Основной задачей экспериментального исследования всех процессов является анализ, изучение и обобщение всех имеющихся результатов. В соответствии с идеей шагового поиска эксперимент проводился в несколько этапов. Число этапов и действия на каждом из них зависели от результатов предыдущего этапа и конечной цели исследований. Конечной целью исследования является определение оптимальных условий протекания процесса перемешивания жидких агрегатоо получения однородной структуры. Исследования процесса перемешивания были проведены на экспериментальной установке, созданной на кафедре. Для обработки экспериментальных исследований был применен программный комплекс STATISTICA 12. Для получения уравнения регрессии матричные данные были обработаны при помощи программного комплекса Microsoft Excel 2010. Для оптимизации процесса, величины выходных параметров преобразованы в безразмерную шкалу желательности d. Установлено, что функция желательности D, характеризующая адекватность полученных значений, имеет экстремум в опыте 12 и составляет 0,733666. Основываясь на полученных данных оптимальными следует считать следующие параметры при перемешивании жидких агрегатов: окружная скорость вала мешалки в пределах 4 м/с, при этом время перемешивания составляет 8 с, а концентрация хладагента 20%.

моделирование, функция желательности, перемешивание, жидкие агрегаты, хладагент

1. Копылов М.В., Татаренков Е.А., Ткачев О.А., Горбатова А.В. Оптимизация процесса отжима растительного масла методом математического моделирования // Вестник ВГУИТ. 2017. № 1. С. 28–33.

2. Остриков А.Н., Слюсарев М.И., Горбатова А.В., Шендрик Т.А. Диффузионная модель перемешивания сливочно-растительных спредов // Вестник ВГУИТ. 2015. № 3. С. 7–12.

3. Rodrigues J. et al. Modeling and optimization of laboratory-scale conditioning of Jatropha curcas L. seeds for oil expression // Industrial Crops and Products. 2016. V. 83. P. 614–619.

4. Mateyev Y.Z., Shalginbaev D.B., Mateyeva S.Z., Kopylov M.V. et al. Mathematical modeling of the extracting process of vegetable oil on auger equipment // EurAsian Journal of BioSciences 13. 2019. P. 1875–1880.

5. Фролова Л.Н., Василенко В.Н., Копылов М.В., Дерканосова А.А. и др. Оптимизация параметров процесса получения биотоплива методами математического моделирования // Вестник международной академии холода. 2015. № 3. С. 63–67.

6. Янчуковская, Е.В. Математическое моделирование химического реактора идеального перемешивания // Известия вузов. Прикладная химия и биотехнология. 2014. № 6 (11). С. 74–80.

7. Петров В.Н., Фафурин В.А., Мухаметшина Г.Ф., Малышев С.Л. Математическое моделирование процесса циркуляционного перемешивания двухкомпонентной жидкой фазы // Вестник Технологического университета. 2017. Т. 20. № 15. С. 123–126.

8. Shahi S., Ghasemi N., Rahimi S., Yavari H. et al. The Effect of Different Mixing Methods on Working Time, Setting Time, Dimensional Changes and Film Thickness of Mineral Trioxide Aggregate and Calcium-Enriched Mixture // Iranian endodontic journal. 2015. V. 10. № 4. P. 248.

9. Basturk F.B., Nekoofar M.H., G?nday M., Dummer P. M. The effect of various mixing and placement techniques on the compressive strength of mineral trioxide aggregate // Journal of endodontics. 2013. V. 39. № 1. P. 111–114.

10. Sarli G.O., Filgueira R.R., Gim?nez D. Measurement of soil aggregate density by volume displacement in two non-mixing liquids // Soil Science Society of America Journal. 2001. V. 65. № 5. P. 1400–1403.