为了测定一闭式流动反应器的停留时间分布,采用脉冲示踪法,反应器出口物料中示踪物浓度如下:t/min012345678910C(t)/g∙L-10035664.53210试计算:(1)反应物料在该反应器中的平均停留时间τ和方差σ2(2)若将该反应器用多釜串联模型描述,其模型参数N为多少?
为了测定一闭式流动反应器的停留时间分布,采用脉冲示踪法,反应器出口物料中示踪物浓度如下:
t/min | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
C(t)/g∙L-1 | 0 | 0 | 3 | 5 | 6 | 6 | 4.5 | 3 | 2 | 1 | 0 |
试计算:
(1)反应物料在该反应器中的平均停留时间τ和方差σ2
(2)若将该反应器用多釜串联模型描述,其模型参数N为多少?
题目解答
答案
:(1)根据题给数据即可求出E(t)。本题可用差分法(亦可用辛普森数值积分求得)。
根据公式2-88
m=ΣQc(t)△t=(3 5 6 6 4.5 3 2 1)Q∆t
=(3 5 6 6 4.5 3 2 1)×1×Q=30.5Q
Et=Qctm=Qct30.5Q=ct30.5
算出平均停留时间和方差。此处用差分法,即:
t=ΣtE(t)∆tΣE(t)∆t(A)
σt2=Σt2Et∆t-τ2(B)
为了计算平均停留时间和方差,将不同时间下的几个函数值列于下表中:
t/min | C(t)/g∙L-1 | E(t)/min-1 | E(t)∆t | tE(t)∆t/min | t2E(t)∆t/min2 |
0 | 0 | 0 | 0 | 0 | 0 |
1 | 0 | 0 | 0 | 0 | 0 |
2 | 3 | 0.09836 | 0.09836 | 0.1967 | 0.3934 |
3 | 5 | 0.1639 | 0.1639 | 0.4917 | 1.475 |
4 | 6 | 0.1967 | 0.1967 | 0.7968 | 3.147 |
5 | 6 | 0.1967 | 0.1967 | 0.9835 | 4.918 |
6 | 4.5 | 0.1475 | 0.1475 | 0.8850 | 5.310 |
7 | 3 | 0.9836 | 0.9836 | 0.6885 | 4.8193 |
8 | 2 | 0.06557 | 0.06557 | 0.5246 | 4.197 |
9 | 1 | 0.03279 | 0.03279 | 0.2951 | 2.656 |
10 | 0 | 0 | 0 | 0 | 0 |
Σ | 0.99988 | 4.852 | 26.92 | ||
t=4.8520.99988=4.853min
σt2=26.92-4.8532=3.372min
σθ2=σt2t2=3.3724.5832=0.1432
(2)N=1σθ2=10.1432=6.98
解析
本题主要考察停留时间分布的相关计算,包括平均停留时间、方差以及多釜串联模型参数的确定,具体思路如下:
(1)平均停留时间τ和方差σ²的计算
脉冲示踪法中,停留时间分布密度函数 $E(t)$ 与示踪物浓度 $C(t)$ 的关系为:
$E(t) = \frac{C(t)}{\int_0^\infty C(t)dt}$
由于采用等时间间隔($\Delta t=1\,\text{min}$)采样,积分可近似为求和:
$\int_0^\infty C(t)dt \approx \sum C(t)\Delta t$
步骤1:计算$\sum C(t)\Delta t$
根据题目数据,$t\geq2\,\text{min}$时$C(t)$非零,求和得:
$\sum C(t)\Delta t = (3+5+6+6+4.5+3+2+1)\times1 = 30.5\,\text{g·L}^{-1}\cdot\text{min}$
步骤2:计算$E(t)$及相关矩
$E(t) = \frac{C(t)}{30.5}$,结合$\Delta t=1$,计算:
- 平均停留时间$\tau = \sum tE(t)\Delta t$
- 方差$\sigma_t^2 = \sum t^2E(t)\Delta t - \tau^2$
步骤3:数值计算
列表计算各时刻的$E(t)$、$tE(t)\Delta t$、$t^2E(t)\Delta t$,求和后得:
$\tau \approx 4.853\,\text{min}, \quad \sigma_t^2 \approx 3.372\,\text{min}^2$
(2)多釜串联模型参数N的计算
多釜串联模型中,无因次方差$\sigma_\theta^2$与串联釜数$N$的关系为:
$\sigma_\theta^2 = \frac{\sigma_t^2}{\tau^2} = \frac{1}{N}$
故:
$N = \frac{1}{\sigma_\theta^2}$
步骤1:计算$\sigma_\theta^2$
$\sigma_\theta^2 = \frac{3.372}{4.853^2} \approx 0.1432$
步骤2:计算N
$N = \frac{1}{0.1432} \approx 6.98$