ĐẠI HỌC QUỐC GIA TP.

HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC BÁCH KHOA

MÔ HÌNH HÓA – MÔ PHỎNG – TỐI ƯU HÓA

TRONG CÔNG NGHỆ HÓA HỌC

TS. Nguyễn Đình Thọ

Bộ môn: Quá trình và thiết bị CN Hóa – Sinh học – Thực phẩm
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
trinhvandung190361

Phân bố nhiệt độ khi làm lạnh tấm phẳng

1
0.8
0.6
0.4
0.2
10
4
7

1
Series1
Series2
Series3
Series4
Series5
Series6

02.03.2018 2
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
trinhvandung190361

Để hiện thực hóa và mô phỏng mô hình toán học:

-Giải
Giải bằng phương pháp giải tích
-Dùng phép biến đổi Laplat
-Phương pháp lưới (sai phân, phần tử … hữu hạn)
-Phương pháp sốố

02.03.2018 3
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
Giải bằngg phương
p g pháp
p p giải
g tích
Xét phản ứng: A → B → P  dC A
 d   k 1 C A
  = 0: CA = CA0
Hệ phương trình động học:  dC B CB = CB0
  k1 C A  k 2 C B
 d CP = CP0
 dC P
 d  k 2 C B

Nghiệm của hệ: CA  CA0 exp k1 

C A 0 k1
CB  exp  k1   exp  k 2 
k 2  k1
C A0
CC  k 2 1  exp k1   k1 1  exp k 2 
k 2  k1
02.03.2018 4
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
Để hiện thực hóa và mô phỏng mô hình toán học:
-Dùng
Dùng phép biến đổi Laplat
-Phương pháp lưới (sai phân, phần tử … hữu hạn)
-Phương pháp số

02.03.2018 5
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Khái niệm
ệ chungg
Khảo sát phương trình vi phân dạng:
dx
 ax  1 (1)
dt
Với a: hằng số
x: hàm
t: biến
d
Đặt toán tử: P
dt
Phương trình trở thành: Px + ax = 1 (2)
1
Biểu thức gọi là ảnh của hàm x (nguyên bản – nguyên hàm)
Pa
Việc chuyển đổi từ hình ảnh sang nguyên hàm ban đầu được dựa
t ê phép
trên hé biến
biế đổi Laplace.
L l
02.03.2018 6
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p

Hàm chuyển đổi được xác định bằng tích phân: F P    e  Pt f t dt
0
Với F(P): ảnh
f(t): nguyên bản (gốc)
Nghiệm đúng của hàm x = f(t) được tính từ giá trị t = 0
Khi giá trị ban đầu x  0 dùng phép biến đổi Laplace-Carson:

F P   P  e  Pt f t dt
0
d
Đối với đạo hàm bậc cao: P dn
dt  P n

dt n
d2
 P 2
1
dt 2  dt  P
d3
 P 3

dt 3
02.03.2018 7
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
Ví dụ 1: hàm y 
1
a

1  e ax 
d2y dy
tươngg đươngg với p
phươngg trình: 2
 a  b   aby  1
dx dx
sử dụng toán tử P thu được: P 2 y  a  b Py  aby  1
d2y d  d  d
hay: 2
   y   Py  P 2
y
dx dx  dx  dx
Vì P không phụ thuộc vào yy, nghiệm thu được sẽ là:
1
y 2
P  a  b P  ab

02.03.2018 8
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
1 1 1
Cuối cùng chúng ta tìm thấy nguyên hàm: y   e ax  ebx
ab ab  a ba  b
Nếu x = 0: y0  0 thì thay dy  Px  Px 0
dx
Trong
o g đó y0 – nồng
ồ g độ đ
đầu
u
Tương tự đối với phương trình: 2  P 2 y  P 2 y 0  Py1 
d2y
dx
Với y1  dy khi x = 0
dx

02.03.2018 9
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
Ảnh Nguyên hàm

02.03.2018 10
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
Ảnh Nguyên hàm

02.03.2018 11
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
Ảnh Nguyên hàm

02.03.2018 12
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
 x ,  3 x  y
Ví dụ 1: Giải hệ  ,
 y  4 x  y
với x0 = 5; y0 =  7;
Dùng phép biến đổi Laplat: x(t) = X(p)
x’(t) = pX(p) – 5
y(t) = Y(p)
y’(t) = pY(p) – (– 7) = pY(p) + 7
Thay vào có hệ:
 pX  p   5  3 X  p   Y  p 

 pY  p   7  4 X  p   Y  p 

02.03.2018 13
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
 pX  p   5  3 X  p   Y  p 

 ppY  p   7  4 X  p   Y  p 
 p  3X  p   Y  p   5
Biến đổi: 
4 X  p    p  1Y  p   7
 p  3 1 
        
 p  3 p 1  4 1  p  2p  3  4  p  2p 1  p 1
2 2
 2

 4 p 1
 5 1 
x     5 . p  1  7  1  5 p  57  5 p  2
 7 p  1

p 3 5 
y      p  3 7   45  7 p  21  21  7 p  1
 4  7
02.03.2018 14
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
 p  3 1 
    p  3 p 1  41  p2
 2 p  3  4  p2
 2 p 1   p 1 2

 4 p 1
 5 1 
x     5 . p  1  7  1  5 p  57  5 p  2
 7 p  1

p 3 5 
y      p  3 7   45  7 p  21  21  7 p  1
 4  7
 x 5p  2
 X  p    
p  1
2


Y  p    y   7 p  1
   p  1 2

02.03.2018 15
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
 x 5p  2
 X  p      2
 p  1

Y  p    y   7 p  1
   p  12

X  p  
A

B

5p  2 A  5 A  5
Ta có:  p  1  p  12  p  12 →  
 A p  1  B  5 p  2
 A  B  2  B  3

 C D  7 p 1
Y  p    
C  7 C  7
 p  1  p  1 2
 p  1 2
→  
C. p  1  D  7 p  1  C  D  1  D  6


02.03.2018 16
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
 A B 5p  2
X  p     A  5 A  5
Ta có:  p  1  p  12  p  12 →  
 A p  1  B  5 p  2  A  B  2  B  3

 C D  7 p 1
Y  p     C  7 C  7
 p  1  p  12  p  12 →  
C. p  1  D  7 p  1
  C  D  1  D  6

 5 3  1 1
 X  p    X  p   5 .  3.
Biến đổi thu được: p  1  p  12
hay  p 1  p  12
 
Y  p    7   6 Y  p   7. 1  6. 1
 p  1  p  12  p 1  p  12

02.03.2018 17
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
 1 1
 X  p   5 .  3.
Biến đổi thu được:  p 1  p  12

Y  p   7. 1  6. 1
 p 1  p  12
Dùng phép biến đổi ngược: X(p) = x(t)
Y(p) = y(t)
1
 et
p 1 1
1
 te t

Thay vào:
 p  12
 xt   3t  5.e t

 y t   6t  7 .e t
02.03.2018 18
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
Giải hệ phương trình trên bằng phương pháp Runge–Kutta:
3
410
1 2 3
1 0 5 -7
3
2 0.5 10.711 -16.477 210
3 1 21 726
21.726 -35.3
35 3 x( t )
4 1.5 42.522 -71.606 y ( t) 0
5 2 81.154 -140.155 2
Z
6 2.5 152.006 -267.496 Z
3
7 3 280.622 -501.05 3  210
Z
8 3.5 512.123 -925.019
9 4 925.858 -1.688·103  410
3

10 45
4.5 103
1 661·10
1.661 103
-3 052·10
-3.052
11 5 2.96·103 -5.475·103
3
 610
1 1.8 2.6 3.4 4.2 5
1
t t Z

02.03.2018 19
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
1. Phép
p biến đổi Laplace
p
 x ,  4 x  y
Ví dụ 2: Giải hệ  với x0 = 0; y0 = 2;
 y ,  2 x  y

 x ,  4 x  6 y  1
Ví dụ 3: Giải hệ  với x0 = 0; y0 = 2;
 y ,  2 x  3 y  3

 xt   2.e 7 t  3t  2
Thu được nghiệm: 
 y t   e 7 t  2t  1

02.03.2018 20
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.Phép
p biến đổi Laplat
p
CR  p 
Hàm truyền: W ( p) 
CV  p 

Quan hệ biến vào – ra: C R  p   W ( p)CV  p 

C
Hay: R t   L1
C R  p   L1
W ( p)CV  p 
 A
Khi: CV(t) = A thì C R  p   L W ( p)   F t 
1

 p
Đối với hàm Dirac: CV(t) = 1 thì
C R  p   L W ( p ).1  C t 
1

02.03.2018 21
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.1 Mô hình khuấyy lýý tưởngg
dC R t 
Mô hình khuấy lý tưởng: t  C R t   CV t  : t  ttb
dt
Biến đổi theo Laplat: t . p.C R  p   C R  p   CV  p 
CR  p  1
Hàm truyền đầu ra: W  p   
CV  p  t . p  1
Biểu thức hàm đáp ứng:

1  1 A  
t

F t   C R t   L  .   A1  e 
t

 t .p 1 p   

02.03.2018 22
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.2 Mô hình khuấyy lýý tưởngg
 1  1 
t
Với hàm xung: C t   C R t   L1  .1  e t
 t . p 1
1  t
1
Khi t = 0: C R t  
t

Khi t = : C R    0

02.03.2018 23
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.2 Mô hình đẩyy lýý tưởngg
Mô hình khuấy lý tưởng: l
v
cj-1 cj cj+1 v
cвх(t) S
cвых(t)

0 L
l l+l

L, S: chiều dài, tiết diện

CV((t),
), CR((t):
) nồng
g độộ đầu vào,, ra
Q: lưu lượng qua thiết bị
Nguyên tố thể tích V = Sl

02.03.2018 24
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.2 Mô hình đẩyy lýý tưởngg
Mô hình khuấy lý tưởng: l
v
cj-1 cj cj+1 v
cвх(t) S
cвых(t)

0 L
ấ m = VCj
l l+l
Cân bằng
ằ vật chất:

 m   VC j   QC
0
j 1  QC j dt

 C  , t   C  , t 
 U

t 

02.03.2018 25
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.2 Mô hình đẩyy lýý tưởngg
Mô hình khuấy lý tưởng: l
v
cj-1 cj cj+1 v
cвх(t) S
cвых(t)

0 L
 l l+l

Đặt    0; 1 : d   Ld 
L
 C  , t  U  C  , t  1  C  , t 
 
t L  t tb 

L L .S V
t tb  t   
U U .S Q

02.03.2018 26
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.2 Mô hình đẩyy lýý tưởngg
Hàm truyền của mô hình khuấy lý tưởng:
 C  , t  U  C  , t  1  C  , t 
 
t L  t tb 
C R  p   pt
Đặt: W  p  e
CV  p 
 
C R t   C t   L 1 e  pt .1   t  t tb 
Đường cong đáp ứng:
  pt A 
C R t   C t   L  e .   A.t  t tb 
1

 p
02.03.2018 27
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.2 Mô hình đẩyy lýý tưởngg

cвх(t)
с в х (t)
а)

t
0 5 10 0 5 10
,б ) t
с вы х (t) cвых(t)

t
0 5 10 t
0 5 10
tз
tз

02.03.2018 28
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.3 Mô hình chuỗi thiết bịị khuấyy
Hàm truyền của mô hình khuấy lý tưởng:
C1  p   W1  p .C 0  p 
C 2  p   W2  p C1  p   W2  p W1  p C 0  p 
Ta có: 
n
C R  p   C 0  p  Wi  p 
i 1

C
Hàm truyền: W  p   R  p  n
  Wi  p 
CV  p  i 1

02.03.2018 29
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.3 Mô hình chuỗi thiết bịị khuấyy
Hàm truyền của mô hình khuấy lý tưởng:
 C  , t  U  C  , t  1  C  , t 
 
t L  t tb 
C R  p   pt
Đặt: W  p  e
CV  p 
 
C R t   C t   L 1 e  pt .1   t  t tb 
Đường cong đáp ứng:
  pt A 
C R t   C t   L  e .   A.t  t tb 
1

 p
02.03.2018 30
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.3 Mô hình chuỗi thiết bịị khuấyy
Khi: V1 = V2 = … = Vn và Q = const thì
1
W  p   W  p  
n
n
 t
1  p .
n 
V
Ở đây: t 
Q
ố với một bậc: t1 
Đối
t
n

02.03.2018 31
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.3 Mô hình chuỗi thiết bịị khuấyy
Khi: V1 = V2 = … = Vn và Q = const thì
1
W  p   W  p  
n
n
 t
1  p . n 

V
Ở đây: t 
Q
ố với một bậc: t1 
Đối
t
n

02.03.2018 32
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.4 Mô hình khuếch tán
Khi: V1 = V2 = … = Vn và Q = const thì

0 1 l N-1, N

v
cj-1 cj cj+1 v
S vîáð
c âõ(t) câûõ (t)

0 L
j-1 j+ 1
Mô tả toán học:
C  , t  U C  , t  DL C  , t 
   2 
t  
2
L L

02.03.2018 33
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.4 Mô hình khuếch tán
V L C  , t  U C  , t  DL C  , t 
Do t      2 
t  
2
Q U L L

C  , t  C  , t  DL C  , t 
t   
t  UL   2
C  , t  C  , t  1 C  , t 
t   
t  Pe   2

Khi Ре :
C ( , t ) C ( , t )
t 
t 
Khi Ре = 0:
02.03.2018 34
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.4 Mô hình khuếch tán
Do C  , t  C  , t  1 C  , t 
t   
t  Pe   2
d C ( , p )
2
dC ( , p )
 Pe  t Pe. p.C  , p   0
d 2
d
Phương trình là một phương trình vi phân thường thuần
nhất
hất với
ới hệ sốố không
khô đổi.
đổi Nghiệm
N hiệ nóó cóó dạng:
d
C  , p   1e K1  2 e K 2
K1, K2 nghiệm của phương trình đặc trưng:
K  Pe  K  t  Pe  p  0
2

02.03.2018 35
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.4 Mô hình khuếch tán
Nghiệm C  , p   1e K1  2 e K 2
K1, K2 nghiệm
hiệ của
ủ phương
h ttrình
ì h đặ
đặc trưng:
t

K  Pe  K  t  Pe  p  0
2

2
Pe Pe
K1, 2    t  Pe  p
2 4
Ký hiệu nghiệm của phương trình đặc trưng , :
K1    
C  , p   1e    
 2 e    
K2    
02.03.2018 36
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.4 Mô hình khuếch tán
Nghiệm C  , p   1e K1  2 e K 2
Ký hiệu nghiệm của phương trình đặc trưng ,
  và K1  K2:

K1    
C  , p   1e    
 2 e    
K2    
Khi K1 = K2: K = i

C  , p   1 cos     2 sin  e 

02.03.2018 37
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.4 Mô hình khuếch tán
Tích phân để thu nghiệm số từ điều kiện biên:
1 dC
C 0  C0 
Pe d  0
dC
Ở đầu ra: 0
d  1

02.03.2018 38
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.4 Mô hình khuếch tán
Hằng số tích phân xác định từ điều kiện biên:
2CV 0, p 
. 1  a e  
1 
1  a  .e  1  a  .e
2  2 

2CV 0, p 
. 1  a e  
2 
1  a  .e  1  a  .e
2  2 


Ở đầu: a


02.03.2018 39
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.4 Mô hình khuếch tán
Hằng số tích phân xác định từ điều kiện biên:
Ở đầu vào:

C  , p  

2CV 0, p e . 1  a .e   1  1  a .e  1  
1  a  .e  1  a  .e
2  2 

Ở đầu ra:
2CV 0, p e .1  a   1  a 
C 1, p  
1  a  .e  1  a  .e
2  2 

02.03.2018 40
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.4 Mô hình khuếch tán
Hàm truyền:
C 1, p  4ae
W  p  
C 0, p  1  a  e  1  a  e
2  2 

Pe

2
Pe
Ở đây:   t .Pe. p
4

a

02.03.2018 41
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.4 Mô hình khuếch tán
Khi L  : CV ( p)  C (0, p)
vì t  
C (1, p)  0
   .
vì t   C ( , p)  CV ( p).e
CR (1, p)  CV  p e   
CR  p     
W ( p)  e
CV  p 

02.03.2018 42
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.5 Mô hình có vùngg chết
Vùng chết có thời gian lưu t → :
-Chiếm chỗ làm ggiảm hiệu
ệ suất sử dụng
ụ gV
-Xảy ra phản ứng phụ
V0 thể tích thiết bị
VC thểể tích
í vùng
ù chết ế
CC nồng độ trong vùng chết
Q lưu lượng
K hệ số trao đổi chất

02.03.2018 43
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.5 Mô hình có vùngg chết
Trong vùng khuấy lý tưởng:
dCR t 
t0  CV t   CC t   CR t 
dt
t0 thời gian lưu trong vùng khuấy
K
 hệ số tính cường độ trao đổi trong dòng
Q
Với vùng chết: dCC t 
tC  CR t   CC t 
dt
VC
tC 
K
02.03.2018 44
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.5 Mô hình có vùngg chết
dCR t 
t0  CV t   CC t   CR t 
dt
dCC t 
tC  CR t   CC t 
dt
Biến đổi ta có: t0 pCR  p   CV  p   CC  p   CR  p 

tC pCC  p   CR  p   CC  p 
Từ đó tìm được
CR  p 
CC  p    CR  p 
tC p  1
02.03.2018 45
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
2.5 Mô hình có vùngg chết
Hàm truyền: CR  p  tC . p  1
W  p  
CV  p  tC .t0 . p 2  tC  t0  p  1  

Từ đó tìm được ồng độ C, đvnđ

Nồ

Thời gian , s
02.03.2018 46
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.1 Mục
ụ đích
Dùng phương pháp sai phân hữu hạn:
-Tính toán mô hình khuếch tán và dẫn nhiệt
ệ
-Thực hành bằng phương pháp số trên máy tính

dV  Fd
Ci0 Ci

 d
L

02.03.2018 47
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.2 Thiết lập
ập mô hình khuếch tán
Mô hình khuếch tán (vật chất, nhiệt):
-Cân bằngg của nguyên
g y tố thể tích dV = Fdl
-Trong môi trường bất động
-Khuếch tán phân tử:
c
j  D  f  С=С0 С С=СL
x
хх=00 хх=L
L

02.03.2018 48
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.2 Thiết lập
ập mô hình khuếch tán
Cân bằng của nguyên tố thể tích dV = Fdl:
c
-Qua tiết diện x1: j1   Df х  х1  t С=С0 С С=СL
x
c x1 =0 x2 =L
L
-Qua
Q tiết diệ x2: j2   Df
iế diện х  х2  t
x
 c c 
-Biến đổi sau : j1  j 2   Df  t  х  х1  х  х2 
 x x 
 c c 
-Cân bằng chung:  Df  t  хх2  хх2   fxc
 x x 
02.03.2018 49
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.2 Thiết lập ập mô hình khuếch tán
Lấy giới hạn khi dV → 0:
С=С0 С С=СL
 c c 
 Df  t  хх2  хх2   fxc
 x x  x1 =0 x2 =L

c c
х  х1  2
x x
х  х2
 c
Vế phải: lim  2
x  0 x x
c c
Vế trái: lim 
x 0 t t
Thu được: c  2c
D 2
t x
02.03.2018 50
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.2 Thiết lập
ập mô hình khuếch tán
Kết quả: c  2c
D 2 С=С0 С С=СL
t x
x1 =0 x2 =L
Điều kiện giới hạn: С t 0  0 C x 0
 C0 C  C0
xL

C
Xét thanh bất động: С t 0  0 C x 0
 C0 0
x x L

Khi: C 0 có nghĩa là tốc độ thay đổi nồng độ bằng 0

x x L

02.03.2018 51
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Phương trình khuếch tán có dạng:
С=С0 С С=СL
 y y
 dx  d  f (, x) x1 =0 x2 =L

 y   0  ( x, )

 y x  0  ( x, )


Gọi là phương trình vi phân đạo hàm riêng bậc nhất

02.03.2018 52
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Phương trình khuếch tán có dạng:
С=С0 С С=СL
 y y
 dx  d  f (, x) x1 =0 x2 =L

 y   0  ( x, )

 y x  0  ( x, )


Gọi là phương trình vi phân đạo hàm riêng bậc nhất

Phươngg trình vi phân
p thườngg bậc
ậ nhất có nghiệm
g ệ là
đường cong y = f(x) trong tọa độ y – x
Phương trình đạo hàm riêng bậc nhất là mặt cong trong hệ
tọa độ  – x,y
02.03.2018 53
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Phương trình khuếch tán có dạng:
С=С0 С С=СL
 y y
 dx  d  f ( , x ) x1 =0 x2 =L

 y   0  ( x ,  )  x y

 y x  0   (x, ) 0 x0 y0

Mặt cong trong hệ tọa độ  – x,y:
x y: 1 x1 y1
y = f(, x) được xây dựng . . .
. . .
. . .

n xn yn
02.03.2018 54
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Tổng quát phương trình:
С=С0 С С=СL
 2u  2u  2u u u
А 2 B C 2 D E  Fu  G
x yx y x y x1 =0 x2 =L
Với A, B, C, D, E, F, G: hàm của x, y
А В
G i là phương
Gọi h trình
ì h bậc
bậ 2 tuyến
ế tính:
í h   AC  B 2
В С
-Khi  < 0: Hybecbolic
-Khi  > 0: Eliptic
-Khi  = 0: Parabolic

02.03.2018 55
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg phápp p sai phân
p hữu hạn
ạ
Khảo sát phương trình Hybecbolic dạng:
 2u 2  2
u С=С 0 С С=СL
 a
t 2 x 2 x 1 =0 x2 =L
Với: a tốc độ truyền sóng trong môi trường
t, x tọa độ

02.03.2018 56
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Khảo sát phương trình Parabolic dạng:
2 С=С0 С С=СL
u 2  u
a
t x 2 x1 =0 x2 =L
Với: a hệ số dẫn nhiệt độ: tốc độ truyền nhiệt theo hướng x
t, x tọa độ

02.03.2018 57
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Khảo sát phương trình Eliptic dạng:
 2u  2u С=С0 С С=СL

2
 2 0
x t x1 =0 x2 =L
Đây chính là phương trình Laplat

02.03.2018 58
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Các phương trình:
С=С0 С С=СL
2 2
 u 2  u
2
a x1 =0 x2 =L
t x 2
2
u 2  u
a
t x 2
 2u  2u
2
 2 0
x t
Cần tìm nghiệm:
g ệ U(t,x)
( , )p
phụụ thuộc ộ vào 2 biến
tổng quát 4 biến: u   2
u  2
u  2
u
2
 a  2  2  2  
t  x y z 
Nghiệm có dạng: U(t, x, y, z)
02.03.2018 59
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg phápp p sai phân p hữu hạn
ạ
Cần tìm nghiệm: U(t,x) phụ thuộc vào 2 biến, tổng quát 4
biến: u   2
u  2
u  2
u
a 
2
 x 2  
t  y 2 z 2  С=С0 С С=СL

Nghiệm có dạng: U(t, x, y, z) x1 =0 x2 =L

02.03.2018 60
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Cần tìm nghiệm: U(t,x) phụ thuộc vào 2 biến
2
u 2  u
a
t x 2 С=С0 С С=СL

Nghiệm có dạng: U(t, x) x1 =0 x2 =L

Điều kiện đầu: u t t0 

Điều kiện biên: u x 0 , u x  L 

02.03.2018 61
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
2
Cụ thể: c  c
D
t x 2 С=С0 С С=СL

x1 =0 x2 =L
Nghiệm có dạng: C(t, x)
C
Điều kiện đầu và biên: С 0 C x 0
 C0 0
t 0 x x L
L

Chia lưới với bước: t và x

Khoảngg chia: [[0,, tk], [[0,, L]
Tìm hàm lưới: С(t,x)
Số khoảng: N  tk  0 K
L0
t x
02.03.2018 62
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
2
Cụ thể: c  c
D
t x 2 С=С0 С С=СL

C
С 0 C x 0
 C0 0 x1 =0 x2 =L
t 0 x xL

hiệ Ckn:
Ký hiệu: Chiều dài x, m
tk  0 0                  1                   k         K–1         K

n  0, N N 0

t
L0 1

k  0, K K
x n

N‐1

N
Thời gian t, s

02.03.2018 63
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Ký hiệu: Ckn: n  0, N N  tk  0 k  0, K K  L  0
t x
Chiều
ề dài x, m
0 1 k K–1 K
0

N1
N-1

N
Thời gian t, s

02.03.2018 64
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
2
Cụ thể: c  c
D
t x 2 С=С0 С С=СL

Sai phân hàm lưới theo thời gian: x1 =0 x2 =L

Ckn: n  0, N
dY Yi  Yi 11
T ái
Trái: 
t
Chiều dài x, m
dt 0                  1                   k         K–1         K

dY Yi 1  Yi
0

Phải: 
dt t 1

g tâm: dY  Yi 1  Yi 1
Trung n

dt 2  t
N‐1

N
Thời gian t, s

02.03.2018 65
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
2
Cụ thể: c  c
D
t x 2 С=С0 С С=СL

Sai phân hàm lưới theo tọa độ: x1 =0 x2 =L

Ckn: k  0, K
n
 С  C kn 1  C kn Chiều dài x, m

Bậc 1:    0                  1                   k         K–1         K

 t  k t
0

Bậc 2: n n n n
C  C C  C 1
 С
2 n k 1 k
 k k 1
n n n
x x C  2C  C
 2   k 1 k k 1
 x  x x 2 n
 k
Thay vào: N‐1

C kn 1  C kn  C kn1  2C kn  C kn1 
 D 
N

t   x 2
 Thời gian t, s

02.03.2018 66
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
2
Cụ thể: c  c
D
t x 2 С=С0 С С=СL

C kn 1  C kn  C kn1  2C kn  C kn1  x1 =0 x2 =L
 D 
t   x 2

Biế đổi:
Biến đổi Chiều dài x, m

 C kn1 
0                  1                   k         K–1         K
 2C kn  C kn1 0
C kn 1  C kn  D  t  2 
 x  1

k1, n k, n k+1, n
n

N‐1

k, n+1 Thời gian t, s

02.03.2018 67
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp p p sai phânp hữu hạn ạ
C
Hàm lưới: k
n 1
 C n
 C n
k 1  2C n
 C n
k 1

k
 D k

t   x 2
 С=С0 С С=СL

 C n
 2 C n
 C n

Biến đổi: C kn 1 n
 C k  D  t  k 1 k k 1
 x1 =0 x2 =L
2
 x 
k1, n k, n k+1, n
Chiều dài x, m
0                  1                   k         K–1         K
0

1
k, n+1

Giá trị hàm lưới C(x,

C(x t) khi tt=0: 0:
n

Điều kiện đầu: C k0  c( x k ,0)  0 N‐1

N
k  (1, K  1) Thời gian t, s

02.03.2018 68
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp p p sai phânp hữu hạn ạ
C
Hàm lưới: k
n 1
 C n
 C n
k 1  2C n
 C n
k 1

k
 D k

t   x 2
 С=С0 С С=СL

 C n
 2 C n
 C n

Biến đổi: C kn 1 n
 C k  D  t  k 1 k k 1
 x1 =0 x2 =L
2
 x 
k1, n k, n k+1, n
Chiều dài x, m
0                  1                   k         K–1         K
0

1
k, n+1

Giá trị hàm lưới C(x, t) n

Khi х=0 и х=L: N‐1

C 0n  C (0, t n )  C 0 n  (0, N ) N
Thời gian t, s

02.03.2018 69
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp p p sai phânp hữu hạn ạ
C
Hàm lưới: k
n 1
 C n
 C n
k 1  2C n
 C n
k 1

k
 D k

t   x 2
 С=С0 С С=СL

 C n
 2 C n
 C n

Biến đổi: C kn 1 n
 C k  D  t  k 1 k k 1
 x1 =0 x2 =L
2
 x 
Tính hàm lưới C(x,
C(x t) theo k
k, n:
Chiều dài x, m
n n n
С  С   C K 1
0                  1                   k         K–1         K
CK 0
0  
х xL  х  K x 1

C Kn  C Kn 1 , n  0, N n

Đầu tiên tính С(xк,t1) với k  (1, K  1) N‐1

Sau đó tính С(xк,tt2) với k  (1, K  1)

N
Thời gian t, s

02.03.2018 70
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Tính hàm lưới C(x, t) theo k, n:
n С=С0 С С=СL
n n
С  С  C K  C K 1
0  
х x  L  х  K x x1 =0 x2 =L

C Kn  C Kn 1 , n  0, N Chiều dài x, m
0                  1                   k         K–1         K

Đầu tiên tính С(xк,t1) với k  (1, K  1)

0

Sau đó tính С(xк,t2) với k  (1, K  1) 1

Tính cho đến С(xк,ttN)

n

N‐1

N
Thời gian t, s

02.03.2018 71
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Tính hàm lưới C(x, t) theo k, n:
С=С0 С С=СL
 C n
 2C n
 C n

C1n 1 n
 C1  D  t  2 1
2
0

 x  x1 =0 x2 =L

 C n
 2C n
 C n

C 2n 1 n
 C 2  D  t  3 2
2
1

 x  Chiều dài x, m
0                  1                   k         K–1         K
0

 C n
 2C n
 C n

C kn 1 n
 C k  D  t  k 1 k k 1 1
2 
 x  n


N‐1

N
Thời gian t, s

02.03.2018 72
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Tính hàm lưới C(x, t) theo k, n:
С=С0 С С=СL

n1 n
 C n
K 1  2C n
K 2  C n
K 3

CK2  CK2  D  t  2  x1 =0 x2 =L
 x 
n1 n
 C n
 2C n
K 1  C n
K 2

CK1  CK1  D  t  K Chiều dài x, m

2  0                  1                   k         K–1         K

 x 
0

CKn1  CKn11 1

N‐1

N
Thời gian t, s

02.03.2018 73
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
x 2
Điều kiện hội tụ: t  С=С0 С С=СL
2D
С  2С x1 =0 x2 =L
Xét phương trình: D 2
t x
Tìm nghiệm
g ệ dạng: ạ g
2
  t  ix    t eix 
Chiều dài x, m

C  Ae  Ae 0
0                  1                   k         K–1         K

2
 Ae   t (cos( wx )  i sin( x )), 1

const = – 2, i   1
Với: А – const,
N‐1

cos(x)+isin(x)
Do: eix=cos( N
Thời gian t, s

02.03.2018 74
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
x 2
Điều kiện hội tụ: t  С=С0 С С=СL
2D
С  2С x1 =0 x2 =L
Xét phương trình: D 2
t x
Với: А – const, = – 2, i   1 0                  1                   k        
Chiều dài x, m
K–1         K

Do: eix=cos(x)+isin(x) 0

Có dạng hàm sóng nghiệm có 1

dạng dài vô hạn khi t n

C knn1 C kn1  2C kn  C kn1

D N‐1
t x 2
N
Thời gian t, s

02.03.2018 75
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
x 2
Điều kiện hội tụ: t  С=С0 С С=СL
2D
С  2С x1 =0 x2 =L
Xét phương trình: D 2
t x
Do: eix=cos(x)+isin(ix)  1 0                  1                   k        
Chiều dài x, m
K–1         K

C kn 1 C kn1  2C kn  C kn1
0

D
t x 2 1

 t n i  xk
Ckn  Ae  Ae( n1 )t i( k 1 )x n

Với: tn=(n-1)t,
N‐1

1)x.
xk=((k-1) N
Thời gian t, s

02.03.2018 76
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Nghiệm: eix=cos(x)+isin(x) С=С0 С С=СL
C kn 1 C kn1  2C kn  C kn1
D x1 =0 x2 =L
t x 2
 t n i  xk
Ckn  Ae
A A ( n1 )t i( k 1 )x
 Ae Chiều dài x, m
0                  1                   k         K–1         K

Với: tn=(n-1)t, 0

xk=(k-1)x. S  e t 1

Сkn  A  S n1  eiw( k 1 )x , Сkn1  A  S n  eiw( k 1 )x n

C kn 1 N‐1
S
C kn N
Thời gian t, s

02.03.2018 77
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Nghiệm: eix=cos(x)+isin(x) С=С0 С С=СL

Сkn  A  S n1  eiw( k 1 )x , Сkn1  A  S n  eiw( k 1 )x x1 =0 x2 =L

C kn 1
S
C kn Chiều dài x, m
0                  1                   k         K–1         K

Hội tụ khi: S  1 0

Không hội tụ: S  1 1

N‐1

N
Thời gian t, s

02.03.2018 78
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
n i ( k 1 )x n 1 i ( k 1 )x
Thay vào: A  S  e  A  S e

t
A  eikx S n 1  2 A  e xi ( k 1 )S n 1 A  ei ( k  2 )x S n 1
D 2
 2
.
x x
Chia hai vếế cho: G=ASn-11ei(k-1)x
i (k 1) :

S 1  e iwx  2  e iwx 
 D 

t   x 2

Khi khảoo sát:
s : eix  2  eix  cos(x)  i sin(x)  2  cos(x) 
 i sin(x)  2(cosx 1)

02.03.2018 79
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Khi khảo sát:
eix  2  eix  cos(x)  i sin(x)  2  cos(x) 
 i sin(x)  2(cosx 1)
x 2
4 sin ( )
S 1  2(cos(  x )  1)  2
Thì:  D    D
t  x 2  x 2
2 x
4 Dt sin
S 1 2
x 2
 x  x
4 Dt sin 2  4 Dt sin 2
Để S  1: 1 2 1   2  2  0.
x 2
x 2

02.03.2018 80
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.3 Phươngg pháp
p p sai phân
p hữu hạn
ạ
Để S  1:
x  x
4 D t sin 2
 4 D t sin 2

1 2 1  2 2  0.
x 2
x 2

 x
2 Dt sin 2
Do đó: 2 1
x 2 x
2
sin  1,
2
x 2
t  .
2D
02.03.2018 81
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.4.1 Ví dụ ụ tính toán
Tính:  c  2
c
D 2
t x
Điều kiện: c t  0  0.
c x 0  0,0005
C
0
x x L

Tính ttrên
ê Mathcad:
at cad: D = 0,01;
0,0 ; Cn = 0,0005 ( = 0)
Cn = 0: x = 0
Ck = 0,5
dx = 0,05
02.03.2018 82
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  43.4.1 Ví dụ ụ tính toán
Tính:  c  2
c Tính trên Mathcad: D = 0,01;
D 2 Cn = 0,0005 ( = 0)
t x
Cn = 0:
0 x=0
Điều kiện: c t  0  0. Ck = 0,5
c  0,0005 dx = 0,05
x 0
C
0
x x L
2 2
dx dx
Để hội
ộ tụ:
ụ dt  với  0.125
2 D 2 D
Khi lấy: dt = 0,1
tn = 0
tk = 4
02.03.2018 83
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  43.4.1 Ví dụụ tính toán
Tính: c  2
c
D 2
t x

Khảo sát: N  tk  tn → N 40
dt
xk  xn
K  → K  10
d
dx

02.03.2018 84
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 3.4.1 Ví dụ
ụ tính toán
Tính: t0  tn Kết quả:
dt  D
C ( N K dt dx D Cn )  D1 
2
x0  xn for k  0  K  1
dx

n  0  N  1
C  0
0 k
for n  0  N
 Cn
k  0  K  1
C
n 0
C  C
0 K 0 K  1

t n 1  t n  dt for n  0  N  1
for k  1  K  1
C  C 
 D1  C  2 C  C 
xk 1  xk  dx C
n  1 k
 C
n k n k  1 n k n k  1

n  1 K n  1 K  1
C

02.03.2018 85
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 3.4.1 Ví dụ
ụ tính toán
Kết quả: 0 1 2 3 4
0 5·10-4 0 0 0 0
1 10-44
5·10
5 10-44
2·10
2 0 0 0
2 5·10-4 2.4·10-4 8·10-5 0 0
3 5·10-4 2.8·10-4 1.12·10-4 3.2·10-5 0
4 5·10-4 3.008·10-4 1.472·10-4 5.12·10-5 1.28·10-5
5 5·10-4 3.19·10-4 1.702·10-4 7.424·10-5 2.304·10-5
6 5·10-4 3.319·10-4 1.914·10-4 9.216·10-5 3.635·10-5
C( 40100.10.050.010.0005)  7 5·10-4 3.429·10-4 2.079·10-4 1.095·10-4 4.823·10-5
8 5·10-4 3.517·10-4 2.226·10-4 1.244·10-4 6.042·10-5
9 5·10-4 3.594·10-4 2.35·10-4 1.381·10-4 7.166·10-5
10 5·10-4 3.659·10-4 2.46·10-4 1.503·10-4 8.25·10-5
11 10-44
5·10
5 10-44
3 716·10
3.716 10-44
2 556·10
2.556 10-44
1 614·10
1.614 10-55
9 262·10
9.262
12 5·10-4 3.766·10-4 2.643·10-4 1.716·10-4 1.022·10-4
13 5·10-4 3.81·10-4 2.721·10-4 1.809·10-4 1.112·10-4
14 5·10-4 3.851·10-4 2.792·10-4 1.895·10-4 1.197·10-4
15 5·10-4 3.887·10-4 2.857·10-4 1.975·10-4 ...

02.03.2018 86
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 3.4.1 Ví dụ
ụ tính toán
Kết quả: dt  D
ras( N K dt dx D cn)  D1
2
dx
for k 0 K  1
c0 k  0
f n 0 N
for
cn 0  cn
c0 K  c0 K1
for n 0 N  1
for k 1 K  1
cn1 k  cn k  D1  cn k1  2  cn k  cn k1
cn1 K  cn1 K1
(  0.1
C4010 0.05
0.01
0.0005
)
c

02.03.2018 87
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 3.4.1 Ví dụ
ụ tính toán
Kết quả:
dt  D
ras( N K dt dx D cn)  D1
2
d
dx
for k 0 K  1
4
6 10

c0 k  0
C n 0
4
for n 0 N
4 10
C n 2
cn 0  cn
C n 5
c0 K  c0 K1
C n 7
4
2 10
C n 10
for n 0 N  1
for k 1 K  1
cn1 k  cn k  D1  cn k1  2  cn k  cn k1
0
0 1 2 3 4
tn cn1 K  cn1 K1
c
02.03.2018 88
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 3.4.1 Ví dụ
ụ tính toán
Kết quả:
dt  D
ras( N K dt dx D cn)  D1
2
d
dx
4
6 10
for k 0 K  1
c0 k  0
C0 k
4 10
4 for n 0 N
C10 k
cn 0  cn
C20 k
c0 K  c0 K1
C30 k
4
2 10
C40 k
for n 0 N  1
for k 1 K  1
cn1 k  cn k  D1  cn k1  2  cn k  cn k1
0
0 0.2 0.4 0.6
cn1 K  cn1 K1
xk
c
02.03.2018 89
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
3.4.2 Ví dụ
ụ tính toán dẫn nhiệt
ệ
t  2t
Tính trường nhiệt độ: a 2
 x
Điều kiện: t   0  sin x 
t x 0  t x 1  0
Tính trên Excel: a = 1
x  [0, [0 1]
Hàm lưới: ti 1, j 1  ti 1, j 1
ti , j 
2

02.03.2018 90
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 3.4.2 Ví dụ
ụ tính toán dẫn nhiệt
ệ
x
Lập bảng tính Excel: 
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0 0 =SIN(PI()*C1) 0.588 0.809 0.951 1 0.951 0.809 0.588 0.309 0

1 0 0
2 0 0
3 0 0
4 0 0
5 0 0
6 0 0
7 0 0
8 0 0
9 0 0
10 0 0
11 0 0
12 0 0
13 0 0
14 0 0
15 0 0
16 0 0
17 0 0
18 0 0
19 0 0
20 0 0
02.03.2018 91
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 3.4.2 Ví dụ
ụ tính toán dẫn nhiệt
ệ
x
Lập bảng tính Excel: 
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

0 0 0.309 0.588 0.809 0.951 1 0.951 0.809 0.588 0.309 0

1 0 0.294 0.559 0.769 0.905 0.951 0.905 0.769 0.559 0.294 0
2 0 0.28 0.532 0.732 0.86 0.905 0.86 0.732 0.532 0.28 0
3 0 0.266 0.506 0.696 0.818 0.86 0.818 0.696 0.506 0.266 0
4 0 0.253 0.481 0.662 0.778 0.818 0.778 0.662 0.481 0.253 0
5 0 0.24 0.457 0.629 0.74 0.778 0.74 0.629 0.457 0.24 0
6 0 0 229
0.229 0 435
0.435 0 599
0.599 0 704
0.704 0 74
0.74 0 704
0.704 0 599
0.599 0 435
0.435 0 229
0.229 0
7 0 0.217 0.414 0.569 0.669 0.704 0.669 0.569 0.414 0.217 0
8 0 0.207 0.393 0.542 0.637 0.669 0.637 0.542 0.393 0.207 0
9 0 0.197 0.374 0.515 0.605 0.637 0.605 0.515 0.374 0.197 0
10 0 0 187
0.187 0 356
0.356 0 49
0.49 0 576
0.576 0 605
0.605 0 576
0.576 0 49
0.49 0 356
0.356 0 187
0.187 0
11 0 0.178 0.338 0.466 0.548 0.576 0.548 0.466 0.338 0.178 0
12 0 0.169 0.322 0.443 0.521 0.548 0.521 0.443 0.322 0.169 0
13 0 0.161 0.306 0.421 0.495 0.521 0.495 0.421 0.306 0.161 0
14 0 0.153 0.291 0.401 0.471 0.495 0.471 0.401 0.291 0.153 0
15 0 0.146 0.277 0.381 0.448 0.471 0.448 0.381 0.277 0.146 0
16 0 0.138 0.263 0.362 0.426 0.448 0.426 0.362 0.263 0.138 0
17 0 0.132 0.25 0.345 0.405 0.426 0.405 0.345 0.25 0.132 0
18 0 0.125 0.238 0.328 0.385 0.405 0.385 0.328 0.238 0.125 0
19 0 0.119 0.227 0.312 0.367 0.385 0.367 0.312 0.227 0.119 0
20 0 0.113 0.215 0.297 0.349 0.367 0.349 0.297 0.215 0.113 0
02.03.2018 92
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 3.4.2 Ví dụ
ụ tính toán dẫn nhiệt
ệ
Lập bảng tính Excel:

02.03.2018 93
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 4. Phươngg pháp
p p Runge
g - Kutta
Thuật toán Runge – Kutta bậc 4:
-Đơn giản
-Chính
Chí h xác,
á các
á ngành
à h kỹ thuật
th ật hay
h dùdùng
-Kỹ thuật Hóa học: giải bài toán động học
hệ cân bằng vật chất

a1  h  F (Ci );
 a1 
h a2  h  F  Ci  ;
Ci 1  Ci   a1  2a2  2a3  a4   2
6
 a2 
a3  h  F  Ci  ;
 2
a4  h  F Ci  a3 .
02.03.2018 94
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 4. Phươngg pháp
p p Runge
g - Kutta
Thuật toán Runge – Kutta:
Tính gần đúng giá trị hàm tại x = x0 + i.h khi biết y(x0) = y0
y1  y0  pq1  k1 (h)  pq 2  k 2 (h)  ...  pqq  k q (h)
Ở đây: k1 (h)  h  f ( x0 , y0 )
k 2 (h)  h  f x0   2  h, y0   21  k1 (h)
.................

k q (h)  h  f x0   q h, y0   q1  k1 (h)  ...   q ,q 1  k q 1 (h) 

02.03.2018 95
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 4. Phươngg pháp
p p Runge
g - Kutta
Thuật toán Runge – Kutta:
Tính gần đúng giá trị hàm tại x = x0 + i.h khi biết y(x0) = y0
y1  y0  pq1  k1 (h)  pq 2  k 2 (h)  ...  pqq  k q (h)
Các số  i ,ij , pqi được chọn theo bước h nằm trong chuỗi Taylo:

h2 h s (s) h s 1 ( s 1)
y ( x1 )  y0  hy0  y0  ...  y0    y0
2 s! ( s  1))!
y0( k )  y ( k ) ( x0 )
h  x1  x0
x0    x1

02.03.2018 96
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 4. Phươngg pháp
p p Runge
g - Kutta
Thuật toán Runge – Kutta:
Tính gần đúng giá trị hàm tại x = x0 + i.h khi biết y(x0) = y0
y1  y0  pq1  k1 (h)  pq 2  k 2 (h)  ...  pqq  k q (h)
Điều đó tương đương với dùng hàm bổ trợ:
q
 q (h)  y ( x0  h)  y0   pqi ki (h)
i 1
Với số hạng đầu tiên khi bỏ phần bậc cao:
h s 1 ( s 1)
 q ( h)  q (0)  о(h ( s 1) )
( s  1)!
Khi chọn để nó là hằng số thì: q (h)
1  q (h)  y ( x0  h)  y1
02.03.2018 97
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 4. Phươngg pháp
p p Runge
g - Kutta
Thuật toán Runge – Kutta:
Tính gần đúng giá trị hàm tại x = x0 + i.h khi biết y(x0) = y0
Khi chọn để nó là hằng số thì:
h s 1 ( s 1)
 q ( h)  q (0)  о(h ( s 1) )
( s  1)!
1  q (h)  y ( x0  h)  y1
s 1
h
Sai số xác định theo: (qs 1) (0)
( s  1)!
Khi q = 1, 2, 3, 4 … chọn các số  i ,ij , pqi tương ứng sẽ có phương
pháp Runge – Kutta bậc 1, 2, 3, 4.
Đối với q = 5, không thể xây dựng phương pháp kiểu Runge
Runge-Kutta
Kutta
theo thứ tự năm hệ số, phải có sự kết hợp nhiều hơn năm hệ số.
02.03.2018 98
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 4. Phươngg pháp
p p Runge
g - Kutta
Xét phản ứng: A → B → P
Bắt đầu

 dC A Nhập số liệu đầu С , i=1, m, k ,  i 1

 d   k C
1 A
k , t , h 2 k

t = 0

Hệ phương trình động học:  dC t = t + h


B
 k1 C A  k 2 C B
 d  Tính F(С )
Tính F(С i

 dC P i = 1

 d  k 2 C B Tính C i = i + 1

i, 

Đ
i < m
Điều kiện đầu:  = 0: CA = CA0 S
CB = CB0 Xuất kết quả tính toán
Xuất kết quả tính toán

CP = CP0
Đ
t < tk

S
Кết thúc

02.03.2018 99
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 4. Phươngg pháp
p p Runge
g - Kutta
 A  P
Biến thiên nồng độ: 0 1 0 0
0.002 0.993 0.007 1E-05
0.003 0.985 0.015 4E-05
12
1.2 0 005
0.005 0 978
0.978 0 022
0.022 1E 04
1E-04
0.006 0.97 0.029 2E-04
0.008 0.963 0.037 3E-04
1 0.009 0.956 0.044 4E-04
0.011 0.949 0.051 5E-04
0.012 0.942 0.058 7E-04
0.8 0.014 0.935 0.064 9E-04
0.015 0.928 0.071 0.001
0.017 0.921 0.078 0.001
0.6 A 0.018 0.914 0.085 0.002
B 0.02 0.907 0.091 0.002
P
0.021 0.9 0.098 0.002
0.4 0.023 0.894 0.104 0.002
0.024 0.887 0.11 0.003
0.026 0.88 0.117 0.003
0.2 0.027 0.874 0.123 0.003
0.029 0.867 0.129 0.004
0.03 0.861 0.135 0.004
0
0.032 0.854 0.141 0.005
0 0.5 1 1.5 2 2.5 3 3.5 4
0.033 0.848 0.147 0.005
0.035 0.842 0.153 0.005
0.036 0.835 0.159 0.006

02.03.2018 10
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07 0
 PHƯƠNG PHÁP GIẢI MÔ HÌNH

190361
tk  4 4. Phươngg pháp
p p Runge
g - Kutta
So sánh phương pháp Runge – Kutta (k1 = k2 = 0) và giải tích:
A, B, P  15
610
A (t) Bex(t),
Aex(t), B (t) Pex(t)
P (t)
Sai số khá nhỏ: 410
 15
Không quá 0,5.1015
 15
A  Aex( t ) 210

B  Bex( t )
0
P  Pex( t )
 15
 210

 15
 410

 15
 610
0 1 2 3 4
t
02.03.2018 10
Mô hình hóa – Mô phỏng – Tối ưu hóa MS: CH2051
21:07 1