Simulación Dinámica (Teoria) - Curso Modelación y Simulación Dde Procesos

Tema IV: Simulaci on din amica
Modelizaci on y simulaci on de procesos qumicos

Curso 20102011
Indice
1 Simulaci on din amica.
2 Simuladores orientados a ecuaciones.
3 M etodos de resoluci on.
Paso unico.
Multipaso.
ODEs de orden n.
DAEs.
4 Simulaci on din amica con MATLAB.
Tema IV: Simulaci on din amica 2/33
Simulaci on din amica
Estudia el comportamiento transitorio de un sistema
Simulaci on est atica:
dVar
dt
= 0
Simulaci on din amica:
dVar
dt
= 0
Simulaci on din amica
Estudia el comportamiento transitorio de un sistema
Simula su evoluci on temporal con distintos nes:
Operaci on:
Respuesta de procesos
continuos ante perturbaciones.
Ajuste de controladores.
Maniobras y desviaciones
anormales en el proceso, para
estudios de seguridad y de
emisiones.
An alisis de operabilidad y riesgo.
Validaci on de procedimientos de
emergencia.
Entrenamiento de operadores.
Dise no:
Sistema de control y
controlabilidad.
Procedimientos de puesta en
marcha y parada.
Procesos discontinuos.
Indice
Paso unico.
Multipaso.
ODEs de orden n.
DAEs.
Simuladores orientados a ecuaciones
Es la estrategia empleada para la simulaci on din amica.
Pasos para establecer la simulaci on:
1 Las ecuaciones y variables de todos los modelos de
unidades se denen individualmente.
2 Las ecuaciones y variables conforman un sistema (grande)
de ecuaciones no lineales.
3 Se a naden especicaciones hasta que el sistema tiene
CERO grados de libertad.
4 El sistema de ecuaciones se resuelve de forma directa y
simult anea.
Orientados a ecuaciones VS. Secuencial modular
Ventajas:
Es m as eciente que la
estrategia secuencial modular.
No distingue entre simulaci on y
dise no de especicaci on.
Es utilizable en simulaci on
din amica, estacionaria y
optimizaci on.
Es m as f acil el diagn ostico de
ciertos errores. Como sistemas
de ecuaciones mal
especicados.
Inconvenientes (en la simulaci on
estacionaria):
Los algoritmos de resoluci on
de NAEs no son tan robustos
y ables como los del caso
secuencial modular.
Necesita m as recursos de
computaci on.
Debido al primer inconveniente esta estrategia no es actualmente
competitiva frente a la resoluci on secuencial modular para simulaci on
estacionaria.
Algoritmo de simulaci on de sistemas continuos.
1 Seleccionar variables:
x: Variables de estado.
u: Variables independientes
(generalmente de entrada).
v: Variables dependientes
(resultado de ec.
algebr aicas).
2 Ordenar ecuaciones:
v
1
= g
1
(x, u, t )
v
2
= g
2
(x, u, v
1
, t )
.
.
.
v
i
= g
i
(x, u, v
1
, v
2
, . . . , v
i
, t )
x
= f (x, u, v, t )
3 Inicializar la integraci on:
Elecci on del paso: h
Valores iniciales de x
0
, u
0
, v
0
Valores iniciales de f
4 Bucle de simulaci on:
Calcular f
r
= f (x
r
, u
r
, v
r
, t )
Incrementar el tiempo t = t + h
Paso de integraci on x
r +1
funci on de
f
r
,f
r 1
,. . . y actualizaci on de u
r +1
Obtener ordenadamente v
i ,r +1
Cada cierto tiempo imprimir o
recolectar resultados
Vericar condiciones de n de
simulaci on
INICIO
FIN Fin?
Memoria
Inicializacin:
f h x
0
u
0
v
0
f
r
= f(x
r
, u
r
, v
r
, t )
t = t + h
Clculo de:
x
r +1
v
i, r +1
h
Bucle de simulacin
S
NO
Indice
Paso unico.
Multipaso.
ODEs de orden n.
DAEs.
M etodos de resoluci on
Ecuaciones diferenciales ordinarias
x
(t ) = f (x(t ), t ) = x(t ) = x
0
+
_
t
t
0
f (x(), ) d
M etodos de paso unico
Son m etodos que emplean unicamente el valor calculado en el
punto (paso) anterior. Se basan en aproximar la funci on f (x, t )
mediante un desarrollo en serie de Taylor.
f (x +h) = f (x) +h f
(x) +
h
2
2!
f
(x) +
h
3
3!
f
(x) + . . .
. .
O(h
2
) error de truncamiento
Se comete un error por truncar el desarrollo en serie de Taylor
al que se debe sumar el error de redondeo del ordenador.
Euler explcito. S olo depende de valores anteriores de la
funci on. M as r apido. No siempre es estable, puede oscilar
o diverger para pasos peque nos.
dx(t )
dt
= f (x(t ), t )
x(t +h) = x(t ) +h
dx(t )
dt
_
x(t +h) = x(t ) +h f (x(t ), t )

Euler implcito Necesita el valor de la funci on en el
instante a calcular. Son m as exactos.
x(t +h) = x(t ) +h f (x(t +h), t )
M etodos de paso unico. Ejercicio 1: Enunciado
Se dispone de un dep osito que se vaca por gravedad y se
quiere modelar y simular su comportamiento teniendo en
cuenta los siguientes datos:
Altura inicial de lquido en el dep osito: 1 m
Caudal de entrada: 3 m
3
/h

Area del dep osito: 10 m
2

Area de salida de la tubera: 0,001 m
2
Simular el comportamiento
del tanque empleando el
algoritmo de Euler Explcito.
F
out
F
in
V
M etodos de paso unico. Ejercicio 1: Modelo matem atico
Balance de materia:
dV
dt
= F
in
F
out
Relaci on del volumen:
V = A h =
dV
dt
= A
dh
dt
dh
dt
=
1
A
(F
in
F
out
)
Caudal de salida:
F
out
= A
s
_
2gh
M etodos de paso unico. Ejercicio 1: Modelo MATLAB
tanque.m
Modelo matem atico del sistema.
eulerm.m
M etodo de Euler explcito.
main tanque.m
Cuerpo principal del programa.
Runge Kutta Constituyen un conjunto de m etodos
diferentes, seg un sea el desarrollo de Taylor utilizado. Fue
inicialmente desarrollado alrededor del a no 1900 por los
matem aticos C. Runge y M. W. Kutta. Por ejemplo, el
algoritmo de orden 4, indica que el n umero de t erminos
utilizados es 4:
x
i +1
= x
i
+
1
6
k
1
+
1
3
k
2
+
1
3
k
3
+
1
6
k
4
en donde:
k
1
= h f (t
i
, x
i
)
k
2
= h f (t
i
+h/2, x
i
+k
1
/2)
k
3
= h f (t
i
+h/2, x
i
+k
2
/2)
k
4
= h f (t
i
+h/2, x
i
+k3)
M etodos de paso unico. Ejercicio 2: Enunciado
Se dispone de dos dep ositos conectados por el fondo. La salida de los dos
tanques es por gravedad. Cada dep osito tiene un caudal de entrada. Se
quiere modelar y simular el comportamiento de este sistema teniendo en
cuenta los siguientes datos:
Altura inicial de lquido en el primer dep osito: 0,8 m
Altura inicial de lquido en el segundo dep osito: 0,2 m
Caudal de entrada al primer dep osito: 2,2 m
3
/h
Caudal de entrada al segundo dep osito: 1,6 m
3
/h
Los dos dep ositos son id enticos,
teniendo un area de 10 m
2
y teniendo
la tubera que les conecta como la de
salida del segundo dep osito un area
de salida de 0,001 m
2
.
Simular el comportamiento
empleando el algoritmo de Runge
Kutta de orden 4.
F
out
F
in,1
V
2
V
1
F
in,2
F
b
Balances de materia:
Primer dep osito:
dh
1
dt
=
1
A
(F
in,1
F
b
)
Segundo dep osito:
dh
2
dt
=
1
A
(F
in,2
+F
b
F
out
)
Caudales:
Salida:
F
out
= A
s
_
2gh
2
Intermedio:
F
b
=
_
+A
s
_
2g(h
1
h
2
) si h
1
h
2
A
s
_
2g(h
2
h
1
) si h
1
< h
2
depositos.m
Modelo matem atico del sistema.
rungekutta4.m
M etodo de Runge-Kutta de orden 4.
main depositos.m
Cuerpo principal del programa.
M etodos multipaso
k
i =0
i
y
ni
= h
k
i =0
i
f
ni
Adams-Bashford. M etodo explcito de 2 pasos.
x
i +1
= x
i
+
1
2
h[3f (t
i
, x
i
) f (t
i 1
, x
i 1
)]
Adams-Moulton. M etodo implcito de 3 pasos.
x
i +1
= x
i
+
1
24
h[9f (t
i +1
, x
i +1
) +19f (t
i
, x
i
)
5f (t
i 1
, x
i 1
) f (t
i 2
, x
i 2
)]
M etodos multipaso
M etodo Predictor-Corrector
M etodo explcito para computar x
i +1
x
i +1
= x
i
+
1
12
h[23f (t
i
, x
i
) 16f (t
i 1
, x
i 1
) +5f (t
i 2
, x
i 2
)]
M etodo implcito para computar el valor nal x
i +1
x
i +1
= x
i
+
1
12
h[f (t
i +1
, x
i +1
) +8f (t
i
, x
i
) f (t
i 1
, x
i 1
)]
Nota: Evita tener que resolver una ecuaci on algebraica en
el m etodo implcito.
ODEs de orden n
x
(n
(t ) = f (x(t ), x
(t ), x
(t ), . . . , x
(n1
(t ), t )
Un sistema de ODEs de orden n se puede transformar a un
sistema de ODEs de primer orden.
x
1
(t ) = x(t )
x
2
(t ) = x
(t )
x
3
(t ) = x
(t )
.
.
.
x
n
(t ) = x
(n1
(t )
_
_
=
_
_
x
1
(t ) = x
2
(t )
x
2
(t ) = x
3
(t )
.
.
.
x
n1
(t ) = x
n
(t )
x
n
(t ) = f (x
1
(t ), x
2
(t ), . . . , x
n
(t ), t )
Para cualquier sistema de ecuaciones diferenciales (de primer
orden) resultan v alidos todos los m etodos de integraci on
anteriores.
Ecuaciones diferenciales algebraicas (DAEs)
DAEs: Conjunto de ecuaciones diferenciales y
algebraicas:
_
x
= f (x, u, y, t )
g(x, u, y, t ) = 0
M etodo de resoluci on
Forma secuencial:
1 Dado x(t
n
) se resuelve g(x(t
n
), u(t
n
)) = 0 y se obtiene y(t
n
).
2 Empleando un m etodo explcito de resoluci on de ODE a
x
= f (x, u, t ) se obtiene x(t

n+1
).
Forma simult anea:
Resolver x
= f (x, u, t ) y g(x, u, t ) = 0 de forma simult anea

mediante m etodos implcitos (BDF). Por ejemplo: M etodo de
Gear.
_
x
= f (x, u, y, t )
g(x, u, y, t ) = 0
Stiffness
Aparece cuando hay constantes de tiempo muy diferentes
en un sistema.
Hay fen omenos muy r apidos y fen omenos lentos
mezclados.
Se presenta en muchos modelos de procesos de la
industria qumica.
Se deben emplear m etodos implcitos (y de paso variable).
BDF (Backward Differentiation Formulas)
k
i =0
i
x
ni
= h
0
f
n
DAEs de forma semi-explcita:
_
x
n
= f (x
n
, y
n
, u
n
, t
n
)
g(x
n
, y
n
, u
n
, t
n
) = 0
Sistema de ecuaciones algebraicas a resolver:
_
_
_
x
n+1
= h
0
f (x
n+1
, y
n+1
, u
n+1
, t
n+1
) +
k
i =0
i
x
ni
g(x
n+1
, y
n+1
, u
n+1
, t
n+1
) = 0
Para cada paso de integraci on hay que resolver este
sistema de ecuaciones algebraicas. Por Newton (u otro
m etodo de resoluci on).
Indice
Paso unico.
Multipaso.
ODEs de orden n.
DAEs.
Simulaci on din amica con MATLAB
MATLAB ODE solvers
Solver System Accuracy Algorithm Step
ode45 Nonstiff M Dormand-Prince Single
ode23 Nonstiff L Bogacki and Shampine Single
ode113 Nonstiff LH
Adams, Bashforth
& Moulton
Multistep
ode15s Stiff LM Gear Multistep
ode23s Stiff L Rosenbrock Single
ode23t Mod. Stiff L Trapezoidal Single
ode23tb Stiff L TR-BDF2 Multistep
MATLAB ODE solvers: Sintaxis
[T,Y] = solver(odefun,tspan,y0)
odefun: Funci on de MATLAB en la que se ha codicado el
sistema de ODEs.
tspan: Tiempo de integraci on (tspan = [t0 tf]).
y0: Valores iniciales de la variable.
T: Vector de tiempos.
Y: Vector de soluciones.
Diferentes m-les
Valores iniciales de
variables de estado
Tiempo de simulacin
Mtodo numrico
Grco de resultados
Valores de parmetros
y variables de entrada
Ecuaciones del
modelo
main_modelo.m modelo.m
Los valores de parametros y de variables de entrada
tambi en pueden estar en el archivo principal, pero en ese caso hay
que poner esas variables como globales (global).
m-le unico
Los valores de parametros
y de variables de entrada
tambi en pueden estar en el
archivo principal, pero en ese
caso hay que poner esas variables
como globales (global).
Cambia la llamada a la funci on:
m-le unico: @modelo
Diferentes m-les: modelo
Valores iniciales de
variables de estado
Tiempo de simulacin
Mtodo numrico
Grco de resultados
Valores de parmetros
y variables de entrada
Ecuaciones del
modelo
main_modelo.m
modelo.m
Ejercicio 3: Enunciado
Se dispone de un tanque calentado mediante una camisa con un uido
calefactor. Se considera que el tanque mantiene el nivel constante.
Datos: Caudal de entrada al dep osito 10 l/h,
caudal de entrada a la camisa 15 l/h, densidad
del lquido del dep osito 1 kg/l, densidad del
lquido calefactor 1,1 kg/l, calor especco del
lquido del dep osito 1,25 kcal/kg
o
C, calor
especco del lquido calefactor 1,3 kcal/kg
o
C, volumen del tanque 25 l, volumen de la
camisa 10 l, coeciente global de transmisi on
de calor (U) 5 kcal/h m
2
, area de intercambio
31 m
2
, temperatura de la corriente de entrada
al tanque 50
o
C, temperatura del uido
entrante a la camisa 150
o
C.
F
t,in
F
t,out F
j,in
F
j,out
Ejercicio 3: Modelo matem atico
Balances de materia:
Al dep osito:
dV
t
dt
= F
t ,in
F
t ,out
= 0
A la camisa:
dV
j
dt
= F
j ,in
F
j ,out
= 0
Balances de energa:
Al dep osito:
dT
t
dt
=
1
V
t
_
F
t
(T
t ,in
T
t
) +
Q
t
C
p,t
_
A la camisa:
dT
j
dt
=
1
V
j
_
F
t
(T
j ,in
T
j
) +
Q
j
C
p,j
_
Calor intercambiado:
Q = UA(T
j
T
t
)

Simulación Dinámica (Teoria) - Curso Modelación y Simulación Dde Procesos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Simulación Dinámica (Teoria) - Curso Modelación y Simulación Dde Procesos

Cargado por

Copyright:

Formatos disponibles

Tema IV: Simulaci on din amica

Modelizaci on y simulaci on de procesos qumicos

x(t +h) = x(t ) +h f (x(t ), t )

= f (x, u, t ) se obtiene x(t

= f (x, u, t ) y g(x, u, t ) = 0 de forma simult anea

También podría gustarte