سوالها و درخواستها در مورد شبیه سازی با نرم افزار اسپن پلاس +Aspen
- شروع کننده موضوع P O U R I A
- تاریخ شروع
ALPR.ChemEng
عضو
ببین این تز برای شروع می تونه کمک کنه ؟ فصل 5 اش برای هایسیس هست اما شاید خوندن فصل 3 و 4 مفید باشه
http://www.diva-portal.org/smash/get/diva2:745188/FULLTEXT01.pdf
آخرین ویرایش توسط مدیر:
سلام دوستان عزیز
من روی فرآیند پلیمریزاسیون کار میکنم. من به مرحله ای رسیدم که میبایست پارامتر های سینتیکی را فیت کنم تا داده های خروجی از نرم افزار با داده های واحد یکسان بشود. اما قبل از این کار مشاورم به من گفتش که این کار را انجام بدهم The reactor models don't appear to converge. Do they for you? This will have to be resolved before you can start using the model to fit parameters. من هم بر اساس رفرنس معرفی شده این عملیات را انجام دادم According to the “Aspen polymers plus example and applications casebook “; I changed parameters in blocks CSTR-1 and 2 (convergence). Solver → newton Stabilization Strategy→ Line-Search Advanced Parameters, Scaling method→ Component-based Selected→ Initialize using integration Diagnostics, 4 to 7 بعد با استفاده از رفرنس دیگر From book2 (page 25 of 297) I have solved like bellow before: solver → newton stabilization → line search diagnostics → 4 to 7 After that, I could remove two errors in results. اما مشاور این پاسخ را به من دادش برای عملیات اول My first question is were you able to get it to converge with the estimates? This problem should be easier to solve than without the estimates, so if you haven't gotten that working, please do that first. جوابش برای عملیات دوم It doesn't matter which way you set up convergence as long as you get an error-free solution. The User Guide has general principles to get convergence while the Examples book has specific ways to get a particular simulation to converge. Both are adequate as long as you can get your model to converge. You say you already have a converging solution - one that doesn't need estimates? حالا من گیج شدم که میبایست چه کار کنم دقیقا. منظورش از کانورژ کردن چی میباشد.ممکن است در این زمینه بنده را راهنمایی کنید که چه کاری باید انجام بدهم.
http://www.www.www.iran-eng.ir/image/png;base64,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
من روی فرآیند پلیمریزاسیون کار میکنم. من به مرحله ای رسیدم که میبایست پارامتر های سینتیکی را فیت کنم تا داده های خروجی از نرم افزار با داده های واحد یکسان بشود. اما قبل از این کار مشاورم به من گفتش که این کار را انجام بدهم The reactor models don't appear to converge. Do they for you? This will have to be resolved before you can start using the model to fit parameters. من هم بر اساس رفرنس معرفی شده این عملیات را انجام دادم According to the “Aspen polymers plus example and applications casebook “; I changed parameters in blocks CSTR-1 and 2 (convergence). Solver → newton Stabilization Strategy→ Line-Search Advanced Parameters, Scaling method→ Component-based Selected→ Initialize using integration Diagnostics, 4 to 7 بعد با استفاده از رفرنس دیگر From book2 (page 25 of 297) I have solved like bellow before: solver → newton stabilization → line search diagnostics → 4 to 7 After that, I could remove two errors in results. اما مشاور این پاسخ را به من دادش برای عملیات اول My first question is were you able to get it to converge with the estimates? This problem should be easier to solve than without the estimates, so if you haven't gotten that working, please do that first. جوابش برای عملیات دوم It doesn't matter which way you set up convergence as long as you get an error-free solution. The User Guide has general principles to get convergence while the Examples book has specific ways to get a particular simulation to converge. Both are adequate as long as you can get your model to converge. You say you already have a converging solution - one that doesn't need estimates? حالا من گیج شدم که میبایست چه کار کنم دقیقا. منظورش از کانورژ کردن چی میباشد.ممکن است در این زمینه بنده را راهنمایی کنید که چه کاری باید انجام بدهم.
http://www.www.www.iran-eng.ir/image/png;base64,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
سلام
اسپن پلاس رو تحت حالت الکترولیت اجرا کنید .. فکر کنم در لیست ترکیب ها وانیلین باشه .. اگر نبود هم میتونید با داشتن اطلاعات وانیلین این ماده رو براش ترکیب کنید.
ببخشید متوجه نشدم "تحت حالت الکلرولیت" یعنی چی. اگه منظورتون elec wizard هستش اونو امتحان کردم ولی فقط تجزیه اب رو میده، وانیلین رو اضافه کردم ولی در نظر نمیگیره.
اطلاعات وانیلین با یه بار منفی در شرایط این محلول رو میشه از جایی پیدا کرد؟
خیلی ممنون
اطلاعات وانیلین با یه بار منفی در شرایط این محلول رو میشه از جایی پیدا کرد؟
خیلی ممنون
وقتی مواد باردار و یونی داریم باید توی حالت شبیه سازی الکترولیت کار کنیم..
و از اونجا بعد از اینکه همه کامپوننت ها رو انتخاب کردی میری تو قسمت elec wizard و واکنش هاش رو مشخص میکنی.
ببخشید توضیح کاملتر نمیتونم بدم .. الان اسپن خودم مشکل داره و وقت نکردم درستش کنم.
وقتی الک ویزارد رو استفاده کردی، و یونها رو نداد، یعنی باید خودت یونها رو وارد کنی. یکم کارت سخت میشه.
چون باید اولا خواص یونها رو در بیاری، جرم مولکولی و بار یونها رو حتما باید وارد کنی، بعد با توجه به مدل ترمودینامیکی و روش حلی که انتخاب میکنی، و همچنین اطلاعاتی که از اسپن میخای (مثلا شاید موازنه حرارت رو از اسپن نخای!) باید پارامترهای مورد نظر رو مشخص و مقادیر اسکالر یا تابع دما رو وارد کنی
خیلی ممنون دوستان از پاسختون
درحالت شبیه سازی الکترولیت هم اجرا کردم نرم افزارو ولی یونها رو نمیده. مجبورم راه دوم رو امتحان کنم
ولی خواص یون رو مثلا از کجا میشه پیدا کرد؟
مرسی
درحالت شبیه سازی الکترولیت هم اجرا کردم نرم افزارو ولی یونها رو نمیده. مجبورم راه دوم رو امتحان کنم
ولی خواص یون رو مثلا از کجا میشه پیدا کرد؟مرسی
آها! بخاطر همین میگم یه خورده کارتون سخته، شما باید خیلی بگردین و در این راستا اصطلاحات مخصوص به اون رو هم بایستی یاد بگیرین، مبحث یونها خیلی گستردس.خیلی ممنون دوستان از پاسختون
درحالت شبیه سازی الکترولیت هم اجرا کردم نرم افزارو ولی یونها رو نمیده. مجبورم راه دوم رو امتحان کنم
مرسی
میتونین تو مقالات بگردین یا تو کتابا.
اگه پیدا نکردین، دو تا راه حل دارین.
1) آزمایش کنین تا پارامتر مورد نظر رو بدست بیارین (دیگه اونوقت میشین مهندس شیمی!)
2) فرضیات ساده کننده بگیرین در شبیه سازیتون و از بعضی از پارارمترها صرفنظر کنین، که بالطبع دقت شبیه سازیتونو میاره پایین
سلام، برای این شکل به نظرتون مشخصات برج تقطیر رو چجوری وارد کنم؟ کندانسور رو داخل خود برج تعریف کنم یا بیرون آن (بصورت مجموع سرد کننده و درام)؟
http://8pic.ir/images/ugv23t8ps592430p2ulm.jpg
http://8pic.ir/images/ugv23t8ps592430p2ulm.jpg
سلام، بله باید بیرون برج تعریف کنی، کنترلر آبشاری هم داره. البته اگه بخوای مد دینامیک رو هم براش اجرا کنی.
ممنون بهتاش ولی کانورج کردنش کار حضرت فیله اون وقت!!!
مرحله مرحله ران کن، توی فیلم های آموزشی هایسیس که گذاشته بودم یه روش داشتم که مرحله به مرحله رانش می کردم. اما فک کنم می خوای با اسپن اجرا کنی که اسپن قدرت و سرعتش خیلی بالا تر از هایسیس هستش. توی مد دینامیک هم نبرش
با عرض سلام
بنده در اجرا و اصلاح دو شبیه سازی اسپن زیر مشکل دارم:
http://uplod.ir/9mgls66lu8pa/Extractive_Distillation.rar.htm
امکانش هست که به بنده در این زمینه نیز کمک نمایید.
ممنون
بنده در اجرا و اصلاح دو شبیه سازی اسپن زیر مشکل دارم:
http://uplod.ir/9mgls66lu8pa/Extractive_Distillation.rar.htm
امکانش هست که به بنده در این زمینه نیز کمک نمایید.
ممنون
مهندس هنرفر
عضو جدید
سلام . میشه به من در مورد نحوه استفاده از جریان برگشتی کمک کنید. میخوام جریان از splitter به میکسر بفرستم.
ممنون
ممنون
masterrsaeidd
عضو جدید
aspentech
aspentech
سلام موقعی که اجراش میکنم خطایslm license میده چ کار کنم تو رو خدا سریع؟!
aspentech
سلام موقعی که اجراش میکنم خطایslm license میده چ کار کنم تو رو خدا سریع؟!
سلام
aspen one اسم شرکتی هست که یک مجموعه نرم افزاری رو تهیه کردن. یکی از اون نرم افزارها aspen plus هست. نرم افزار HYSYS هم نرم افزاری مشابه اسپن پلاس هست که امیتازش رو اسپن وان خریده و به مجموعه خودش اضافه کرده و الان اسمش شده Aspen HYSYS ....
یک سری نرم افزارهای مشابه دیگه هم هستن مثل Pro II ویا CHEMCAD ...
ولی خب هرکدوم برتری هایی نسبت به دیگری دارند. ولی در بهترین ها اسپن پلاس و هایسیس هستند. این دو تقریبا عملکرد مشابهی دارن. فقط هایسیس user-friendly تر از اسپن پلاس هست و کار کردن باهاش خیلی راحتتره. ولی اسپن پلاس ساختار پیچیده تری داره. ولی به جاش قدرت محاسباتی اسپن پلاس بالاتر و دقیق تر از اسپن هایسیس هست.
همه این نرم افزارها و ورژن های مختلفشون قابلیت نصب روی ویندوز 10 رو دارن. مشکلی از این بابت نخواهید داشت.
سلام
خب مشکل لایسنس دارید. یه بار دیگر طریقه سایسنس کردن نرم افزار رو چک کنید. اگر مشکل برطرف نشد یا اون لایسنس روی کامپیوتر شما جواب نمیده ویا کلا لایسنس اون نرم افزار مشکل داره ویا طریقه نصب لایسنس رو به درستی انجام نمیدید!
سلام و مرسی از جوابت خیلی خوب راهنماییم کردی من متلب رو در حد متوسط به بالا بلدم و دارم یاد میگیرم و در زمینه نرم افزار های سیمولیشن هیچ یک رو بلد نیستم بنظرتون از کدوم نرم افزارا برای این کار شروع کنم و کلا کدوما رو یاد بگیرم و از این نرم افزار ها کدوم ها در زمینه شغلی واقعا بدرد و کمک من خواهند خورد و باعث پیشرفتم هستند از نظر شغلی و درآمد؟؟؟
واسه یه جریان ریسایکل جریان tear تعریف کردم و ارور زیر رو میده
* WARNING
CONVERGENCE BLOCK $OLVER03 NOT CONVERGED IN 30 ITERATIONS
** ERROR
Convergence block $OLVER03 did not converge
normally in the final pass
بعد تعداد آیتریشن ها رو هم زیاد میکنم ولی بازم همین ارور رو میده یعنی بازم تعداد رو 30 تا میگیره
* WARNING
CONVERGENCE BLOCK $OLVER03 NOT CONVERGED IN 30 ITERATIONS
** ERROR
Convergence block $OLVER03 did not converge
normally in the final pass
بعد تعداد آیتریشن ها رو هم زیاد میکنم ولی بازم همین ارور رو میده یعنی بازم تعداد رو 30 تا میگیره
سلام
جریانی از پایین برج(بدون کندانسور و ریبویلر) خارج شده و بعد از عبور از پمپ و مبدل به صورت خوراک به برج تزریق میشه(ریسایکل)...جریان tear هم تعریف کردم
1_ گاهی اوقات با کم کردن تعداد iteration ران میشه و گاهی با زیاد کردن تعداد iteration....علت چیه؟
2_ دبی این ریسایکل از pfd خیلی بیشتره..چیکار کنم؟
جریانی از پایین برج(بدون کندانسور و ریبویلر) خارج شده و بعد از عبور از پمپ و مبدل به صورت خوراک به برج تزریق میشه(ریسایکل)...جریان tear هم تعریف کردم
1_ گاهی اوقات با کم کردن تعداد iteration ران میشه و گاهی با زیاد کردن تعداد iteration....علت چیه؟
2_ دبی این ریسایکل از pfd خیلی بیشتره..چیکار کنم؟
Similar threads
Similar threads
-
سوالها و درخواستها در مورد شبیه سازی با نرم افزار Aspen B-jac- شروع شده توسط P O U R I A
- پاسخ ها: 25
-
سوالها و درخواستها در مورد شبیه سازی با نرم افزار هایسیس - HYSYS
- شروع شده توسط P O U R I A
- پاسخ ها: 994
-
-
شبیه سازی فرآیند تثبیت میعانات گازی با استفاده از نرم افزار Aspen Plus
- شروع شده توسط 09360186579
- پاسخ ها: 2