بررسی آزمایشگاهی و مدل سازی شکست حرارتی خوراک الفین 12

شکست حرارتی هیدروکربن ها در حضور بخار آب یک روش متداول و کارامد برای تولید اتیلن و پروپیلن محسوب می شود. در این پایان نامه شکست حرارتی خوراک مجتمع الفین 12(در دست طراحی) بررسی شده است. خوراک الفین 12 مورد استفاده در این پایان نامه، حاوی 26/65% نرمال پارافین، 28/28% ایزوپارافین، 17/84% نفتن و 19/3% آروماتیک می باشد. برای انجام آزمایشات، از طراحی آزمایش ccd به دلیل دقت بالا و تعداد کم آزمایشات، استفاده شده است. ورودی طراحی آزمایش، دمای خروجی راکتور (cot) ، نسبت بخار به هیدروکربن و شدت جریان خوراک انتخاب شده است. بیشترین بازده اتیلن، 34/3 درصد وزنی می باشد که در دمای 0c 900 و نسبت بخار به هیدروکربن (gr/gr) 1/4 و زمان اقامت 0/226 ثانیه، به دست می آید. بیشترین درصد پروپیلن، 15/37% می باشد که در دمای 0c 825 و نسبت بخار به هیدروکربن (gr/gr) 0/95 و زمان اقامت 0/147 ثانیه، به دست آمده است. بیشترین مقدار الفین (مجموع اتیلن و پروپیلن) در دمای 0c 59/842 و نسبت بخار به هیدروکربن (gr/gr) 1/24 و زمان اقامت 0/17 ثانیه، حاصل می شود. مقدار اتیلن و پروپیلن در این شرایط عملیاتی به ترتیب 27/28 و 13/65درصد وزنی می باشد. از جمله سیستم های غیر خطی در صنایع شیمیایی، شکست حرارتی هیدروکربن ها می باشد. مهم ترین دلیل استفاده از شبکه های عصبی این است که این سیستم ها این توانایی را دارند که رویکرد کلی نسبت به مدل سازی و و کنترل سیستم های غیر خطی را داشته باشند. در این پروژه از شبکه عصبی برای مدل سازی فرآیند شکست حرارتی استفاده شده است. دمای خروجی از راکتور، نسبت بخار به هیدروکربن و دبی جرمی خوراک به عنوان ورودی شبکه عصبی در نظر گرفته شده است. داده های مورد نیاز برای آموزش شبکه عصبی، از مدل های مناسب به دست آمده و در نهایت با داده های آزمایشگاهی مقایسه شده است. شبکه عصبی با استفاده از الگوریتم بهینه سازی levenberg marquardt آموزش داده می شود و تابع عملکرد، میانگین مربعات خطا (mse) می باشد. تعداد نرون های پنهان بهینه 10 تا می باشد و تابع تبدیل، تابع تانژانت هیپربولیک سیگموئید به دست می آید. داده های خروجی شبکه عصبی مربوط به مجموعه تست تطابق خوبی با داده های تجربی دارد.