Лабораторная работа №1. Методы и принципы системного исследования.

Введение

Дисциплина «Введение в химическую кибернетику» относится к дисциплинам профессионального цикла. Она призвана сформировать у студентов базовые представления об общих принципах системного анализа данных, иерархии явлений в химико-технологических процессах и производствах, о стратегии системного подхода к построению математических моделей процессов физической химии и химической технологии, о методах и средствах химической кибернетики. Курс «Введение в химическую кибернетику» включает в себя следующие основные разделы:

1) Общие принципы системного анализа, стратегия системного анализа химико-технологических процессов.

2) Масштабная и параметрическая идентификация математических моделей в химической технологии.

3) Статистические методы обработки химической информации, анализ «больших данных», знакомство с методами машинного обучения, нейронными сетями.

4) Введение в методы моделирования мультимасштабных химических систем, моделирование и оптимизация в химической технологии.

5) Управление химико-технологическими процессами.

Лабораторный практикум по курсу включает десять работ, выполнение которых позволит студентам закрепить теоретические знания на практике.

Поскольку одним из методов кибернетики является математическое моделирование, выполнение работ подразумевает применение ЭВМ. В рамках данного практикума предлагается использование языка программирования Python, компьютерных пакетов для математического моделирования COMSOL Multiphysics, MathCAD, Materials Studio, LabVIEW, Aspen Hysys.

В первой лабораторной работе студенты знакомятся с задачами химической кибернетики, принципами построения и классификации химических и химико-технологических систем. Выполняя вторую и третью лабораторные работы, студенты получают навыки работы в современных компьютерных пакетах для моделирования химических объектов на микро и макромасштабах, применяют принципы системного анализа при решении конкретной прикладной задачи – моделирование сложной химической реакции в реакторах разных типов. Выполнение четвертой, пятой, шестой и седьмой работ знакомит студентов с понятиями пассивного и активного эксперимента, методами обработки экспериментальных данных и использованием статистических методов в химической кибернетике, современными способами анализа и классификации данных, способами оптимизации. В рамках восьмой лабораторной работы студенты знакомятся с применением машинного обучения для решения химических задач. В девятой и десятой работах студенты знакомятся с принципами построения и управления химико-технологическими процессами.

Полученные в рамках курса «Введение в химическую кибернетику» знания необходимы для дальнейшего успешного освоения таких учебных дисциплин как: моделирование энерго- и ресурсосберегающих процессов в химической технологии, нефтехимии и биотехнологии; процессы и аппараты защиты окружающей среды; принципы математического моделирования химико-технологических систем. Успешно освоив данный лабораторный практикум, студенты овладевают профессиональными компетенциями ПК-9, ПК-23, ПК-24.

Лабораторная работа №6. Обработка экспериментальных данных в Python (Origin).

Цель работы: практическое ознакомление со способами обработки экспериментальных данных. Изучение встроенных функций Python (Mathcad, Origin) для интерполяции, аппроксимации, регрессии, сглаживания.

Введение

Дисциплина «Введение в химическую кибернетику» относится к дисциплинам профессионального цикла. Она призвана сформировать у студентов базовые представления об общих принципах системного анализа данных, иерархии явлений в химико-технологических процессах и производствах, о стратегии системного подхода к построению математических моделей процессов физической химии и химической технологии, о методах и средствах химической кибернетики. Курс «Введение в химическую кибернетику» включает в себя следующие основные разделы:

1) Общие принципы системного анализа, стратегия системного анализа химико-технологических процессов.

2) Масштабная и параметрическая идентификация математических моделей в химической технологии.

3) Статистические методы обработки химической информации, анализ «больших данных», знакомство с методами машинного обучения, нейронными сетями.

4) Введение в методы моделирования мультимасштабных химических систем, моделирование и оптимизация в химической технологии.

5) Управление химико-технологическими процессами.

Лабораторный практикум по курсу включает десять работ, выполнение которых позволит студентам закрепить теоретические знания на практике.

Поскольку одним из методов кибернетики является математическое моделирование, выполнение работ подразумевает применение ЭВМ. В рамках данного практикума предлагается использование языка программирования Python, компьютерных пакетов для математического моделирования COMSOL Multiphysics, MathCAD, Materials Studio, LabVIEW, Aspen Hysys.

В первой лабораторной работе студенты знакомятся с задачами химической кибернетики, принципами построения и классификации химических и химико-технологических систем. Выполняя вторую и третью лабораторные работы, студенты получают навыки работы в современных компьютерных пакетах для моделирования химических объектов на микро и макромасштабах, применяют принципы системного анализа при решении конкретной прикладной задачи – моделирование сложной химической реакции в реакторах разных типов. Выполнение четвертой, пятой, шестой и седьмой работ знакомит студентов с понятиями пассивного и активного эксперимента, методами обработки экспериментальных данных и использованием статистических методов в химической кибернетике, современными способами анализа и классификации данных, способами оптимизации. В рамках восьмой лабораторной работы студенты знакомятся с применением машинного обучения для решения химических задач. В девятой и десятой работах студенты знакомятся с принципами построения и управления химико-технологическими процессами.

Полученные в рамках курса «Введение в химическую кибернетику» знания необходимы для дальнейшего успешного освоения таких учебных дисциплин как: моделирование энерго- и ресурсосберегающих процессов в химической технологии, нефтехимии и биотехнологии; процессы и аппараты защиты окружающей среды; принципы математического моделирования химико-технологических систем. Успешно освоив данный лабораторный практикум, студенты овладевают профессиональными компетенциями ПК-9, ПК-23, ПК-24.

Лабораторная работа №1. Методы и принципы системного исследования.

Цель работы: научиться осуществлять классификацию систем, находить и устанавливать связи внутри системы по различным признакам. На основе использования системных методов овладеть навыками выявления функций различных систем. На основе применения системных принципов научиться моделировать поведение и функционирование реальных объектов.

Лабораторная работа №2. Математическое моделирование сложной химической реакции в пакете COMSOL Multiphysics^®.

Общие сведения о пакете COMSOL Multiphysics^®— это интегрированная платформа для моделирования, включающая в себя все его этапы: от создания геометрии, определения свойств материалов и описания физических явлений, до настройки решения и процесса постобработки, что позволяет получать точные и надежные результаты.

Цель работы:

1) Ознакомиться c пакетом математического моделирования COMSOL, освоить технологию решения задач моделирования систем с помощью этого пакета.

2) Составить математическое описание сложной химической реакции и выполнить моделирование её с помощью программы СOMSOL;

3) На основе принципов системного анализа построить математическое описание гомогенных реакторов: идеального вытеснения, идеального смешения и каскада реакторов идеального смешения, в которых протекает сложная химическая реакция с заданным механизмом. Выполнить программную реализацию в виде S-моделей и по результатам моделирования рекомендовать наиболее эффективный реактор.

Лабораторная работа №3. Моделирование химических структур в пакете Materials Studio. Общие сведения о пакете Materials Studio - это среда моделирования, позволяющая исследователям в области материаловедения и химии прогнозировать и понимать взаимосвязь атомной и молекулярной структуры материала с его физико-химическими и эксплуатационными свойствами. Используя Materials Studio, исследователи во многих отраслях промышленности разрабатывают более эффективные материалы всех типов, включая фармацевтические препараты, катализаторы, полимеры и композиты, металлы и сплавы, аккумуляторы и топливные элементы и многое другое.

Цель работы:

1) Знакомство c пакетом моделирования материалов Materials Studio.

2) Получение навыков моделирования атомно-молекулярных систем на примере расчета энергетических и геометрических свойств молекул органических и неорганических соединений.

Лабораторная работа №4. Оптимизация и планирование эксперимента с использованием современных вычислительных методов MathCAD (Python).

Python — высокоуровневый язык программирования общего назначения, ориентированный на повышение производительности разработчика и читаемости кода.

Цель работы:

1) знакомство с основными видами задач оптимизации. Овладение навыками решения оптимизационных задач с помощью встроенных функций Python.

2) Знакомство с математическим подходом для планирования эксперимента.

Важнейшей задачей применения расчетных методов при компьютерном моделировании химико-технологических процессов (ХТП) является определение оптимальных, т.е. наилучших условий их функционирования. Решение экстремальной задачи заключается в нахождении совокупности значений независимых (оптимизирующих или управляющих) переменных, при которой заданная целевая функция этих переменных имеет максимальное или минимальное значение. Для решения таких задач разработано достаточно много математических методов, отличающихся стратегией поиска экстремума. Цель планирования эксперимента – нахождение таких условий и правил проведения опытов, при которых удается получить надежную и достоверную информацию об объекте с наименьшей затратой труда, а также представить эту информацию в компактной и удобной форме с количественной оценкой точности.