به کارگیری شبکه عصبی در پیش بینی رفتار فرایند آلکیلاسیون متاکروزل با ایزوپروپانول و بهینه سازی بازده فرایند با الگوریتم کلونی زنبورهای عسل

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 77

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ARCPE-5-4_005

تاریخ نمایه سازی: 10 دی 1403

چکیده مقاله:

موضوع تحقیق: در ده­های اخیر روش­های بهینه سازی مبتنی بر پدیده­های طبیعی به دلیل عدم نیاز به انجام محاسبات سنگین ریاضی، عدم وابستگی به نقاط انتخابی اولیه و قابلیت بهینه­سازی نسبت به سایر روش­ها، در زمینه بهینه­سازی ترکیبی جایگاه ویژه­ای پیدا کرده­ است. علاوه بر این شبکه عصبی مصنوعی به عنوان یکی از ابزار قدرتمند هوش مصنوعی در شبیه­سازی فرایندها به کار برده می­شود. به­کارگیری شبکه عصبی برای مدل­سازی  فرایند آلکیلاسیون متاکروزل با ایزوپروپانول و روش فرا ابتکاری در به دست آوردن شرایط بهینه برای کاتالیست و واکنش می­تواند گام موثری، در جهت انجام فرایند با بازده بالا فراهم ­سازد. روش تحقیق: در این پژوهش شبکه عصبی برای پیش­بینی فرایند آلکیلاسیون متاکروزل با ایزوپروپانول و الگوریتم کلونی زنبورهای عسل به منظور بهینه سازی بازده فرایند به کار گرفته شد. شبکه عصبی طراحی شده دارای ۵ نرون در لایه پنهان می­باشد. به منظور بررسی عملکرد الگوریتم پیشنهادی، شبکه عصبی مصنوعی برای پیش بینی تبدیل متاکروزل و گزینش پذیری آن به تیمول در فرایند آلکیلاسیون متاکروزل با ایزوپروپانول ۱۲۰ داده استفاده شد. در این فرایند، سرعت فضایی (WHSV)، فشار و دما، به عنوان متغیرهای ورودی و تبدیل متاکروزل و گزینش پذیری تیمول به عنوان متغیرهای خروجی شبکه عصبی در نظر گرفته شده است. نتایج اصلی: سیستم شبیه­سازی طراحی شده با ضریب رگرسیون (R۲) بالاتر از %۹۷.۵، نشان دهنده دقت بالای شبکه عصبی طراحی شده برای این فرایند می­باشد. میزان بیشینه بازده این فرایند با استفاده از الگوریتم کلونی زنبورهای عسل  ۲۸.۹%  )با متغیرهای قابل تنظیم  h-۱۰.۰۶۲ WHSV=، فشار  bar۱.۵ و دمای ˚C ۳۰۰( حاصل شد. هم­چنین برای دستیابی به کارایی بهتر الگوریتم بهینه سازی، مقادیر مطلوب ضریب شتاب و جمعیت زنبورها با آزمون سعی و خطا ۱۰۰ و ۱۰حاصل شد.

نویسندگان

حمید کرمی

Department of Chemical and Petroleum Engineering, Sharif University of Technology

سعید سلطانعلی

Catalysis Technologies Development Division, Research Institute of Petroleum Industry

شکوفه طیبی

Refining Technologies Development Division, Research Institute of Petroleum Industry

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Shapiro S., The Inhibitory Action of Fatty Acids on Oral ...
  • Didry N P., Dubreuil L. and Pinkas M., Antibacterial Activity ...
  • Teissedre Pl. and Waterhouse Al., Inhibition of Oxidation of Human ...
  • Biedermann W., Koller H. and Wedemeyer K., Process for preparing ...
  • Yadav GD., Pathre GS., Novel mesoporous solid superacidic catalysts: activity ...
  • Malkar RS, Yadav GD. Selectivity engineering in synthesis of thymol ...
  • Shelokar P., Kulkarni A., Jayaraman VK., Siarry P., Metaheuristics in ...
  • Valadi J., Siarry P., Applications of metaheuristics in process engineering. ...
  • Ganesan T., Vasant P., Elamvazuthi I., Advances in metaheuristics: applications ...
  • Sakthivel G., Prediction of Ci Engine Performance, Emission and Combustion ...
  • Petit J., Zupan J., Leherte L., Vercauteren DP., Application of ...
  • Sun XY, Xiang SG. Product Distributions of Benzene Alkylation with ...
  • Mahmoudian F, Moghaddam AH, Davachi SM. Genetic‐based multi‐objective optimization of ...
  • Afreen G, Pathak S, Upadhyayula S. Gas phase alkylation of ...
  • Ncanana ZS, Pullabhotla VSRR. Oxidative degradation of m-cresol using ozone ...
  • Shahhosseini S, Vakili S. Optimization of styrene reactor using tabu ...
  • نمایش کامل مراجع