化工过程中模型的建立与计算

化工过程中模型的建立与计算姓名：田保华1化工过程中模型的建立与计算1.概述过程的状态监控或过程的在线监测都需要建立合适的数学模型。化工过程的数学模型主要有三大类方法，即机理模型，统计模型和混合模型。描述过程的方程组由过程机理出发，经推导得到，并且由实验验证，这样建立起来的模型就是机理模型。机理模型方法需要凭借可靠的规律及经验知识来建立原始微分方程式，这些规律和经验知识必须被表达为一般的形式。机理模型是对实际过程直接的数学描述，是过程本质的反映，因此结果可以外推。数学模型也可以根据实验装置、中型或者大型工业装置的实测数据，通过数据的回归分析得到的纯经验的数学关系式，这就是统计模型。统计模型和过程机理无关，是根据实验从输出和输入变量之间的关系，经分析整理得到的。它只是在实验范围内才是有效的，因而不宜外推或者以较大幅度外推。由于实验条件的限制，统计模型的局限性很大，所以总是希望尽可能建立机理模型。对于化工过程来说，由于经验模型受到实际条件的限制，应用范围有限，机理模型求解又十分困难，这样就产生了第三种数学模型，即混合模型。混合模型是对实际过程进行抽象概括和合理简化，然后对简化的物理模型加以数学描述，混合模型主要是设法回避过程中一些不确定的和复杂的因素，代之以一些统计的结果和一定的当量关系，它是半经验半理论性质的。在化工过程的数学模拟中，混合模型是应用最广的一种模型。例如，混合模型用于粉仓中粉体流动数学模型分析等等。近年来，人们将人工神经网络方法用于化工建模，并取得较好的效果。化工过程中数学建模的建立一般是基于流体的性质。流体的热力学性质主要是从状态方程（EOS）得到。至今，文献报道的EOS已有一百五十种之多，有的从理论分析得到的、有的从实验数据分析归纳而来、还有一些是理论分析和实验数据相结合推出来。比较经典的EOS有VDW方程，R-K方程，Soave方程，CS方程，33参数的MBWR方程。这些经验、半经验的EOS只能在一定的温度和密度范围内对于某些流体适应，应用的范围比较窄，理论基础不强[34]。随着计算机技术的迅速的发展，现代化学工程越来越要求EOS的精度高，应用范围广，可靠性好。因此，EOS的研究已逐步从经验、半经验型向理论型发展，它们的应用范围广而且具有较强的理论基础。近年来，研究的热点是从径向分布函数（RadialDistributionFunction，简称RDF）来得到理论型EOS。2.径向分布函数理论分布函数方法不以任何物理模型为依据，而从解决粒子间的相互作用势能2u(r)出发的统计热力学理论，该方法的特点是以求出少数几个RDF去解决整个体系的构型积分，然后利用它计算流体的全部热力学量，该方法是现代流体理论的一个最为活跃的研究方向，分布函数理论是所有溶液理论中最为精确的部分。2.1径向分布函数的应用径向分布函数是研究流体性质的基本内容之一。原则上,确定了径向分布函数，就可以求出流体的热力学性质。（1）由径向分布函数求系统的位能文献[2]指出，在系统中，每一个分子对的平均位能应为：0202)(1202121)2(124)()(14)()(1)(),()()(drrrgruVdrrrgrudrVrudrdrrrpruruVV(2-1)如设系统的位能为所有分子对的位能的总和，由于系统中各分子对的总合为N(N-1)/2或N2/2，因此，系统的位能的平均值为：02224)()(22)(drrrgruVNruNEp(2-2)（2）径向分布函数导得状态方程由方程：NTPVkTP,)ln((2-3)设流体装载在一边长为a的立方容器中，V=a3，位能配分函数为：1010''/',,',,1,0111/011)(1)'(/',/',/')'(')(NPNPdzkTdxExxPNTPiiiiiiNTPNPNNTPaNNNkTEaPeVEkTVazzayyaxxVVNVVdzdydxdzdydxe(2-4)03032,032,',']4)()()(611[]4)()()(611[)(4)()()(6)'()(31)(1drrrgdrrdVNkTVNkTPdrrrgdrrdVNkTVNVdrrrgdrrdVNkTVVrdrrdVVEPPPNTPPNPNTPjiijijijPxxPN(2-5)（3）径向分布函数计算真实流体的P、V、T性质3文献报道了用径向分布函数及L-J位能模型计算真实流体的PVT性质。文献用顺序解析平衡法，结合L-J位能函数模型计算径向分布函数，然后直接代入统计热力学所给出的理论状态方程预测真实流体的PVT性质。L-J位能模型参数有临界温度Tc和临界压力Pc确定。此方法可以能够比较成功的预测非极性和弱极性纯流体的PVT性质。当分子尺寸小于正已烷时，除临界温度附近之外，预测的饱和液体体积的平均相对误差小于5%，对于分子尺寸更大的流体，可以用象Kihara模型这样的3参数模型来提高预测精度。具体公式如下：在L-J位能模型上应用分布函数理论的状态方程032200)(32drrgdrdErVNVkTNPPmm(2-6)其中N0=6.02×1023，Vm是摩尔体积，引入对比半径dxxgxxVRVkVRTPrxmbm)(12)(96/04102(2-7)其中)6/(30NVb，由于5.0r时，可认为0)(rg,而时5.3r，则可认为1)(rg，所以上式可以写成5.35.0934102)5.3925.331()()12(96dxxgxxVRVkVRTPmbm(2-8)上述方程中的积分项可由数值积分方法得出。令温度T等于某流体的临界温度，调节和k/，直到上式计算出的等温线出现水平拐点，而且水平拐点处压力等于该流体的实测临界压力，此时对应的和k/值就是所需要确定的位能模型的参数值。当位能模型参数确定后，就可以预测该流体的PVT关系。2.2RDF的获得目前RDF主要通过实验法和计算法来获得。2.2.1实验法RDF的实验方法主要有X射线衍射、电子衍射和中子衍射。就国内的研究情况来说，一般采用2型液体X射线衍射仪来获得径向分布函数。2.2.2计算法目前径向分布函数（RDF）的计算方法有计算机模拟法，积分法和微相平衡法。（1）计算机模拟法：包括MD法和MC法。MD(MolecularDynamics)法的关键是解力学方程以便对这些微观状态对应的力学量作适当的平均。而MC(MonteCarlo)法借助计算机做随机抽样获取，要求取样的数目必须是大量的，且样品必4须具有代表性，需要一种均匀分布的随机序列。计算机模拟法求得的RDF值精度高，但是计算量大，需要很长的时间。（2）积分法：就是利用近似法解Ornstein-Zernike(OZ)积分方程来得到流体的径向分布函数。OZ方程的表达式是：)'()'(')()(rrhrcdrrcrh(2-9)式中：r表示分子1和分子2之间的距离，r表示的它们之间的向量。'r表示分子1和分子3之间的距离，'r表示它们之间的向量)(rh—间接相关函数，c(r)—直接相关函数，—流体的密度)(rh和)(rg有如下公式：1)()(rgrh推导径向分布函数主要有以下近似方法：1)Percuse-Yevick(PY)法：1)](exp[)()()()](1[)()(rurfrfrcrfrfrh(2-10)2)Mean-SphericalApproximation(MSA)法：)()(rrc(2-11)3)Hyper-NettedChain(HNC)法：1)()()](exp[)()(/)()()(ln1)()()()(rerfrrerergryryryryrfrc(2-12)4)Exponental(EXP)法：))()(exp()()(00rgrgrgrgMSA(2-13)式中：)(rgMSA表示MSA法计算的径向分布函数。5)Tang法：)(~)(~)(~)(~kckhkckh(2-14)其中：0sin)(4)(~krdrrrhkkh(2-15)0sin)(4)(~krdrrrckkc(2-16))(~kh和)(~kc分别表示)(rh和)(rc的三维傅利叶变换。（3）微相平衡法：陈光进等提出了一种计算径向分布函数的顺序解析法，即微相平衡法。在一个基准分子周围，在半径方向上存在密度梯度，这就是径向分布函数的物理意义。对基准分子的周围空间沿半径方向微分分割，定义分割得5到的每一个微元体为一个微相。不同的微相有不同的分子数密度和能量密度。微相和一般的宏观相有区别，例如微相所含的分子数可以是分数；微相必须是以一个序列的形式出现，单一的微相是不存在的。但对于一个平衡热力学体系，微相之间彼此应处于平衡，满足普通相平衡所需的条件。利用相平衡的条件，就可以得到微相之间分子数密度的关系并进一步得到径向分布函数。对于宏观的相平衡问题，利用化学位准则，即可得到平衡相间的密度关系。文献提出了描述相际分子转移行为的双阻力物理模型，并给出每项阻力的计算方法，导出一相中的分子向另一相转移的质量通量的计算通量准则公式，提出了相平衡的质量通量准则以代替化学位准则，并因此得到两相平衡时的密度关系方程。该方法的特点是当已知前一位置的径向分布函数值就可以解析的求出。此方法无须迭代，比分子模拟和积分方程的数值解法相比，节约了计算时间。2.3位能函数模型在计算位能配分函数时，需要计算系统的位能，所以根据位能函数的不同，计算径向分布函数也有几种模型。（1）硬球(HardSphere)模型硬球模型是一种非常简单的模型，它粗略地反映了分子间极强的超短程的排斥力，它将分子看成没有吸引力的硬球，由于简单，常作为进一步处理的基础，其位能函数是：rrru0)((2-17)（2）方阱(SquareWell)模型方阱模型是一种理想模型，溶液理论和统计力学中得到广泛的应用。它常用来作为实际流体的参考体系，相对于硬球模型来说，它是一种更好的参考体系，因为它以粗略的方式考虑了分子间吸引力和排斥力，而硬球模型认为只有斥力项没有引力项，所以在实际计算方阱模型为参考体系更恰当。它将分子看成是直径为并有吸引力的硬球，但是吸引力仅在分子间距为处起作用，称为对比阱宽，阱深为，位能函数为：rrrru0)((2-18)（3）萨日兰(Sutherland)模型萨日兰模型将分子看作直径为的有吸引力的硬球，但是吸引力与r6成反比，位能函数为：rrrru6)()((2-19)6这个模型比上面两个合理得多。首先它对吸引力的考虑和色散作用一样。另一方面，实际的位能在斥力起作用时随分子间距缩小而上升很快，这个模型和范德华方程一致。（4）Lennard-Jones（LJ）模型Lennard-Jones（LJ）模型是一种很重要的模型，常用来研究简单流体的行为以及汽液平衡、液液平衡。对于复杂的分子，就用它来作它们的参考体系，LJ模型对分子间的作用力作了很好的描述。LJ位能曲线能较好的描述位能与分子间距的关系，应用比较广泛。LJ模型有两种形式：LJ12-6模型：RrrrRrru612)()(4)((2-20)LJ9-6模型：RrrrRrru69)()(427)((2-21)例如：引入LJ位能函数对内压相进行修正的vanderWaals模型，较仅对已占体积相进行修正的vanderWaals模型明显更优。（5）基哈拉(Kihara)模型基哈拉模型将分子看作是一个由软的电子云包围着的一个硬核，位能取决于核间的最短距离，核为球形，半径为a，其位能模型为：])22()22[(4612araara