نام پژوهشگر: مجتبی معصومی
راضیه بنار شهرآبادی مازیار شریف زاده
در این تحقیق فرآیند تولید بیو پلیمر ها مصرف سوبسترا و تولید جرم سلولی و پلی هیدروکسی آلکانوات و مدل سازی تولید پلی هیدروکسی آلکانوآتها توسط شبکه عصبی مورد بررسی قرار گرفت. شبکه عصبی بدلیل کاربرد گسترده آن در مدل سازی فرایند های مهندسی شیمی انتخاب شد. در تولید پلی هیدروکسی آلکانوآتها غلظت سوبسترا، غلظت پلی هیدروکسی آلکانوآتها و غلظت سلولی یا وزن خشک سلولی از اهمیت ویژه برخوردارند لذا به عنوان خروجی شبکه در نظر گرفته شدند. در طراحی شبکه عصبی تعداد گذر و تعداد نرون در هر لایه بهینه شدند. شبکه عصبی با دو لایه پنهان و آرایش لایه و نرون در هر یک از سیستم غیر پیوسته و نیمه پیوسته تعداد 10 نرون و تعدادگذر 400 برای سیستم غیر پیوسته و در سیستم نیمه پیوسته تعداد گذر 500 به عنوان بهترین تعداد گذر برای شبکه عصبی در نظر گرفته شد. علی رقم پیچیدگی بالای بین ورودی ها و خروجی شبکه عصبی تطابق بسیار مطلوبی بین داده های پیش بینی شده و آزمایشگاهی دیده شد. لذا می توان از شبکه عصبی به عنوان ابزار خوبی برای پیش بینی غلظت سوبسترا ، غلظت پلی هیدروکسی آلکانوآتها و غلظت سلولی استفاده نمود.
مجتبی معصومی علی اصغر قریشی
در بخش اول این تحقیق، کوره الکتریکی عمودی و راکتور استیل ساخته شد. ابتدا ppms توسط کلرید روی به صورت شیمیایی فعال سازی شد. شرایط کربنیزاسیون و فعال سازی فیزیکی با توجه به سطح ویژه موثر بدست آمده از تست bet در دمای ها و زمان های مختلف کربنیزاسیون و دمای های مختلف فعال سازی فیزیکی بهینه شدند. بهینه سازی فرایند با استفاده از روش شناسی سطح پاسخ (rsm) از طریق نرم افزار design expert انجام شد. در بخش دوم این تحقیق، پتانسیل جذب کربن فعال تولید شده با پایه ppms برای حذف ترکیبات فنلی (فنل، 2-کلروفنل و 4-نیتروفنل) در شرایط مختلف ph ، دما و غلظت روی جذب ترکیبات فنلی بررسی شد. ظرفیت جذب به ترتیب به صورت 4-نیتروفنل> 2-کلروفنل> فنل ارزیابی شد. چهار نمونه از معادله ایزوترم مشهور( لانگمیر،فرندلیچ، تمکین و سیپس) برای توصیف داده های تعادلی بدست آمده در دماهای مختلف به کار گرفته شدند. مدل سیپس بیشترین انطباق را با داده های تجربی نشان داد. پارامترهای ترمودینامیکی در محدوده دمایی oc 20-50 ارزیابی شدند. در بخش سوم این تحقیق، دینامیک جذب ترکیبات فنلی در شرایط مختلف کلیدی مانند: ارتفاع ستون، دبی حجمی خوراک، غلظت ورودی و دما بررسی شد. از تکنیک شبکه عصبی مصنوعی (ann) به همراه دو مدل تجربی ( توماس و یان) برای ارزیابی منحنی رسوخ استفاده شد.