ابوذر غفاری توران - دانشکده مهندسی شیمی دانشگاه علم و صنعت ایران
شاهرخ شاه حسینی

تاکنون مدلهای نیمه تجربی فراوانی تحت عنوان مدلهای استانه رسوبگذاری مطرح شدها ست که در بین آنها مدل استانه رسوبگذاری شبکه عصبی دارای خطا کمتری است ولی این دقت برای استفاده های صنعتی قابل قبول نیست همچنین مدلسازی انجام شده با روش شبکه عصبی دارای خطای زیادی است مکانیزم های فیزیکی و شیمیایی بسیاری در رسوبگذاری نفتخام شرکت می کنند که نقش برخی از آنها ناشناخته است به همین علت مدلسازی انجام شده به روش محاسبات عددی با آنچه در واقعیت اتفاق می افتد فاصله دارد دراین پژوهش از روش فازی عصبی جهت مدلسازی رفتار فرایند رسوبگذاری نفت خام در یکی از مبدلهای پیش گرمکن واحد تقطیر پالایشگاه تهران استفاده شده است درمبدل مورد نظر دبی نفت خام ورودی، دمای ورودی و خروجی نفت خام در سمت لوله ودمای ورودی وخروجی نفت سفید در سمت پوسته از سیستم DCS واحد تقطیر که بیش 650 داده تجربی را شامل می شود جمع اوری شد هاست با مقایسه مقادیر پیش بینی شده توسط مدل فازی عصبی با داده های تجربی قدر مطلق خطای نسبی 3% بدست می اید.

رسوبگذاری، نفت خام، مبدل حرارتی، مدلسازیف فازی - عصبی