مدلسازی فرایند ocm با استفاده از شبکه عصبی مصنوعی و بهینه سازی پارامترهای عملیاتی فرایند با استفاده از الگوریتم ژنتیک

پایان نامه
چکیده

در این پروژه از 100 آزمون رآکتوری انجام شده روی کاتالیست mn/na2wo4/sio2 در واکنش زوج شدن اکسایشی متان (ocm) ودر یک رآکتور بستر ثابت از جنس کوارتز، در فشار اتمسفریک و تحت شرایط عملیاتی متفاوت شامل دما، سرعت فضایی حجم گاز (ghsv)، نسبت متان به اکسیژن و درصد مولی گاز رقیق کننده (n2) استفاده گردید. با توجه به ویژگی شبکه های عصبی، از شبکه عصبی مصنوعی جهت توسعه مدل از داده های نمونه سیستم استفاده گردید. پارامترهای عملیاتی ذکر شده در بالا به عنوان پارامترهای ورودی و میزان تبدیل متان، گزینش پذیری محصولات دو کربنه، بازده محصولات دو کربنه و نسبت اتیلن به اتان به عنوان پارامترهای خروجی در نظر گرفته شده است. جهت جلوگیری از پیچیدگی شبکه و شناخت متغیرهای موثر جهت ورود به شبکه از تکنیک آماری آنالیز مولفه های اصلی (pca) استفاده شد و تعداد متغیرهای خروجی از 4 به 2 کاهش داده شد. پس از تهیه مجموعه داده های ورودی- خروجی برای تهیه مدل از نرم افزار matlab 7.5.0 استفاده شد. در این پروژه از شبکه عصبی پرسپترون چند لایه پیشرو با الگوریتم پس انتشار (bp) استفاده شد. برای آموزش شبکه نیز از الگوریتم لونبرگ مارکوات (lm) استفاده گردید. همچنین برای هر دو لایه میانی و خروجی از تابع انتقال tansig استفاده شده است. برای خروجی اول، شبکه بهینه با توپولوژی 4-9-1 (یک لایه میانی شامل 9 نرون) تحت عنوان شبکه اول و برای خروجی دوم شبکه بهینه با توپولوژی 4-6-1 (یک لایه میانی با 6 نرون) تحت عنوان شبکه دوم تهیه شد. پس از آموزش شبکه ها و تست آنها با داده های تست، با استفاده از وزن های شبکه و الگوریتم ژنتیک، اقدام به بهینه سازی پارامترهای عملیاتی فرایند ocm بر مبنای ماکسیمم بازدهی محصولات دو کربنه گردید. نتایج بدست آمده از تلفیق شبکه های عصبی مصنوعی تهیه شده با الگوریتم ژنتیک نشان می دهد که تحت شرایط عملیاتی دما c° 850 ، سرعت فضایی حجم گاز cm3g-1h-1 22464 ، نسبت متان به اکسیژن 4 و درصد مولی نیتروژن به عنوان گاز رقیق کننده 30 ، دارای حداکثر بازدهی محصولات دو کربنه به میزان %47/23 خواهیم بود. برای همین شرایط میزان تبدیل متان %03/33 ، گزینش پذیری محصولات دو کربنه % 07/71 و نسبت اتیلن به اتان 073/2 بدست آمده است. جهت حصول اطمینان از مدل تهیه شده و بهره گیری از نتایج آن اقدام به انجام آزمایش در شرایط بهینه گردید. بدین منظور، با همکاری پژوهشگاه صنعت نفت، کاتالیست mn/na2wo4/sio2 به روش تلقیح، تهیه گردید و دو آزمون رآکتوری روی کاتالیست ساخته شده انجام شد. متوسط خطای ناشی از مقایسه مدل با نتایج آزمایشگاهی برای میزان تبدیل متان و بازده محصولات c2+، به ترتیب %73/2 و %48/5 می باشد. اما برای گزینش پذیری محصولات c2+ و نسبت اتیلن به اتان متوسط خطای حاصل از مقایسه مدل با نتایج آزمایشگاهی کمی بیشتر شده وبه ترتیب برابر %66/10 و %28/10 بدست آمده است.

منابع مشابه

مدل‌سازی فرایند تبدیل خشک متان به‌کمک پلاسما با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

 پیش‌بینی فراورده‌های (هیدروژن و کربن مونوکسید) تبدیل خشک متان به‌کمک پلاسما در فشار جوی با استفاده از شبکه عصبی مصنوعی شبیه‌سازی شد. داده‌های تجربی موردنیاز برای مدل‌سازی شبکه عصبی مصنوعی از یک واکنشگاه پلاسمایی تخلیه کرونا جمع‌آوری شد. اثر عامل‌های فرایندی (توان تخلیه پلاسما، دبی خوراک ورودی) بر کارایی تبدیل متان و گزینش‌پذیری نسبت به فراورده‌های مورد بررسی قرار گرفتند. شبکه پیش‌خور با الگوری...

متن کامل

مدلسازی و بهینه سازی تاثیر پارامترهای مؤثر در عملیات اسیدشویی آلیاژ تیتانیم با استفاده از روش شبکه عصبی مصنوعی و الگوریتم ژنتیک

برای حذف لایه آلفای سطحی از سطح  قطعات فورج داغ شده از جنس آلیاژ تیتانیم و بهبود کیفیت سطح معمولاً از فرآیند اسیدشویی استفاده می شود. با توجه به اثر متقابل پارامترهای مؤثر در این فرآیند، بررسی تاثیر پارامترها بر کیفیت سطح قطعه و میزان باربرداری و  بهینه سازی آنها، نیازمند انجام آزمایشات تجربی و استفاده از روشهای مدلسازی است. در این تحقیق، تاثیر پارامترهای دما، مدت عملیات، غلظت اسید های هیدروفلور...

متن کامل

مدلسازی فرایند اسمز معکوس با استفاده از شبکه عصبی و بهینه سازی آن توسط الگوریتم ژنتیک

چکیده: کاربردهای غشاء اسمز معکوس در فرایندهای تصفیه آب، بویژه صنایعی که نیاز به آب با خلوص بالا دارند، روز به روز در حال افزایش می باشد. با توجه به اهمیت های فرایندی و اقتصادی، فرایند نمکزدایی توسط غشاء اسمز معکوس،لزوم بهینه کردن فرایند تولید به منظور افزایش عمر مدول های ro و کمک به پایداری تولید و کاهش هزینه های تعمیراتی و از این دست امور محسوس است. در این کار ابتدا براساس داده های تهیه شده ا...

15 صفحه اول

مدل‌کردن و بهینه سازی سنتز آنزیمی کافئیک اسید فن اتیل استر با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این تحقیق، واکنش کافئیک اسید و 2- فنیل اتانول در حضور لیپاز تثبیت شده از مخمر آنتارکتیکا (نووزیم 435) به منظور تولید کافئیک اسید فن اتیل استر در سیستم ایزواکتان با استفاده از روش‌های شبکه عصبی مصنوعی و ژنتیک الگوریتم مدل سازی و بهینه گردید. بدین منظور ازیک طرح مرکب مرکزی چرخش پذیر با 4 متغیر و 5 سطح جهت مدل کردن واکنش آنزیمی به کمک شبکه عصبی مصنوعی استفاده شد. متغیرهای مستقل شامل دما، زمان، ...

متن کامل

مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی

ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده مهندسی شیمی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023