创建一个参数集,包括装运箱的设计变量一个和h和饲料变化参数FeedConc0和FeedTemp0。你对这些参数随机生成多个值评估装运箱设计。

在敏感性分析选项卡,选择参数下拉菜单,选择新。
在对话框中,选择一个,FeedCon0,FeedTemp0,h。
点击好吧。一个空参数集,ParamSet创建的参数集区域的应用程序的浏览器。

指定参数分布和相关性。ParamSet将填充指定的参数值选择的随机分布:

样本一个从均匀分布在下界0.2 m ^ 2,上限2 m ^ 2。
样本h从均匀分布与下界0.5 m和上限3 m。
样本FeedConc0从正态分布的意思是10 kgmol / m ^ 3和标准偏差0.5 kgmol / m ^ 3。
样本FeedTemp0从正态分布均值295 K和标准偏差3 K。
指定FeedCon0和FeedTemp00.6协方差呈负相关。

使用以上产生100参数值分布和相关信息,点击生成值,并选择生成随机值。重复性的例子重置随机数发生器。

rng (“默认”)

在生成随机参数值对话框中,指定以下:

样品的数量设置为100
为参数一个选择统一的分布,设置下限为0.2和上限为2。
为参数FeedCon0选择正常的分布,μ10、σ0.5、检查阐述。
为参数FeedTemp0选择正常的分布,μ到295年,σ3、检查阐述。
为参数h选择统一的分布,设置下限为0.5和上限为3。
在相关矩阵选项卡,设置FeedCon0,FeedTemp0协方差为-0.6。
点击好吧生成的参数值。

的ParamSet表更新生成的参数值。注意,您可以手动编辑生成的参数值ParamSet表。

绘制参数设置点击ParamSet在参数设置区域的应用程序的浏览器。在情节选项卡上,选择散点图情节的画廊。情节显示生成的直方图参数对角和双向非对角的参数值。

请注意,由于随机数字生成器下面的情节和表中的特定的值可能不同于你得到的运行时的例子。

每一个标记的情节代表一行ParamSet表,每一行是同时显示在所有的情节。之间的相关性FeedCon0和FeedTemp0可以看到的情节。

指定要求的评估

装运箱的设计需要最小化剩余浓度和减少的变化意味着冷却液温度。选择新的需求并点击信号特性创建一个要求尽量减少残留浓度变化。

在创造需求对话框中,指定以下字段:

在财产下拉列表中,选择信号方差。
在类型下拉列表中,选择最小化。
在选择信号区域,选择一个记录信号应用的要求。这样做,点击+。一个创建信号组对话框打开你指定记录的信号。在仿真软件模型金宝app中,单击的信号CA的输出装运箱块。现在的对话框显示这个信号。添加信号信号设置并点击好吧。

关闭信号属性要求对话框,单击对话框右上角的x。

关闭创造需求对话框。一个新的需求,SignalProperty中列出的需求区域的应用程序的浏览器

右键单击SignalProperty中,选择重命名;重命名的要求ConcVar。

选择新的需求并点击信号特性创建一个需求减少冷却剂平均(块的输出sdoCSTR /控制器)温度。

在创造需求对话框中,指定以下字段:

在财产下拉列表中,选择信号的意思是。
在类型下拉列表中,选择最小化。
在选择信号区域,添加sdoCSTR /控制器信号的要求。

关闭创造需求对话框。一个新的需求,SignalProperty创建的需求区域的应用程序的浏览器。重命名的要求CoolMean。

评估

在敏感性分析选项卡上,单击选择评估。默认情况下,所有的需求将会被评估。点击评估模型评估ConcVar和CoolMean要求每一行的参数值ParamSet。注意你可以加快评估通过使用并行计算如果你有并行计算工具箱(TM),或者使用快速重启。有关更多信息,请参见“使用并行计算灵敏度分析”和“使用快速启动模式”在灵敏度分析模型设计优化™文档。金宝app

结果散点图显示每个参数对每个需求更新在模型评估。年底评估表创建与评估结果,评估结果表中的每一行包含值一个,FeedCon0,FeedTemp0,h和由此产生的需求值ConcVar和CoolMean。评价结果存储在EvalResult变量结果区域的应用。

分析评价结果

结果散点图EvalResult显示,CoolMean呈负相关,h(增加h减少CoolMean),较低的值h会导致高值ConcVar。情节显示低的值一个会导致高值ConcVar,但从故事情节如何尚不清楚一个与ConcVar或CoolMean或者哪些参数影响ConcVar最多。进一步调查,统计数据选项卡上,选择所有的分析方法和类型,然后单击计算统计数据。这个执行分析评价结果并创建一个龙卷风的阴谋。龙卷风图显示了每个参数的影响在每个要求:

h呈负相关,CoolMean,是影响的参数CoolMean最多。
一个呈负相关,CoolMean。
FeedCon0和FeedTemp0具有负相关性,CoolMean。
一个呈负相关,ConcVar,是影响的参数ConcVar最多。
h呈负相关,ConcVar。
FeedCon0和FeedTemp0有复杂的相关性ConVar,但有最小的相关性ConcVar。

分析表明,选择一个大的h,以减少CoolMean和选择一个大型一个减少CoolVar似乎是一个好的设计的选择。您可以通过创建一个等高线图证实了这一点CoolMean和CoolVar与h和一个。选择EvalResult从结果浏览器区域的应用,情节点击选项卡中,情节的画廊等高线图。在等高线图选择h为Y参数注意,大h中值的一个给低的值ConcVar和CoolMean。