مدل‌سازی تبدیل گاز سنتز و بررسی درصد تبدیل هیدروژن و منوکسیدکربن توسط شبکه عصبی براساس آزمایشات تجربی در راکتور بستر ثابت
در این پژوهش، براساس داده‌ها و آزمایشات تجربی به بررسی درصد تبدیل هیدروژن و منوکسیدکربن و طراحی مدل آنها براساس طراحی آزمایش و شبکه عصبی پرداخته شد. داده‌های آزمایشگاهی براساس پنج متغیر ورودیو براساس طراحی مکعب مرکزی تعیین گردید. این پنج متغیر موثر عبارتند از: دما، فشار راکتور، نسبت هیدروژن به منوکس...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Research Institute of Petroleum Industry
2018-02-01
|
| Series: | Pizhūhish-i Naft |
| Subjects: | |
| Online Access: | https://pr.ripi.ir/article_825_f0a56d3f3ac8859a1ab3c1a79a433284.pdf |
| Summary: | در این پژوهش، براساس داده‌ها و آزمایشات تجربی به بررسی درصد تبدیل هیدروژن و منوکسیدکربن و طراحی مدل آنها براساس طراحی آزمایش و شبکه عصبی پرداخته شد. داده‌های آزمایشگاهی براساس پنج متغیر ورودیو براساس طراحی مکعب مرکزی تعیین گردید. این پنج متغیر موثر عبارتند از: دما، فشار راکتور، نسبت هیدروژن به منوکسید کربن در خوراک، فشار جزئی هیدروژن و منوکسید کربن در راکتور. شرایط عملیاتی راکتور، دما ( <sup>o</sup>C340-320)، فشار (bar gauge 8-2)، نسبت هیدروژن به منوکسیدکربن (2/2- 8/0)، فشار جزئی منوکسیدکربن (bar gauge 7/2-3/0) و فشار جزئی هیدروژن (bar gauge 5/2-3/0) می‌باشد. برای بررسی و به‌دست آوردن مدل درصد تبدیل‌ها، از دو روش پاسخ سطح و شبکه عصبی استفاده گردید. برای بررسی توانمندی هر دو روش، دو پارامتر مهم خطای آماری شامل مجذور میانگین خطا و انحراف نسبی میانگین مطلق محاسبه شد. نتایج به‌دست آمده از هر دو مدل پاسخ سطح و شبکه عصبی با نتایج تجربی مقایسه شد. مشاهده گردید که هر دو مدل تطابق خوبی با داده‌های تجربی دارند. برای محاسبه بیشینه درصد تبدیل برای هر دو مدل، شبکه عصبی با الگوریتم ژنتیک مدل شده و نقاط بیشینه هر دو مدل غیرخطی به‌دست آمد. در پایان، مدل‌های حاصله تحلیل شده و نقاط بیشینه مورد بررسی قرار گرفت. همچنین این مدل می‌تواند برای به‌دست آوردن محصولات انتخابی با ارزش افزوده بالا نیز به‌کار گرفته شود. |
|---|---|
| ISSN: | 2345-2900 2383-4528 |