INSTITUTO TECNOLGICO DE ORIZABA TEORA DE OPTIMIZACIN

Ejercicio 5

Ejemplo 13.2 (Edgar et al., 2001) Trabajo mnimo de compresin

En este ejemplo se describe el clculo del trabajo mnimo para un flujo
adiabtico compresible ideal usando dos tcnicas de optimizacin diferentes, a)
analtica y b) numrica. La mayora de los flujos reales se encuentran en algn
punto entre el flujo adiabtico e isotrmico. Para el flujo adiabtico, el caso
examinado aqu, no se puede establecer a priori la relacin entre la presin y la
densidad del gas, porque la temperatura es desconocida como una funcin de
la presin o la densidad, por lo tanto, de ah se deriva la relacin entre la
presin y densidad ante el balance de energa mecnica. Si se supone que el
gas es ideal, y se asume que k=Cp/Cv es constante en el rango de inters de
p1 a p2, se puede hacer uso de la relacin conocida:

Para obtener el trabajo-terico por mol (o masa) de gas comprimido para una
sola etapa del compresor (McCabe y colegas, 1993)

Donde T1 es la temperatura del gas de entrada y R la constante de los gases

ideales (p11= RT1). Para un compresor de tres etapas con la refrigeracin
intermedia de regreso a T1 entre las etapas como se muestra en la Figura
E13.2, el trabajo de compresin de p1 a p4 es:

Se quiere determinar la presin entre etapas ptima p 2 y p3 para minimizar
manteniendo p1 y p4 fijas.

Solucin analtica: Se establecen las condiciones necesarias utilizando

clculos y tambin pruebas para asegurar que el valor extremo encontrado es
realmente un mnimo.

Cabrera Palacios Saul Alejandro (M10010627) MAESTRA EN CIENCIAS EN INGENIERA QUMICA

Galicia Contreras Lorena Stephanie (M10010646)
Jimnez Rosete Marleny (M10010664)
INSTITUTO TECNOLGICO DE ORIZABA TEORA DE OPTIMIZACIN

La solucin simultnea de las ecuaciones (d) y (e) rinden los resultados

deseados

De manera que los valores ptimos de p2 y p3 en trminos de p1 y p4 son:

Con estas condiciones para la presin, el trabajo para cada etapa es el mismo.
Para comprobar las condiciones de suficiencia, se analiza la matriz Hessiana
(despus de sustituir p2* y p3*) para ver si es definida-positiva
de

Los dos menores principales (los dos elementos de la diagonal) deben ser
es
positivos porque p1* y p4* son ambos positivos, y el determinante de 2
es definida-positiva.
tambin positivo, por lo tanto 2

Solucin numrica: Los mtodos numricos de solucin no producen la

solucin general dada por las ecuaciones (f) y (g), pero requieren que se
proporcionen valores numricos especficos para los parmetros y dan
resultados concretos. Suponer que p1=100 kPa y p4=1000 kPa. Deje que el gas
sea aire de modo que k = 1.4. Entonces (k - 1) / k = 0.286. La aplicacin del
algoritmo BFGS para minimizar en la ecuacin (c) como una funcin de p2 y
p3 comenzando con p2 = p3 = 500:

Comprobacin de la solucin analtica:

De las ecuaciones planteadas y desarrolladas para la solucin analtica del
trabajo mnimo de compresin se obtienen las ecuaciones de resolucin de
p2*(presin 2 ptima) y p3*(presin 3 ptima):
2 = (12 4 )1/3

3 = (42 1 )1/3

Cabrera Palacios Saul Alejandro (M10010627) MAESTRA EN CIENCIAS EN INGENIERA QUMICA

Galicia Contreras Lorena Stephanie (M10010646)
Jimnez Rosete Marleny (M10010664)
INSTITUTO TECNOLGICO DE ORIZABA TEORA DE OPTIMIZACIN

Sustituyendo los valores supuestos proporcionados por el problema, se resuelven las dos ecuaciones anteriores para as obtener
las presiones ptimas que minimizan el trabajo de compresin :
2 = (1 4 ) = (1002 1000)1/3 = 215.44
2 1/3

3 = (42 1 )1/3 = (10002 100)1/3 = 464.16

Comprobacin de la solucin numrica:

Se procede a corroborar la solucin que brinda el problema (usando el algoritmo BFGS) mediante los mtodos de optimizacin
multivariable sin restricciones vistos en clase.

a) MTODO DE NEWTON
Mtodo de Newton para optimizacin multivariable sin restricciones
Introduce la funcin en trminos de x1,x2...xn: ((1.4*0.2870*273.15)/(1.4-1))*(((x1/100)^0.286)+((x2/x1)^0.286)+((1000/x2)^0.286)-3)
Introduce el vector fila de los valores iniciales: [500 500]
Iter x1k x2k x1k+1 x2k+1 f(xk) f(xk+1) Error
1 500.0000 500.0000 -3842.6509 -826.0198 220.5469 19.2846 860.1198
2 -3842.6509 -826.0198 -9458.1366 -1435.8060 19.2846 139.4520 180.3479
3 -9458.1366 -1435.8060 -23242.8620 -2511.9288 139.4520 309.4409 253.6784
4 -23242.8620 -2511.9288 -56830.3839 -4410.3395 309.4409 540.9608 344.4760
5 -56830.3839 -4410.3395 -138290.8925 -7757.8352 540.9608 849.6482 458.3564
6 -138290.8925 -7757.8352 -335258.3615 -13659.0242 849.6482 1255.9291 602.3616
7 -335258.3615 -13659.0242 -810520.4125 -24060.0422 1255.9291 1786.2814 785.4228
8 -810520.4125 -24060.0422 -1955595.1394 -42388.5897 1786.2814 2474.9080 1018.9441
9 -1955595.1394 -42388.5897 -4711615.6959 -74680.3753 2474.9080 3365.9035 1317.5273
10 -4711615.6959 -74680.3753 -11340023.1850 -131562.2666 3365.9035 4516.0450 1699.8925
Contina iterando a nmeros ms pequeos

Cabrera Palacios Saul Alejandro (M10010627) MAESTRA EN CIENCIAS EN INGENIERA QUMICA

Galicia Contreras Lorena Stephanie (M10010646)
Jimnez Rosete Marleny (M10010664)
INSTITUTO TECNOLGICO DE ORIZABA TEORA DE OPTIMIZACIN

b) METODO DE ETAPA DESCENDENTE

Mtodo de Etapa descendente para optimizacin multivariable sin restricciones
Introduce la funcin en trminos de x1,x2...xn: ((1.4*0.2870*273.15)/(1.4-1))*(((x1/100)^0.286)+((x2/x1)^0.286)+((1000/x2)^0.286)-3)
Introduce el vector fila de los valores iniciales: [500 500]
Iter x1k x2k Alfa x1k+1 x2k+1 f(xk) f(xk+1) Error
1 500.0000 500.0000 7426.6594 -181.3353 755.5585 220.5469 -66.2574 644.6912
2 -181.3353 755.5585 408.3960 -267.2275 704.1603 -66.2574 -59.5240 576.6156
3 -267.2275 704.1603 120.9354 -522.5185 663.5070 -59.5240 -28.0568 113.1056
4 -522.5185 663.5070 797.8011 -1049.8296 566.5256 -28.0568 42.8167 123.6612
5 -1049.8296 566.5256 4501.0633 -1868.6840 788.4523 42.8167 113.3549 97.5756
6 -1868.6840 788.4523 23216.6638 -4015.8065 1319.9344 113.3549 213.9595 161.3999
7 -4015.8065 1319.9344 105926.1674 -8865.6900 2314.8785 213.9595 359.8732 211.4269
8 -8865.6900 2314.8785 487046.2070 -19799.1137 3490.8821 359.8732 568.4946 281.5264
9 -19799.1137 3490.8821 2242114.1106 -45112.6736 4219.9510 568.4946 853.9916 372.9239
10 -45112.6736 4219.9510 10217534.0806 -104559.7037 1909.0502 853.9916 1232.8775 486.6675
Contina iterando a nmeros ms pequeos..

c) MTODO DEL GRADIENTE CONJUGADO

Mtodo del Gradiente conjugado para optimizacin multivariable sin restricciones
Introduce la funcin en trminos de x1,x2...xn: ((1.4*0.2870*273.15)/(1.4-1))*(((x1/100)^0.286)+((x2/x1)^0.286)+((1000/x2)^0.286)-3)
Introduce el vector fila de los valores iniciales: [500 500]
Iter x1k x2k Alfa x1k+1 x2k+1 f(xk) f(xk+1) Error
1 500.0000 500.0000 7426.6594 -181.3353 755.5585 220.5469 -66.2574 644.6912
2 -181.3353 755.5585 408.3960 -298.8718 869.4148 -66.2574 31.8632 621.3439
3 -298.8718 869.4148 1048.3882 -896.5986 927.6867 31.8632 125.3373 177.2340
4 -896.5986 927.6867 15617.8497 -1881.9009 1231.0981 125.3373 239.2680 163.0467
5 -1881.9009 1231.0981 99432.8789 -4232.3186 2861.7734 239.2680 450.0987 262.5182
6 -4232.3186 2861.7734 640703.1397 -12624.6873 6895.0465 450.0987 726.4077 350.2865
7 -12624.6873 6895.0465 4111105.5835 -32979.9257 12043.9449 726.4077 1159.3514 513.5656
8 -32979.9257 12043.9449 27630315.1972 -92768.8992 7429.8539 1159.3514 1779.9332 733.6554
9 -92768.8992 7429.8539 187651568.4357 -281234.1854 -34643.9142 1779.9332 2658.0148 1035.3730
10 -281234.1854 -34643.9142 1261182153.3044 -754385.5738 -77452.3195 2658.0148 3891.1156 1409.5553
Contina iterando a nmeros ms pequeos

Cabrera Palacios Saul Alejandro (M10010627) MAESTRA EN CIENCIAS EN INGENIERA QUMICA

Galicia Contreras Lorena Stephanie (M10010646)
Jimnez Rosete Marleny (M10010664)
INSTITUTO TECNOLGICO DE ORIZABA TEORA DE OPTIMIZACIN

d) MTODO DE MARQUARDTS
Mtodo de Marquardts para optimizacin multivariable sin restricciones
Introduce la funcin en trminos de x1,x2...xn: ((1.4*0.2870*273.15)/(1.4-1))*(((x1/100)^0.286)+((x2/x1)^0.286)+((1000/x2)^0.286)-3)
Introduce las variables, ej: {'x1','x2',...,'xn'}: {'x1','x2'}
Introduce el vector de los valores iniciales: [500 500]
Iter x1k x2k f(xk) x1(k+1) x2(k+1) fx(k+1)
1 500.000000 500.000000 220.546851 499.999991 500.000003 220.546851
2 499.999991 500.000003 220.546851 499.999972 500.000010 220.546849
3 499.999972 500.000010 220.546849 499.999936 500.000024 220.546845
4 499.999936 500.000024 220.546845 499.999862 500.000052 220.546837
5 499.999862 500.000052 220.546837 499.999716 500.000107 220.546822
6 499.999716 500.000107 220.546822 499.999422 500.000217 220.546791
7 499.999422 500.000217 220.546791 499.998835 500.000437 220.546730
8 499.998835 500.000437 220.546730 499.997661 500.000877 220.546607
9 499.997661 500.000877 220.546607 499.995312 500.001758 220.546361
10 499.995312 500.001758 220.546361 499.990615 500.003520 220.545869
11 499.990615 500.003520 220.545869 499.981221 500.007043 220.544886
12 499.981221 500.007043 220.544886 499.962433 500.014089 220.542920
13 499.962433 500.014089 220.542920 499.924858 500.028178 220.538989
14 499.924858 500.028178 220.538989 499.849713 500.056344 220.531127
15 499.849713 500.056344 220.531127 499.699444 500.112630 220.515409
16 499.699444 500.112630 220.515409 499.398986 500.225013 220.483998
17 499.398986 500.225013 220.483998 498.798396 500.449033 220.421273
18 498.798396 500.449033 220.421273 497.598520 500.894100 220.296210
19 497.598520 500.894100 220.296210 495.204014 501.772436 220.047624
20 495.204014 501.772436 220.047624 490.436261 503.482709 219.556562
21 490.436261 503.482709 219.556562 480.987980 506.723638 218.598503
22 480.987980 506.723638 218.598503 462.459008 512.530815 216.776382
23 462.459008 512.530815 216.776382 427.034397 521.745072 213.498119
24 427.034397 521.745072 213.498119 364.113965 532.428606 208.387889
25 364.113965 532.428606 208.387889 278.346592 533.831996 203.452432
26 278.346592 533.831996 203.452432 231.796963 513.914080 202.286093
27 231.796963 513.914080 202.286093 221.724518 486.634903 202.103218
28 221.724518 486.634903 202.103218 217.131155 470.196103 202.059265
29 217.131155 470.196103 202.059265 215.709748 465.114859 202.055805

Cabrera Palacios Saul Alejandro (M10010627) MAESTRA EN CIENCIAS EN INGENIERA QUMICA

Galicia Contreras Lorena Stephanie (M10010646)
Jimnez Rosete Marleny (M10010664)
INSTITUTO TECNOLGICO DE ORIZABA TEORA DE OPTIMIZACIN

Los ptimos son:

x1=p2=215.709748215.71 kPa
x2=p3=465.114859465.12 kPa

Se observa que los 3 primeros mtodos de optimizacin (Newton, Etapa

Descendente y Gradiente Conjugado) no convergen hacia ningn valor optimo
y solo continan iterando hacia valores negativos, ahora bien el Mtodo de
Marquardts si arroja valores ptimos de presin convergiendo en la iteracin
29.

Es importante mencionar que algunos mtodos debido a su facilidad de

resolucin no convergen para una funcin objetivo compleja, como en este
ejemplo, por otro lado mtodos como el Marquardts que poseen un algoritmo
ms complejo de solucin son capaces de optimizar ese tipo de funciones.

Los resultados dados por el problema mediante el algoritmo BFGS son:

p2=215.44 y p3=464.17 son similares a los encontrados por el mtodo de
Marquardts.

Cabrera Palacios Saul Alejandro (M10010627) MAESTRA EN CIENCIAS EN INGENIERA QUMICA

Galicia Contreras Lorena Stephanie (M10010646)
Jimnez Rosete Marleny (M10010664)