На монтажном чертеже прибора изображен манометр “WIKA” с трубчатой пружиной.

Его характеристики:

Тип 213.53, гидрозаполнение.

Класс точности 1,0

Нерж. сталь

Степень защиты от пыли и влаги IP65

Температура измер. среды +60°С

Заполнение: глицерин 99,7%

Диапазон измерений 0¸6 атм.

Манометр должен быть закреплен в не подверженном сотрясениям месте и расположен таким образом, чтобы было обеспечено удобное считывание показаний.

Присоединения должны быть герметичны. Рекомедуется установить между местом замера давления и манометром запорное устройство, обеспечивающего замену измерительного прибора и контроль нуля в рабочем состоянии.

Для уплотнения соединений манометра с цилиндрической резьбой на месте уплотнения используются плоские уплотняющие прокладки.

Перед демонтажем манометра отвести давление от измерительного элемента. В противном случае снять напряжение с измерительной линии.

Эксплуатация: в целях избежания гидравлических ударов следует производить медленное открывание запорных приспособлений.

Принцип действия манометра основан на уравновешивании измеряемого давления силой упругой деформации трубчатой пружины. Перемещение пружины (вследствие ее деформации) вызывает посредством передаточного механизма отклонение указателя на величину, пропорциональную давлению.

11. Безопасность жизнедеятельности

Ввыаываываываываыва

полп

оло

или

ол

конец

12. Технико-экономическое обоснование индивидуальной части

выаыва

13. Описание образцов видеокадров

На листе представлены образцы видеокадров разработанных с использование SCADA системы TRACE Mode. Обзорная мнемосхема, отражающая структуру связей видеокадров стадии ферментации, позволяет получить общие данные о процессе, а также перейти к окну с более детальной информацией интересующего сегмента технологической линии, где в свою очередь имеется возможность вызова детальных видеограмм: мнемосхем, таблиц и графиков трендов взаимосвязанных технологических параметров.

На обзорной мнемосхеме изображена линия подготовки питательной среды со вспомогательным оборудованием.

На втором видеокадре представлен ферментер с трубопроводной обвязкой, направлениями потоков, шкалами, показывающими измеряемые технологические параметры в реальном времени: температуры в ферментерах, pH ферментационной среды, давление, уровень среды в аппарате, содержание растворенного кислорода в ферментационной среде, содержание углекислого газа в отходящих газах. Параметры, находящиеся в пределах технологических уставок – отображаются зелёным цветом, выходящие за эти пределы – красным.

14. Индивидуальная часть проекта
Моделирование биосинтеза кормовой добавки

Рассмотрен процесс получения кормовой добавки, содержащей ферментный комплекс. Создана математическая модель процесса, предложена система автоматизации и определения оптимального времени прекращения процесса.

В настоящее время в России стоит проблема переработки послеспиртовой барды: завод по производству этанола мощностью 42000 дал/сутки ежесуточно производит порядка 5000 тонн содержащей жидкой барды, причем из них перерабатывается не более 5%. Невостребованную барду большинство предприятий сливают в близлежащие водоемы либо на поля, что серьезно ухудшает экологическую ситуацию вокруг спиртзаводов. Проблема усложняется тем, что барда – скоропортящаяся жидкость и становится зараженной посторонней микрофлорой в течение нескольких часов.

Одним из способов решения данной проблемы является переработка барды в кормовой продукт с помощью целлюлозоразрушающих бактерий рода Cellulomonas, которые характеризуется способностью экскретировать в среду эндоглюканазы – фермент, преобразующий содержащуюся в барде целлюлозу в углеводы (сахара – смесь моносахаридов и дисахаридов), которые усваивает микроорганизм.

Послеспиртовая барда (нестерильная, но содержащая весьма мало контаминантов) поступает в предварительно простерилизованный ферментёр. Стерилизация всей среды не имеет смысла, т.к. резко удорожает проведение процесса (энергозатраты на прогрев барды, стерилизацию подаваемого воздуха и т.д.), и вследствие малой продолжительности процесса (порядка 50 часов) контаминаты не успевают развиться до заметных концентраций. Стерилизиция же аппарата необходима для устранения потенциальных очагов заражения. Среда в ферментёре доводится подачей титранта до необходимого значения показателя pH, после чего вносится из посевного ферментёра порция среды, содержащей микроорганизмы рода Cellulamonas и выработанный ими ферментый комплекс. Микроорганизмы, попадая в благоприятную среду, выделяют комплекс целлюлатических ферментов – эндоглюконаз, которые расщепляют целлюлозу (полимер) на короткие углеводы (сахара), которые могут быть питательным субстратом. Таким образом, идёт рост (и параллельно ему – отмирание) биомассы, потребление сахаров, синтез (и параллельно ему – инактивация) фермента, превращение целлюлозы в сахара. Конечный продукт – кормовая добавка: смесь остатков целлюлозы с биомассой и ферментом.

Процесс периодический (ввиду опасности заражения посторонней микрофлорой), в ходе процесса подаётся воздух для поддержания концентрации растворённого кислорода, поддерживаются на заданных уровнях температура (подачей охлаждающей воды в рубашку) и показатель pH. Схема основных контуров автоматизации приведена на рисунке 1.

Рисунок 1. Схема автоматизации процесса промышленной ферментации:
1, 2 – подача и отвод охлаждающей воды; 3 – линия отходящих газов; 4 – линия подачи подпиток; ПФ – посевной ферментёр; Ф1-4 – батарея фермёнтеров

Для оптимизации процесса составим его математическую модель.

Материальный баланс по биомассе запишем с использованием уравнения Моно-Иерусалимского:

,

где – концентрация биомассы, г/л; – концентрация сахаров, потребляемых микроорганизмами, – скорость отмирания биомассы г/л·час; – максимальная удельная скорость роста, час^-1; – параметр модели.

Скорость отмирания биомассы запишем по уравнению Колпикова:

,

где – максимальная удельная скорость диссимиляции при нулевой концентрации субстрата, час^-1; – константа субстратного ингибирования процесса диссимиляции.

Скорость преобразования биодоступной целлюлозы в сахара, поскольку это ферментативная реакция, запишем по уравнению Михаэлис-Ментен:

,

где – концентрация биодоступной целлюлозы, г/л; – концентрация фермента, Ea/л (концентрацию фермента принято указывать в единицах активности Ea, в данном случае за Еа принято количество фермента, катализирующего превращение 1 г субстрата за 1 минуту при концентрации субстрата 1 г/л), , – параметры модели.

Материальный баланс по ферменту запишем с использованием уравнения Андрюса, с учётом деградации фермента:

,

где , , – параметры модели, характеризующие биосинтез фермента, – параметр модели, характеризующий деградацию фермента.

Совместное решение уравнений модели приведено на рисунке 2.

Рисунок 2. Зависимость концентраций от времени в процессе биосинтеза

Задавшись величинами стоимостей сырья, энергоресурсов и продукции как функции от продолжительности процесса (см. рисунок 3), получим, что существует оптимальная продолжительность процесса, которая почти совпадает с моментом времени, когда концентрация сахаров выходит на стационарное значение вблизи 0.

Рисунок 3. Зависимость удельной прибыли (руб/час) от продолжительности процесса

Логично прекращать процесс в этот момент времени, однако сложность в том, что основные показатели качества проведения процесса (концентрации ферментов, сахаров, биомассы) определяются с существенными погрешностями и запаздыванием в несколько часов.

В работе предложены компьютеризованные модификации методики анализа проб на содержание углеводов и ферментов, которые существенно повысили точность анализа, но его продолжительность по-прежнему составляет порядка нескольких часов при определении активности ферментов и не менее 30-40 мин при определении концентрации углеводов (в данном случае – сахаров). В этом случае может помочь использование модели. Но построение аналитической модели сопряжено с рядом трудностей:

– при помощи химического анализа определяется концентрация всей целлюлозы, поэтому исходную концентрацию биодоступной целлюлозы можно узнать только когда процесс закончится;

– ряд параметров модели (, ) можно определить в отдельных экспериментах, но параметрическая идентификация всего процесса сводится к задаче минимизации функции многих переменных. Значительные вычислительные трудности возникают по причине многоэкстремальности задачи, наличие нескольких близких по качеству решений в различных областях пространства параметров осложняет поиск глобального экстремума и препятствует эффективному применению итерационных методов.

Код программы:

Public Function dX(Ss, X) 'производная концентрации биомассы по времени

mum = 0.5 ' максимальная удельная скорость роста биомассы

Ks = 100

If Ss > 0 Then dX = mum * Ss / (Ks + Ss) * X Else dX = 0

End Function

Public Function dSc(E, Sc) 'преобразование целлюлозы в сахар

alpha = 7.25 '

Km = 50

If Sc > 0 Then dSc = -alpha * E * Sc / (Km + Sc) Else dSc = 0

End Function

Public Function dSs(E, Sc, Ss, X) 'производная концентрации сахара по времени

Kmu = 1.5

Kx = 0.4 'потребление субстрата на поддержание биомассы

If Ss > 0 Then dSs = -Kx * X - dX(Ss, X) * Kmu - dSc(E, Sc) Else dSs = 0

End Function

Public Function dE(Ss, X) 'производная концентрации фермента по времени

Kp = 1.3

Ksf = 256

Kif = 0.25

If Ss > 0 Then dE = Kp * Ss * X / (Ksf + Ss + Ss ^ 2 / Kif) Else dE = 0

End Function

Public Function dQ(Ss, X) ' отмирание биомассы

Kd = 0.01

mud = 0.01

If X > 0 Then dQ = X * mud / (1 + Ss / Kd) Else dQ = 0

End Function

Public Sub model()

dt = 0.5

Kdf = 0.00025

Xo = 1

Eo = 0.2

Sco = 95

Sso = 5

Range("B2").Select

t = 0

For i = 1 To 100

Xn = Xo + dX(Sso, Xo) * dt - dQ(Sso, Xo) * dt

Scn = Sco + dSc(Eo, Sco) * dt

Ssn = Sso + dSs(Eo, Sco, Sso, Xo) * dt

En = Eo + dE(Sso, Xo) * dt - Kdf * Eo * Xo

t = t + dt

ActiveCell.Offset(i, -1) = t

ActiveCell.Offset(i, 0) = Xn

ActiveCell.Offset(i, 1) = Scn

ActiveCell.Offset(i, 2) = Ssn

ActiveCell.Offset(i, 3) = En

Xo = Xn

Sco = Scn

Sso = Ssn

Eo = En

Next i

End Sub

Результаты расчета:

15. Результаты выполнения
дипломного проекта

В данном проекте спроектирована централизованная система автоматического управления стадией ферментации в процессе производства кормовой добавки, отвечающая всем современным требованиям, предъявляемым к системам такого рода. При этом есть возможность дистанционного управления всеми необходимыми технологическими параметрами. Видеокадры, спроектированные в программной среде Trace Mode, позволяют оператору следить за показаниями всех параметров, оперативно управлять процессом, как в случае аварии, так и в штатном режиме.

В графической части проекта представлены следующие листы:

- Функциональная схема автоматизации

- План расположения средств автоматики и проводок

- Схема внешних соединений

- Монтаж датчика

- Система блокировок и сигнализации

- Технико-экономическое обоснование проекта

- Образцы видеокадров

- Индивидуальная часть проекта:

Использование математической модели, полученной в индивидуальной части проекта, позволяет по имеющимся значениям анализов первых часов процесса уточнить параметры модели, подверженные наибольшему изменению. Уточненные параметры модели позволят изменить планируемую продолжительность процесса, чтобы повысить прибыль.

16. Список литературы

1. Дудников Е. Г. Автоматическое управление в химической промышленности. – М.: Химия, 1987

2. Автоматизация производственных процессов в химической промышленности В.А. Голубятников, В.В. Шувалов, М.: Химия, 1985

3. под ред. А.С. Клюева. Проектирование систем автоматизации технологических процессов, – М.: Энергоатомиздат, 1990

4. ГОСТ 21.404-85. Автоматизация технологических процессов. Обозначения приборов и средств автоматизации в схемах.

5. Бирюков В.В., Кантере В.М., “Оптимизация периодических процессов микробиологического синтеза”. М.:Наука, 1985г.

6. Справочник химика, том 1 Глав. редактор Б.П. Никольский, Издательство “Химия”, Москва 1966г.

7. Бирюков В.В., “Основы промышленной биотехнологии”. ‑М.:КолоС, 2004г.

8. Тулякова Т.В., Мордвинова Е.М., Сергеева А.В., Пасхин А.В. Способ переработки спиртовой барды в кормовой продукт. Патент РФ 2384203

9. Зубов Д.В., Парамонов Е.А. Применение компьютерной обработки изображения для повышения точности анализа методом тонкослойной хроматографии // Инженерная физика. – 2008 №4 –с.53-58

1. Парр Э. Программируемые контроллеры: руководство для инженера. -М.: БИНОМ. Лаборатория знаний, 2009. -516 с.
2. Сумительнов В.Н. Автоматизированные информационно-управляющие системы: учеб. пособие. -М.: ГОУ ВПО МГУЛ, 2007. -163 с.
3. Денисенко В.В. Компьютерное управление технологическим процессом, экспериментом, оборудованием. -М.: Горячая линия - Телеком, 2009. -608 с.
4. Федоров Ю.Н. Справочник инженера по АСУТП: Проектирование и разработка. Учебно-практическое пособие. -М.: Инфра-Инженерия, 2008. -928 с.
5. Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы: Учебник для вузов. 3-е изд. -СПб.: Питер, 2008. -958 с.
6. Гук М. Аппаратные средства локальных сетей. Энциклопедия - СПб.: Издательство "Питер", 2000. -576 с.
7. Батоврин В.К.,Бессонов А.С., Мошкин В.В., Папуловский В.Ф. LabVIEW: практикум по основам измерительных технологий: Учебное пособие для вузов. -М.: ДМК Пресс, 2005. -208 с.

8. Жуков К.Г. Модельное проектирование встраиваемых систем в LabVIEW. - М.: ДМК Пресс, 2011. -688 с.
9. Суранов А.Я. LabVIEW 7: Справочник по функциям. -М.: ДМК Пресс, 2005. -512 с.
10. Тревис Дж. LabVIEW для всех, пер. с англ. -М.: ДМК Пресс; ПриборКомплект, 2004. - 544 с.
11. Гартман Т.Н., Клушин Д.В. Основы компьютерного моделирования химико-технологических процессов: Учеб. пособие для вузов. -М.: ИКЦ "Академкнига", 2008. -416 с.

1. Конкретная математика. Основание информатики / Р. Грэхем, Д. Кнут, О. Паташник 3-е изд. -М.: Мир; БИНОМ. Лаборатория знаний., 2009. -703 с.

Не нашли, что искали? Воспользуйтесь поиском: