Une erreur de matrice singulière signifie que le solveur ne peut pas identifier une solution unique en régime permanent à partir des équations fournies. Dans un modèle de bilan matière d'usine pilote, cela se produit généralement parce que les équations de bilan sont linéairement dépendantes, qu'une spécification de procédé essentielle est manquante ou que le nombre d'équations indépendantes ne correspond pas au nombre de variables de flux inconnues. La résolution pratique consiste à déterminer les degrés de liberté du modèle, à vérifier le rang de la matrice des coefficients, à supprimer les équations redondantes et à n'ajouter que des contraintes réellement indépendantes.

Un solveur a besoin de suffisamment d'informations indépendantes pour déterminer chaque inconnue. Une matrice singulière indique qu'au moins une équation duplique des informations déjà présentes ou que le modèle manque d'une spécification requise telle qu'une division de flux, une composition, une conversion ou une relation stoechiométrique.

Pourquoi la matrice devient-elle singulière ?

Bilans globaux redondants

Un bilan massique global peut être la somme directe des bilans des composants individuels. Par exemple, si des bilans séparés sont déjà établis pour l'eau, l'azote et l'oxygène, l'ajout d'un bilan massique total peut ne pas fournir de nouvelle équation indépendante.

La matrice résultante contient des équations qui décrivent la même contrainte sous des formes différentes. Son rang est donc inférieur au nombre d'inconnues.

Bilans de composants complets et contraintes de composition

Les compositions des flux introduisent une autre source courante de dépendance. Les fractions molaires satisfont :

[ \sum_i x_i = 1 ]

Si toutes les fractions de composants sont traitées comme des inconnues, une fraction est normalement déterminée par les autres et par la contrainte de sommation. Inclure chaque bilan de composant, chaque fraction comme variable indépendante et plusieurs bilans totaux peut créer un ensemble d'équations surspécifié ou dépendant.

Spécifications de procédé manquantes

Un modèle peut également devenir singulier parce qu'il est sous-spécifié. Les bilans matières seuls peuvent ne pas déterminer comment un flux se divise entre les sorties ou quelle composition quitte une opération unitaire.

Les spécifications manquantes typiques incluent :

Un débit de flux ou un débit d'alimentation
Un rapport de division
Une composition de sortie
Une spécification de récupération ou d'humidité
Une conversion de réaction
Une relation stoechiométrique
Un équilibre de phase ou une condition de saturation

Sans ces informations, plusieurs solutions en régime permanent peuvent satisfaire les bilans.

Bilans unitaires ou globaux répétés

Lorsque plusieurs opérations unitaires sont modélisées ensemble, un bilan global de l'usine peut simplement être la somme des bilans déjà établis pour les unités individuelles. Il peut être utile comme vérification, mais il peut ne pas avoir sa place dans la résolution principale s'il n'apporte aucune information indépendante.

Comment diagnostiquer le modèle

Compter les inconnues et les équations

Listez explicitement chaque inconnue, y compris :

Les débits totaux des flux
Les débits des composants
Les fractions molaires ou massiques
Les avancements de réaction
Les fractions de division
Les paramètres opératoires inconnus

Comptez ensuite les équations indépendantes disponibles pour les déterminer. Un système carré correctement spécifié possède le même nombre d'équations indépendantes et d'inconnues, ce qui donne zéro degré de liberté.

La relation de base est :

[ \text{Degrés de liberté}

\text{nombre d'inconnues}

\text{nombre d'équations indépendantes} ]

Une valeur positive indique un modèle sous-spécifié. Une valeur négative indique que le modèle peut contenir des équations redondantes ou des spécifications contradictoires.

Vérifier le rang de la matrice

Pour un système écrit sous la forme :

[ A\mathbf{x}=\mathbf{b} ]

la matrice des coefficients (A) doit contenir suffisamment de colonnes indépendantes pour déterminer le vecteur inconnu (\mathbf{x}). Pour un système carré, une solution unique nécessite :

[ \operatorname{rank}(A)=\text{nombre d'inconnues} ]

Dans MATLAB, inspectez la matrice avec :

rank(A)
size(A)

En Python, utilisez :

import numpy as np

np.linalg.matrix_rank(A)
A.shape

Un rang inférieur au nombre d'inconnues confirme que le modèle ne contient pas assez d'informations indépendantes pour une solution unique.

Inspecter les équations réduites

Le rang seul identifie le problème mais ne l'explique pas. Examinez les équations après élimination ou réduction de ligne pour trouver des relations telles que :

[ \text{bilan global}

\text{bilan eau} + \text{bilan azote} + \text{bilan oxygène} ]

Vérifiez également si une équation de composition n'est qu'une simple somme des définitions de débit des composants ou si deux spécifications de procédé imposent la même relation de division ou de conversion.

Une approche pratique de résolution des bilans

Convertir les débits mesurés de manière cohérente

Les données d'usines pilotes combinent souvent des débits volumétriques, massiques et molaires. Convertissez-les sur une base cohérente avant de construire la matrice.

Pour un flux liquide, un débit volumétrique peut être converti en débit molaire en utilisant la masse volumique et la masse molaire :

[ \dot n

\frac{\dot V \rho}{M} ]

Des unités incohérentes ne provoquent pas nécessairement une singularité mathématique, mais elles peuvent produire des coefficients incorrects et masquer la structure réelle du modèle.

Résoudre d'abord les composants déterminés directement

Si un composant entre par un flux et sort par un flux sans réaction ni accumulation, son bilan peut déterminer directement un débit inconnu. L'eau dans une opération d'évaporation ou d'humidification non réactive en est un exemple courant.

Cette étape analytique peut révéler quelles variables sont réellement déterminées et réduire la taille du système numérique.

Appliquer le bilan total avec précaution

Une fois les débits des composants connus, utilisez le bilan massique ou molaire total pour déterminer les quantités de flux restantes. Traitez le bilan total comme une équation indépendante uniquement lorsqu'il n'est pas déjà impliqué par les bilans des composants.

Pour une unité non réactive en régime permanent :

[ \text{entrée totale}=\text{sortie totale} ]

Le bilan doit inclure chaque flux entrant et sortant sur la même base massique ou molaire.

Utiliser les relations de composition sans surdéfinir les variables

Si les fractions molaires de sortie sont inconnues, utilisez les bilans des composants et la relation de sommation des fractions de manière stratégique. Pour (N) composants, il est souvent préférable de résoudre pour (N-1) fractions et de calculer la fraction finale à partir de :

[ x_N=1-\sum_{i=1}^{N-1}x_i ]

Cela évite de traiter une fraction dépendante comme une variable indépendante supplémentaire.

Comprendre les compromis

Supprimer des équations peut masquer une physique manquante

Supprimer une équation redondante est approprié lorsqu'elle duplique des informations existantes. Ce n'est pas approprié lorsque l'équation représente une contrainte physique manquante qui a été accidentellement écrite sous une forme dépendante.

Par exemple, remplacer un bilan global par une spécification de rapport de division peut résoudre le manque de rang tout en fournissant les informations dont le modèle a réellement besoin.

Ajouter des équations peut surcontraindre le modèle

Ajouter chaque relation mesurée disponible peut créer un système surdéterminé. Si les mesures sont incohérentes à cause d'erreurs de capteurs, les équations peuvent n'avoir aucune solution exacte même lorsqu'elles sont indépendantes.

Pour le rééquilibrage de données, utilisez une méthode appropriée de moindres carrés ou d'optimisation sous contrainte plutôt que de forcer un solveur de système carré ordinaire à satisfaire des mesures contradictoires.

Le manque de rang est différent d'un mauvais conditionnement

Une matrice réellement singulière manque d'informations indépendantes. Une matrice presque singulière ou mal conditionnée peut techniquement avoir un rang complet mais produire des résultats très sensibles ou peu fiables parce que les équations sont presque des doublons ou que les variables diffèrent grandement en échelle.

Utilisez une mise à l'échelle appropriée et inspectez le nombre de conditionnement de la matrice lorsque le solveur signale une instabilité plutôt qu'une singularité exacte.

Les résultats négatifs indiquent souvent une erreur de modélisation distincte

Les débits ou compositions négatifs ne sont normalement pas corrigés en changeant le solveur linéaire. Ils indiquent généralement des signes d'entrée/sortie inversés, des flux omis, des unités incorrectes ou une spécification de procédé invalide.

Après avoir résolu les problèmes de rang, revérifiez la conservation, les signes et les bornes physiques telles que les débits non négatifs et les compositions entre zéro et un.

Faire le bon choix pour votre objectif

Utilisez les vérifications suivantes avant de relancer le solveur en régime permanent :

Si votre objectif principal est de trouver une solution mathématique unique : Comptez les inconnues, calculez le rang de la matrice des coefficients et assurez-vous que le modèle a zéro degré de liberté avec un rang de colonne complet.
Si votre objectif principal est de supprimer les bilans redondants : Conservez les bilans des composants indépendants et les spécifications de procédé, puis utilisez les bilans globaux comme équations de vérification lorsqu'ils sont des combinaisons linéaires.
Si votre objectif principal est de modéliser une division de flux ou une composition de sortie : Ajoutez une spécification explicite et indépendante de rapport de division, de récupération, de composition ou d'équilibre de phase.
Si votre objectif principal est de rééquilibrer les données d'usine pilote mesurées : Séparez les bilans physiques exacts des mesures bruitées et utilisez une approche de moindres carrés sous contrainte lorsque le système est surdéterminé ou incohérent.
Si votre objectif principal est de corriger les résultats non physiques : Auditez les signes des flux, les termes de procédé omis, les unités, la stoechiométrie et les contraintes de composition après avoir vérifié le rang de la matrice.

Une matrice singulière est un signal de diagnostic indiquant que la structure d'information du modèle doit être corrigée avant que sa solution numérique puisse être fiable.

Tableau récapitulatif :

Cause	Vérification diagnostique	Résolution recommandée
Bilans redondants	Comparer les relations de bilan global et de bilan de composants	Supprimer les équations en double ou conserver les bilans globaux pour vérification
Spécification manquante	Vérifier les degrés de liberté et les variables de flux inconnues	Ajouter une condition indépendante de division de flux, récupération, composition, conversion ou équilibre
Variables de composition dépendantes	Revoir les contraintes de sommation des fractions	Résoudre pour N-1 fractions et calculer la fraction finale à partir de la relation de somme
Unités incohérentes	Auditer les bases de débit massique, molaire et volumétrique	Convertir toutes les données sur une base cohérente avant de construire la matrice
Mauvais conditionnement	Inspecter la mise à l'échelle et le nombre de conditionnement	Remettre à l'échelle les variables et les coefficients ; distinguer la quasi-singularité du vrai manque de rang
Mesures contradictoires	Vérifier si les équations mesurées ont une solution exacte	Utiliser le rééquilibrage de données par moindres carrés sous contrainte au lieu d'un solveur de système carré de base
Résultats non physiques	Revoir les signes, les flux omis, la stoechiométrie et les bornes	Corriger le modèle de procédé et vérifier les débits non négatifs et les compositions valides

Vous planifiez ou modernisez une usine pilote pour l'enseignement, le développement de procédés ou la recherche industrielle ? Contactez LABPARK pour discuter des unités pilotes d'opérations unitaires éducatives et professionnelles adaptées à vos besoins. LABPARK fournit des systèmes modulaires pour le génie chimique, les bioprocédés et la biotechnologie, ainsi que pour les applications de traitement de l'eau et de l'environnement. Notre équipe peut aider les universités, les instituts de recherche et les entreprises à sélectionner les bons bilans, l'instrumentation, les spécifications de procédé et la configuration expérimentale pour un fonctionnement fiable, une formation plus claire et des résultats de recherche reproductibles.