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 از یک فرایند صنعتی سعی شده است مدلی در جهت داشتن الگوی رفتاری فرایند بواسطه تغییرات در پارامترهای ورودی که تاثیرات خود را در خروجی های فرایند نمایش می دهند ارائه گردد. به این منظور از شبکه عصبی مصنوعی استفاده گردید. تعداد داده های مورد استفاده 474 سری داده است که هر یک شامل 6 پارامتر ورودی(index، tmp، دما، ph، feed cond.، feed flow) و 2 پارامتر خروجی (permeate cond.، permeate flow) می باشد. نتایج حاصل نشان می دهد مدل بدست آمده توانایی بالایی در پیش بینی پارامترهای خروجی براساس پارامترهای ورودی دارد. در مرحله بعد، از مدل بدست آمده در جهت بهینه سازی فرایند استفاده گردید. به این منظور الگوریتم ژنتیک که بطور خاص ابزاری برای بهینه کردن(optimization) می باشد بکار گرفته شد. با توجه به شرایط فرایند، کمینه کردن کنداکتیویته پرمیت به عنوان تابع هدف تعریف گردید.