Sei sulla pagina 1di 14

Lezione 2 - Modellazione matematica (Parte 1)

POLITECNICO DI TORINO
Corso di Laurea in Ingegneria Chimica e Alimentare

Analisi del comportamento


dinamico di un processo e
Modellazione matematica Parte 1
Roberto Pisano

Dipartimento di Scienza Applicata e Tecnologia


e-mail: roberto.pisano@polito.it
Tel. 011 0904679

Sinossi
1.
2.
3.
4.
5.
6.

Elementi introduttivi allanalisi dinamica di un processo


Uso della modellazione matematica nellingegneria chimica
Classificazione dei modelli matematici
Derivazione di modelli basati su principi primi
Analisi dei gradi di libert
Esempi

Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 2/27

Lezione 2 - Modellazione matematica (Parte 1)

Introduzione allanalisi dinamica


La progettazione di un sistema di controllo richiede che si conosca
con precisione il comportamento in condizioni dinamiche del
processo.
Studiare la dinamica di un processo significa studiarne il comportamento a fronte di una variazione delle condizioni in ingresso.
Serbatoio perfettamente miscelato
A

A+B

x A,u

Evoluzione della concentrazione di A nella


corrente di uscita a fronte di una variazione
a gradino sulla concentrazione di A in una
delle due correnti di ingresso.

A+B

Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 3/27

Introduzione allanalisi dinamica


Evaporatore
Come varia il livello di liquido nel serbatoio a fronte di una variazione
a gradino sulla portata in ingresso dellacqua?
vapore

acqua
fredda

heat

Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 4/27

Lezione 2 - Modellazione matematica (Parte 1)

Introduzione allanalisi dinamica


Processo

ingresso
u(t)

?
uscita
y(t)

Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 5/27

Sinossi
1.
2.
3.
4.
5.
6.

Elementi introduttivi allanalisi dinamica di un processo


Uso della modellazione matematica nellingegneria chimica
Classificazione dei modelli matematici
Derivazione di modelli basati su principi primi
Analisi dei gradi di libert
Esempi

Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 6/27

Lezione 2 - Modellazione matematica (Parte 1)

Introduzione allanalisi dinamica


I modelli matematici sono cruciali per capire il comportamento dei
processi, soprattutto se questi sono complessi. Questi modelli
permettono di:
 Descrivere il comportamento dei processi in condizioni
dinamiche e quindi prevederne il comportamento a fronte di
variazioni sulle condizioni di ingresso;
 Progettare i sistemi di controllo.
Assegnata una qualche rappresentazione matematica del processo,
lanalisi dinamica ne studia la risposta a vari tipi di variazione sulle
condizioni di ingresso.
Questo tipo di studio richiede lutilizzo di:
 Un modello matematico che descrive il comportamento del
processo;
 Funzioni forzanti che descrivono levoluzione delle variabili in
ingresso.
Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 7/27

Modellazione matematica
Il modello matematico di un processo un insieme di relazioni (tra le
variabili di ingresso e di uscita) che permette di riprodurne alcune
delle caratteristiche o comportamenti fondamentali.
Il modello spesso utilizzato per descrivere la probabile evoluzione
di un fenomeno o di un sistema sulla base di dati iniziali (condizioni
iniziali).

All models are wrong, but


some are useful!

Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 8/27

Lezione 2 - Modellazione matematica (Parte 1)

Modellazione matematica
Il grado di complessit o dettaglio di un modello matematico deve
tenere conto di qual :
 La sua applicazione finale;
 Il livello di conoscenza dei fenomeni che caratterizzano il sistema
studiato;
 Il livello di preparazione e il background dellutente finale.
La scelta del modello inoltre il risultato di un compromesso tra
accuratezza e complessit: un modello matematico non deve essere
pi complesso di quanto necessario.
Scelte sbagliate nella derivazione possono portare a:
 Un modello molto rigoroso, ma troppo complesso per essere
risolto;
 Un modello troppo semplice per descrivere in modo accurato i
fenomeni di interesse.
Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 9/27

Modellazione matematica
In questo corso, i processi saranno classificati in base alla natura del
modello che li descrive. Ad esempio, un processo definito lineare
(anche quando il suo comportamento non lo ), se le equazioni del
modello che ne descrivono la dinamica sono lineari. In maniera
simile, definiremo lordine di un processo sulla base delle
caratteristiche del modello che lo descrive.
In generale, i modelli matematici possono essere utilizzati per:
 Migliorare la comprensione di un processo;
 Formare gli addetti a un impianto;
 Sviluppo di nuove strategie di controllo;
 Ottimizzazione di processo.

Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 10/27

Lezione 2 - Modellazione matematica (Parte 1)

Sinossi
1.
2.
3.
4.
5.
6.

Elementi introduttivi allanalisi dinamica di un processo


Uso della modellazione matematica nellingegneria chimica
Classificazione dei modelli matematici
Derivazione di modelli basati su principi primi
Analisi dei gradi di libert
Esempi

Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 11/27

Modellazione matematica
I modelli matematici possono essere classificati in base a:
 Metodo di derivazione;
 Variabile indipendente;
 Variabili di stato.
In base al metodo utilizzato per la loro derivazione, i modelli si
distinguono in:
 Modelli teorici;
 Modelli empirici;
 Modelli semi-empirici.
In base al tipo di variabile indipendente, i modelli si distinguono in:
 Modelli a parametri concentrati;
 Modelli a parametri distribuiti.
Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 12/27

Lezione 2 - Modellazione matematica (Parte 1)

Modellazione matematica
In base al tipo di relazione descritta:
 Modelli state-space;
 Modelli input/output.

A theory has only the alternative of


being right or wrong. A model has
a third possibility: it may be right,
but irrelevant
Manfred Eigen
Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 13/27

Sinossi
1.
2.
3.
4.
5.
6.

Elementi introduttivi allanalisi dinamica di un processo


Uso della modellazione matematica nellingegneria chimica
Classificazione dei modelli matematici
Derivazione di modelli basati su principi primi
Analisi dei gradi di libert
Esempi

Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 14/27

Lezione 2 - Modellazione matematica (Parte 1)

Derivazione di un modello matematico


1. Definire quali sono gli obiettivi del modello e la sua applicazione
finale;
2. Disegnare lo schema del processo e identificare le variabili;
3. Classificare le variabili di processo in ingresso, uscita, etc..;
4. Definire le ipotesi semplificative;
5. Stabilire se le variazioni nello spazio delle variabili di stato sono
significative o di interesse;
6. Impostare le equazioni di conservazione di materia, energia e
quantit di moto;
7. Se necessario, specificare eventuali relazioni di equilibrio o altro;
8. Riscrivere le equazioni del modello in termini di variabili di scarto;
9. Semplificare e ridurre le equazioni ai minimi termini, isolando le
variabili di uscita a primo membro;
10. Analisi dei gradi di libert delle equazioni del modello.
Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 15/27

Notazione e terminologia
Cos una variabile di scarto?
E una variabile di processo il cui valore corrisponde alla deviazione
rispetto allo stato stazionario:
Esempio
T: temperatura del fluido nella corrente duscita
Ts: valore di in condizioni stazionarie
T-Ts: variabile di scarto per la temperatura
Qual il vantaggio nellutilizzo delle variabili di scarto?
Il vantaggio di riscrivere le equazioni del modello in termini di variabili
di scarto risiede nel fatto che, se si assume che il processo allinizio
si trovi in condizioni stazionarie, le condizioni iniziali per le variabili di
scarto sono sempre nulle.

Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 16/27

Lezione 2 - Modellazione matematica (Parte 1)

Notazione e terminologia
Notazione sulle variabili di processo
yj: variabile duscita
xj: variabile di stato
dj: variabile di ingresso di tipo disturbo
uj: variabile di ingresso manipolabile

Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 17/27

Sinossi
1.
2.
3.
4.
5.
6.

Elementi introduttivi allanalisi dinamica di un processo


Uso della modellazione matematica nellingegneria chimica
Classificazione dei modelli matematici
Derivazione di modelli basati su principi primi
Analisi dei gradi di libert
Esempi

Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 18/27

Lezione 2 - Modellazione matematica (Parte 1)

Analisi dei gradi di libert


Lanalisi dei gradi di libert permette di stabilire se linsieme di
equazioni di cui si compone il modello ha soluzione e se tale
soluzione unica.
Il numero di gradi di libert per un sistema di equazioni :
NF = NV NE
dove
NF: numero di gradi di libert
NV: numero di variabili dipendenti
NE: numero di equazioni indipendenti
Si possono distinguere tre situazioni:
 NF=0, il problema esattamente specificato;
 NF>0, il problema sottospecificato;
 NF<0, il problema sovraspecificato.
Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 19/27

Analisi dei gradi di libert


1. Identificare tutte le grandezza fisiche che descrivono il processo e
sono costanti (parametri del processo);
2. Calcolare il numero di equazioni indipendenti, NE;
3. Calcolare il numero di variabili dipendenti, NV;
4. Calcolare il numero di gradi di libert, NF;
5. Se NF>0, occorre aggiungere NF equazioni indipendenti al
modello. A questo scopo si pu aggiungere una legge di controllo
per definire il valore di una variabile in ingresso manipolabile,
oppure una funzione forzante per definire levoluzione di una
variabile di ingresso di tipo disturbo.
Oppure
Se NF>0, occorre specificare il valore di NF variabili dipendenti in
maniera tale che possano essere trattate come parametri del
processo.
Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 20/27

10

Lezione 2 - Modellazione matematica (Parte 1)

Sinossi
1.
2.
3.
4.
5.
6.

Elementi introduttivi allanalisi dinamica di un processo


Uso della modellazione matematica nellingegneria chimica
Classificazione dei modelli matematici
Derivazione di modelli basati su principi primi
Analisi dei gradi di libert
Esempi

Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 21/27

Esempio 1
Descrizione del processo
Si consideri un serbatoio cilindrico per lo stoccaggio di un fluido
incomprimibile.
1. Obiettivi e applicazione finale
Derivare un modello che descriva la variazione del livello di liquido
nel serbatoio a fronte di una variazione della portata di ingresso di
liquido.
2. Schema di processo e identificazione delle variabili

e: portata volumica in ingresso, m3 s-1


u: portata volumica in uscita, m3 s-1
h: livello di liquido, m

Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 22/27

11

Lezione 2 - Modellazione matematica (Parte 1)

Esempio 1
3. Classificare le variabili di processo

e: variabile di ingresso di tipo disturbo


u: variabile duscita
h: variabile di stato

4. Ipotesi semplificative
Il processo isotermo.
5. Scelta della tipologia di modello matematico
Modello a parametri concentrati.
Legge di conservazione della materia.

Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 23/27

Esempio 1
6+7.Formulazione matematica

Bilancio globale di materia in condizioni dinamiche


a+u = e+ g
d ( V )
= e u
dt
dh
A = e u
dt
dh
A = e C1 h
dt

e
V = Ah

u = C1 h

Bilancio globale di materia in condizioni stazionarie


a +u = e+ g

e,s = u ,s

u ,s = C1 hs

e ,s = C1 hs
Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 24/27

12

Lezione 2 - Modellazione matematica (Parte 1)

Esempio 1
8+9. Riscrivere le equazioni del modello in termini di variabili di
scarto
Riscrivo lequazione di bilancio in termini di variabili di scarto:
A

d h hs
dt

)=

e,s C1

h hs

termine non lineare

Sviluppo di Taylor del termine non lineare:

( )

( )( x x ) +
(h h ) +

f ( x ) = f x0 + f x0
h = hs +
h hs

1
2 hs
1
2 hs

(h h )
s

Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 25/27

Esempio 1
Sostituendo si ottiene:

d h hs
dt

)=

(e e,s )

C2

C1

2 hs

(h h )
s

In termini di variabili di scarto, lequazione risulta:

K


1
A dy ( t )
+ y (t ) =
u (t )
C2 dt
C2

y ( 0 ) = 0

10. Analisi dei gradi di libert delle equazioni del modello.


NE=1; NV=2
NF=1>0
Come si pu utilizzare questo grado di libert?
Politecnico di Torino Controllo e strumentazione per processi chimici

Prof. Roberto Pisano

Lezione 02 26/27

13

Lezione 2 - Modellazione matematica (Parte 1)

Esempio 2
Descrizione del processo
Una portata volumica costante di liquido e, avente temperatura Te,
alimentata a un serbatoio di volume V e area A. Il serbatoio dotato
di una serpentina interna in cui fluisce del vapore con portata
massica v. Il liquido in uscita ha temperatura Tu ed scaricato con la
medesima velocit della portata in ingresso. Si definiscono, inoltre, le
seguenti propriet:
Densit del liquido, kg m-3
cp Calore specifico del liquido, J kg-1 K-1
Calore latente di evaporazione, J kg-1
1. Obiettivi e applicazione finale
Derivare un modello che descriva levoluzione di Tu a fronte di una
variazione delle condizioni di ingresso, e e v.
Politecnico di Torino Controllo e strumentazione per processi chimici

Lezione 02 27/27

See you next class!

Prof. Roberto Pisano

14