نام پژوهشگر: شیوا سبزواری

پیش بینی خواص ترمودینامیکی فلزات قلیایی و آلیاژهای آنها در حالت مذاب با استفاده از یک معادله حالت جدید و روش شبکه عصبی مصنوعی(ann).
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده شیمی 1391
  شیوا سبزواری   مجید موسوی

فلزات قلیایی دارای خواص شیمی فیزیکی منحصر به فردی چون هدایت گرمایی و الکتریکی بسیار بالا، چگالی و ویسکوزیته پایین، دمای ذوب پایین، گستر? دمایی وسیع برای حالت مایع، گرمای تبخیر زیاد و ... می باشند. همین امر باعث افزایش روزافزون کاربرد این فلزات در صنلیع مختلف گردیده است، از این رو ارائه روشی که بتواند به پیش بینی خواص ترمودینامیکی این فلزات خصوصاً در دماهای بالا که دسترسی به آن در شرایط آزمایشگاهی تا حدودی نا ممکن است بپردازد، بسیار اهمیت دارد. در قسمت اول این پژوهش ما به تصحیح معادله حالت gma برای فلزات قلیایی در حالت مایع و ارائه یک نظم جدید به منظور پیش بینی خواص ترمودینامیکی این فلزات از قبیل چگالی (?)، تراکم پذیری همدما (?t) ، ضریب انبساط هم-فشار (?p) و فشار داخلی (pi)، در کل ناحیه دمایی، و مقایسه معادله حالت جدید با نتایج بدست آمده از معادلات ارائه شد? قبلی و همچنین بسط معادله جدید برای آلیاژهای فلزات قلیایی پرداختیم. نظم جدید که با استفاده از پتانسیل لنارد- جونز (6-3) به عنوان پتانسیل برهمکنش جفتی به دست آمد، بیان می کند که همدماهای برای فلزات قلیایی بر حسب چگالی رفتار خطی دارند که این نظم را حتی تا دماهای بالا و نزدیک به دمای بحرانی نیز حفظ می کنند. اعتقاد ما بر این است که در نظر گرفتن دافعه بلندبرد جاذبه در تابع پتانسیل پیشنهادی باعث حفظ این رفتار خطی در دماهای بالا می باشد چرا که در دماهای بالا به دلیل انتقال فلز-نافلز تغییرات عظیمی در ساختار این فلزات رخ می دهد که منجر به پر رنگ تر شدن نقش جاذبه در نیروهای برهمکنش می گردد. نتایج به دست آمده نشان داد که معادله حالت پیشنهادی در کل ناحیه دمایی قابلیت بازتولید و پیش گویی خواص ترمودینامیکی فلزات قلیایی و آلیاژهای آنها را دارا می-باشد و نتایج قابل اعتمادی را ارائه می نماید. در بخش دوم استفاده از روش شبکه عصبی مصنوعی برای پیش بینی خواص ترمودینامیکی فلزات قلیایی و مخلوط آنها مورد مطالعه قرار گرفت. روش شبکه عصبی مصنوعی یک روش نوین برگرفته از شبکه های عصبی بیولوژیکی می باشد که با شبیه سازی عملکرد این شبکه ها به تولید خروجی مورد نظر می پردازد. در این مطالعه با استفاده از این روش و با انتخاب الگوریتم آموزش مناسب به طراحی یک شبکه عصبی مصنوعی برای محاسبه چگالی فلزات قلیایی و آلیاژهای آنها پرداخته شد. نتایج به دست آمده از این روش نشان می دهند که این روش یک روش مناسب برای پیش بینی چگالی فلزات قلیایی و مخلوط آنها می باشد.