فولادهای زنگ نزن نقش مهمی را در جهان امروز بازی می کنند. فولاد های زنگ نزن آستنیتی معمولاً مقاومت به خوردگی بسیار عالی، تافنس، جوش پذیری و ازدیاد طول خوبی را از خود نشان می دهند، اما دارای استحکام تسلیم نسبتاً پایینی در حالت آنیل شده می باشند. خواص مکانیکی فولادهای زنگ نزن آستنیتی به ترکیب شیمیایی و مشخصه های ریزساختاری (برای مثال اندازه دانه) وابسته است. در میان مکانیزم های استحکام دهی مختلف، ریز کردن دانه ها تنها روشی است که منجر به بهبود همزمان استحکام و چقرمگی می شود. با توجه به این که فولادهای زنگ نزن آستنیتی در دماهای آنیل مرسوم دچار دگرگونی فازی نمی شوند تنها روش ریزدانه-کردن آن ها آنیل بعد از نورد سرد می باشد اما به علت دماهای بالای آنیل در این فولادها رسیدن به اندازه دانه های بسیار ریز با محدودیت روبرو است. در سال های اخیر تکنیک های آزمایشگاهی جهت تولید فولاد های فوق ریز دانه شده از دو منظر قابل بررسی است: اولاً تکنیک های تغییرشکل پلاستیکی شدید و ثانیاً فرآیندهای ترمومکانیکی پیشرفته نظیر فرایند مارتنزیتی که اصولاً شامل اصلاح سازی فرآیندهای نورد فولاد در ابعاد بزرگ مرسوم می باشد. در این پژوهش جهت دستیابی به ریزساختاری با اندازه دانه های نانو/ زیرمیکرون، فرآیند مارتنزیتی که شامل نورد سرد و آنیل روی فولاد زنگ نزن آستنیتی aisi 304l صورت گرفت. اثر نورد سرد روی تشکیل مارتنزیت ناشی از کرنش و همچنین اثر دما و زمان آنیل روی بازگشت مارتنزیت ناشی از کرنش به آستنیت در اندازه دانه های نانو/ زیرمیکرون روی فولاد زنگ نزن آستنیتی نیمه پایدار مورد بررسی قرار گرفت. کوچک ترین اندازه دانه متوسط (nm 330) در نمونه ای که به میزان 90% کارسرد و سپس در دمای c?700 به مدت 300 دقیقه آنیل شده بود، به دست آمد. این محصول دارای استحکام تسلیم و کرنش شکست به ترتیب برابر mpa 1010 و 58% می باشد، این در حالیست که استحکام تسلیم نمونه قبل از فرایند مارتنزیتی برابر با mpa 300 و کرنش شکست 52% بوده است.

هدف رساله حاضر، پیش بینی خصوصیات عمده پلی پروپیلن تولید شده در هموپلیمریزاسیون پروپیلن با کاتالیست¬های ناهمگن زیگلر – ناتا در فرآیند فاز دوغابی با ارائه یک مدل ریاضی¬ مناسب و کارآمد می باشد. خصوصیات عمده پلی پروپیلن تولیدی مشتمل بر ریخت شناسی، اندازه متوسط ذرات، خواص متوسط جرم ملکولی و شاخص متوسط پراکندگی پلیمر می باشد که در فرآیند پذیری بعدی پلیمر حائز اهمیت هستند. در این تحقیق، علاوه بر مطالعه و بررسی عوامل مهم تاثیرگذار بر خصوصیات عمده پلی پروپیلن شامل ریخت شناسی کاتالیست، غلظت واکنشگرها و شرایط عملیاتی آزمایشات پلیمریزاسیون یک مدل ریاضی کارآمد جهت پیش بینی خصوصیات مذکور با توجه به نتایج تجربی حاصله و با تاکید بر جنبه های فیزیکی – شیمیایی توسعه داده شده است. جنبه های فیزیکی مدل شامل پدیده های خرد شدن ذرات اولیه کاتالیست و مقاومت-های انتقال جرمی می باشد و جنبه های شیمیایی بطور عمده بر ریخت شناسی و رفتار سینیتیکی کاتالیست، و سینیتیک واکنش¬های پلیمری شدن بنا نهاده شده است. در مطالعات صورت گرفته در مدل سازی رشد و مورفولوژی ذرات پلی پروپیلن در فاز دوغابی، نقش اجزاء مختلف نظیر غلظت کاتالیست، کمک کاتالیست، غلظت واکنشگرها، مقاومت انتقال جرم و تاثیر ثوابت سینیتیکی روی سرعت پلیمریزاسیون و همچنین خواص پلیمر تولیدی از جمله طول متوسط عددی زنجیر، شاخص پراکندگی و فاکتور رشد ذره به صورت کمی و کیفی با مدل¬های مهم در این زمینه مقایسه و بررسی شد. ارزیابی کمی و کیفی مدل ارائه شده نشان داد که این مدل قادر به پیش بینی رفتار سینیتیکی، رشد ذرات و خواص متوسط پلیمر تولیدی در هموپلیمریزاسیون پروپیلن در شرایط هم¬دما در سیستم کاتالیستی زیگلر – ناتا با داشتن چندین مرکز فعال نیز بوده و بعلاوه نتایج مدل سازی با داده های واقعی آزمایشگاهی سازگاری خوب را نشان داده است. همچنین مدل ارائه شده به آسانی قابل توسعه جهت استفاده در سایر فرآیندهای تولید پلی پروپیلن و سایر پلی اولفین¬های تولیدی با کاتالیست¬های زیگلر – ناتا می باشد.

استخراج با سیال دی‏اکسید‏کربن فوق بحرانی اصلاح شده بر مبنای طراحی آزمایشات آماری به روش طراحی رویه پاسخ با استفاده از نرم افزار minitab 17 انجام شد. پنج متغیر موثر بر این فرایند دما (?c65-45)، فشار (mpa 34-10)، شدت جریان سیال دی اکسید کربن فوق بحرانی ( ml/min2-8/0)، زمان استخراج دینامیک (120-40 دقیقه) و غلظت متانول در کمک حلال دوتایی آب-متانول (0-100%) می باشند که طراحی آزمایش ها بر اساس آن ها انجام گرفته است. آنالیز رویه ی پاسخ نشان داد که داده های آزمایشگاهی به خوبی به وسیله ی یک مدل چند جمله ای مرتبه دوم برازش می شوند. علاوه بر این مشخص شد که ترم های خطی فشار و زمان از اهمیت بسیار بالایی در پاسخ مدل (درصد بازیابی) برخوردار هستند در حالی که دبی دی اکسید کربن و غلظت متانول در کمک حلال دوتایی اهمیت نسبتاً بالایی دارند. ترم های مربع تمام متغیر ها به جز دبی جریان دی اکسید کربن نیز از اهمیت بسیار بالایی در پاسخ مدل برخوردار هستند. تمام ترم های متقابل بین متغیر ها نیز در مدل پیشنهادی بر اساس متغیرهای کدگذاری شده اهمیتی ندارند. ضریب تشخیص (r2) در مدل برابر با 05/98 درصد و ضریب تشخیص اصلاح شدهr^2 (adj) برابر 51/94 درصد می باشد و مقادیر بهینه ی استخراج در محدوده ی آزمایش با این روش، دمای 68 درجه سانتی گراد، فشارmpa 6/29، نرخ جریان 2 میلی لیتر بر دقیقه، زمان دینامیک 108 دقیقه و غلظت متانول در کمک حلال دو تایی آب- متانول، 46% حجمی با میزان بازیابی 544/0 بدست آمد. همچنین در این تحقیق مدل سازی ریاضی فرآیند برای استخراج گلیسیریزیک اسید از ریشه ی شیرین بیان با استفاده از کمک حلال آب نیز انجام گرفت. پارامترهای مدل شامل ضریب نفوذ موثر، ضریب انتقال جرم فیلمی، ضریب پراکندگی محوری و ضریب توزیع می باشند. سه پارامتر اول از طریق روابط تجربی محاسبه گردید و ضریب توزیع نیز با محاسبه حلالیت با به کار بردن روش الگوریتم ژنتیک برای تعیین مقادیر بهینه ی ضریب توزیع در هر یک از شرایط عملیاتی و استفاده از روش طراحی رویه ی پاسخ به دست آمد و در مدل ریاضی جایگذاری گردید. نتایج نشان داد که مدل ریاضی به خوبی قادر به پیشگویی داده های آزمایشگاهی است و خطای مطلق متوسط حدود 6% بدست آمد که نشان از محدوده خطای کم آن می باشد. در ادامه پارامترهای عملیاتی برای رسیدن به استخراج بیشتر به کمک الگوریتم ژنتیک بهینه شدند که مقادیر بهینه پارامترهای عملیاتی برای دستیابی به بیشترین میزان بازیابی 338/0، فشار 19/27 مگاپاسکال، دمای 68 درجه سانتیگراد، دبی 96/1 میلی‏لیتر بر دقیقه و زمان دینامیک 199 دقیقه بدست آمد. در انتها نیز فرایند به کمک شبکه ی عصبی mlp مدل سازی شد. شبکه های عصبی با 3 تا 8 نورون در لایه مخفی به همراه الگوریتم های مختلف آموزش شبکه به منظور تعیین بهترین شبکه ی عصبی آزمایش شدند و نهایتاً تعداد بهینه نورون ها 6 نورون در لایه ی مخفی و الگوریتم یک مرحله ای متقاطع پس انتشار (oss) برای آموزش شبکه بهترین عملکرد را دارا بود و نتایج نشان داد که شبکه به خوبی آموزش داده شده و تطابق مناسبی بین میزان بازیابی بدست آمده از شبکه آموزش داده شده و مقادیر بدست آمده از آزمایشات وجود دارد.

چکیده ندارد.