فرایند های متفاوتی به منظور تبدیل گاز طبیعی به گاز سنتز به کار می روند که در این میان ریفرمینگ خشک متان به دلیل تبدیل گازهای گلخانه ای متان و co2 به مخلوط گاز سنتز با نسبت h2 به co تقریبا واحد در سال های اخیر توجه زیادی را به خود معطوف کرده است. در میان کاتالیست های مورد بررسی برای فرایند مذکور کاتالیست های با فاز فعال نیکل از لحاظ اقتصادی مقرون به صرفه بوده و فعالیت کاتالیستی خوبی دارند اما با گذشت زمان بر اثر رسوب ترکیبات کربن دار سریعا غیر فعال می شوند. به منظور فائق آمدن بر مشکل مذکور می توان از تقویت کننده های مختلف و روش های سنتز متفاوت بهره گرفت. در این مطالعه نانو کاتالیست های پروسکیتی با ساختار laxba1-xniycu1-yo3 به عنوان کاتالیست جدید برای فرایند ریفرمینگ خشک متان انتخاب و روش سل-ژل احتراقی سنتز گردید. هدف کار پژوهشی حاضر بهینه سازی شرایط تهیه کاتالیست برای رسیدن به کاتالیست بهینه برای فرایند مذکور می باشد. در جهت دستیابی به کاتالیست بهینه، طراحی کاتالیست با استفاده از سیستم هوشمند شبکه عصبی مصنوعی صورت گرفت. برای تولید پایگاه داده مورد نیاز برای مدلسازی، آزمایش با رویکرد رویه پاسخ (rsm) با در نظر گرفتن سه فاکتور (جزء مولی لانتانیوم، جزء مولی نیکل و دمای کلسیناسیون) موثر بر ساختار و عملکرد کاتالیست انجام شد. در نهایت کاتالیست های la0.91ba0.09ni0.91cu 0.09 o3 با دمای کلسیناسیو°c 640 به عنوان کاتالیست منتخب و la0.996ba0.004ni0.6cu 0.4 o3 به عنوان کاتالیست بهینه سازی شده توسط الگوریتم ژنتیک انتخاب شدند. برای بررسی ساختار و مورفولوژی و ارتباط آنها با فعالیت و پایداری کاتالیست ها به ترتیب از تکنیک های xrd و sem استفاده گردید.

چکیده