DOI: 10.25136/2644-5522.2020.2.34102

Аннотация: Ранее в имитационной модели колонного струйно-эмульсионного реактора делалось предположение, что температура по высоте реактора и с течением времени не меняется, а находится в установившемся состоянии. Для учета изменения температуры в реакторе, необходимо знать количество тепла, требуемого на прогрев частиц, поглощаемого или выделяемого в ходе химических реакций, а также знать скорость теплопередачи в пространстве. Возможность расчета этих параметров для каждой витающей частицы в режиме онлайн ограничена быстродействием ЭВМ. Для ускорения расчетов принято решение создать базу данных этих параметров для всех веществ, участвующих в реакциях. При этом энтальпии и энтропии выражались через удельную теплоёмкость, для расчета которой использовался полином пятой степени. Значения коэффициентов полинома и фазовые переходы брались из справочников. Приведён алгоритм в виде блок-схемы для расчета удельной энтальпии частицы. С использованием разработанного алгоритма создана программа, позволяющая рассчитывать термодинамические функции. Взаимодействие между классами показаны на UML диаграмме классов. Приведены расчеты удельной энтальпии и энтропии для веществ на интервале температур 298-1850 К. Отклонения в значениях энтальпии и энтропии при температуре 1700 К по сравнению со справочными не превышают 1,2 %.

DOI: 10.25136/2644-5522.2018.5.20345

Аннотация: В статье рассмотрена технология параллельного программирования NVIDIA CUDA в задаче расплавления шарообразной частицы. Показана тенденция современных компьютеров к увеличению мощности за счет увеличения количества ядер, а не за счет увеличения частоты процессора (что приводит к значительному потреблению энергии и выделению тепла). Представлен закон Амдала, позволяющий оценить ускорение времени программы при распараллеливании на N процессоров. Перечислены условия увеличения производительности алгоритма при распараллеливании задачи. Представлена задача расплавления частицы железной руды. Рассмотрены особенности языка параллельного программирования CUDA C и представлены алгоритмы для выбранной задачи. Произведен сравнительный анализ времени выполнения задачи на CPU (С#) и GPU (CUDA C). Технология параллельного программирования CUDA позволяет увеличить производительность распараллеливаемых алгоритмов сложности N до 60 раз. Для этого требуется наличие графического процессора с поддержкой данной технологии, среда разработки и компилятор языка CUDA, знание языка CUDA C, а также хорошее знание задачи и возможности ее распараллеливания.