پديد آورندگان :
هدايتي مقدم، امين دانشگاه آزاد اسلامي واحد تهران مركزي - دانشكده فني مهندسي - گروه مهندسي شيمي، تهران، ايران , ميرمحمدي، امين دانشگاه آزاد اسلامي واحد تهران مركزي - دانشكده فني مهندسي - گروه مهندسي شيمي، تهران، ايران , علي حسيني، افشار دانشگاه آزاد اسلامي واحد تهران مركزي - دانشكده فني مهندسي - گروه مهندسي شيمي، تهران، ايران , امانيزاده فيني، فرهاد دانشگاه آزاد اسلامي واحد علوم و تحقيقات - دانشكده نفت و مهندسي شيمي - آزمايشگاه نفت و گاز، گروه مهندسي نفت، تهران، ايران
كليدواژه :
جداسازي گازي , غشا پليمري , بهينه سازي , شبكه عصبي مصنوعي , الگوريتم ژنتيك
چكيده فارسي :
افزودن نانوذرات به ماتريس پليمري منجر به افزايش عملكرد غشا در فرايند جداسازي گازي مي‌شود. در تحقيق جاري، هدف يافتن نقطه بهينه عملياتي جداسازي گازي براي غشاي پليمري اصلاح شده با نانوذرات مي باشد. متغيرهاي عملياتي مورد بررسي نوع نانوذره، غلظت نانوذره اضافه شده و اختلاف فشار عملياتي در دوسوي غشا مي‌باشد. نانوذرات Al2O3 ،ZnO و TiO2 در اين تحقيق مورد استفاده قرار گرفتند. همچنين غلظت نانوذره و اختلاف فشار عملياتي به ترتيب در محدوده 5/2 تا 15% و 2 تا bar 25 مورد بررسي قرار گرفتند. يكي از الزامات بهينه‌سازي فرايند، توسعه يك مدل قوي و كارآمد است. بدين منظور ابتدا يك مدل قدرتمند با استفاده از شبكه عصبي مصنوعي توسعه پيدا كرد كه قادر به پيش‌بيني ميزان تراوش‌پذيري گازهاي اكسيژن، نيتروژن، متان و دي اكسيد كربن مي باشد. مدل‌هايي براساس انواع شبكه هاي عصبي پيشخور توسعه داده شدند كه R2 بزرگتر از 9/0 داشتند. سپس با استفاده از الگوريتم ژنتيك شرايط بهينه عملياتي براي هر يك از گازهاي مورد بررسي با در نظر گرفتن چهار هدف و راهبرد استخراج شدند. نتايج بهينه‌سازي نشان دادند كه مقدار تراوش‌پذيري بيشينه براي گازهاي اكسيژن، نيتروژن، متان و دي اكسيد كربن به ترتيب برابر با 7/334، 9/779، 7/902 و 4/270 مي‌باشد.
چكيده لاتين :
Addition of nanoparticles to a polymeric matrix leads to enhance the performance of membrane gas separation. In this study, the aim is to find the optimum operative point of polymeric membrane modified by adding nanoparticles in gas separation. The assessed factors are type of nanoparticle, percentage of added nanoparticle, and cross membrane pressure. Nanoparticles of AL2O3, ZnO, and TiO2 were used. Further, the ranges of nanoparticle concentration and operative cross membrane pressure were 2.5 to 15% and 2 to 25 bar respectively. To optimize a process, developing a robust model is necessary. Therefore, first, a powerful model based on artificial neural network was developed, which it was able to predict the values of permeability of oxygen, nitrogen, methane, and carbon dioxide. Neural network models were developed that had R2 greater than 0.9. Next, the optimum operative conditions for assessed gases were found using methodology based on genetic algorithm and considering four strategies. The results of optimization show that the maximum values of permeability for oxygen, nitrogen, methane, and carbon dioxide are 334.7, 779.9, 902.7, and 270.4 respectively.
