جداسازی co2/ch4 توسط غشای سنتزی peba-nanosilica و شبیه سازی شبکه عصبی فرآیند

پایان نامه
چکیده

در این پژوهش، ضمن ساخت غشای بسترآمیخته peba- نانوسیلیکا برای جداسازی co2 از ch4، شبکه های عصبی مصنوعی برای شبیه سازی فرآیند غشایی به کار گرفته شده است. روش کار آزمایشگاهی، تشکیل نانوذره های سیلیکا در محلول پلیمری peba توسط دو آغازگر تترا اتوکسی سیلان و آمینوپروپیل تری اتوکسی سیلان در شرایط ساخت مختلف براساس طراحی روش تاگوچی می باشد. متغیرهای ورودی مورد بررسی برای ساخت غشاها، پارامترهایی مانند غلظت پلیمر، درصد آغازگر، ترکیب نسبی دو آغازگر و همچنین دمای انجام واکنش برای تشکیل نانوذره هستند که تاثیر آن ها بر روی میزان تراوش پذیری co2 و میزان گزینش پذیری co2/ch4 مورد بررسی قرار گرفته است. غشاهای ساخته شده توسط آنالیز ft-ir مورد مطالعه قرار گرفت و مشخص شد که واکنش سل-ژل برای تشکیل ذرات سیلیکا به درستی انجام گرفته است. پس از انجام آزمون های گاز، بهینه سازی تاگوچی انجام گرفت و پس از معرفی پارامترهای بهینه، نمونه بهینه مورد ساخت و ارزیابی قرار گرفت و نتایج تاگوچی را تایید کرد. سپس شبیه سازی شبکه عصبی برای تراوش پذیری co2 و گزینش پذیری co2/ch4 انجام گرفت و دو شبکه پرسپترون چندلایه به ترتیب با آرایش های (4:5:7:1) و (4:5:5:1) با استفاده از روش سعی و خطا به گونه ای تعیین شدند که کمترین خطا و بیشترین مطابقت را با داده های آزمایشگاهی داشته باشند.

منابع مشابه

شبیه سازی فرآیند تولید سوخت بیودیزل حاصل از روغنهای پسماند با استفاده از شبکه عصبی

هدف این تحقیق ارائه مدل شبکه عصبی مصنوعی در تولید سوخت بیودیزل است که بتوان به راحتی تخمینی از میزان تبدیل واکنش بدست آورد. شبکه تولید شده از نوع شبکه پس انتشار می‌باشد که دارای یک لایه ورودی، یک لایه خروجی و یک لایه پنهان می‌باشد. متغیرها ورودی شبکه عصبی به ترتیب عبارتند از: نسبت مولی الکل به روغن (9:1-3:1)، دمای واکنش (65- 45 درجه سانتیگراد) و شدت همزنی (600-200 دور بر دقیقه). با مقایسه نتایج...

متن کامل

شبیه سازی فرآیند جداسازی مستقیم دی اکسید کربن از هوا

روش های متعددی جهت جداسازی دی اکسید کربن از خروجی کارخانه های مختلف ارائه شده ، لیکن این روشها نمی توانند برای پایین آوردن میزان دی اکسید کربن موجود استفاده شوند. برای نیل بدین منظور جداسازی مستقیم دی اکسید کربن از هوا، به کار گرفته می شود. در این تحقیق، شبیه سازی فرآیند توسط نرم افزار صورت گرفته و پارامترهای مختلف موثر بر میزان بازیابی دی اکسید کربن و مصرف انرژی، برای دستیابی به بالاترین میزان...

متن کامل

شبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)

برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاک...

متن کامل

شبیه سازی فرآیند بارش رواناب در حوزه آبخیز ناورود با مدل ولترای مرتبه محدود و شبکه های عصبی مصنوعی

This study evaluates the performance of the linear first-order Volterra model for simulating nonlinear rainfall-runoff process. For this end, fifteen storm events over the Navrood River basin were collected. 70% and 30% of the events were used to calibrate and test the suitability of the model. Finally, the performance of the model was compared with the artificial neural networks (multilayer pe...

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 کاشان - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023