مدلسازی بازده بیودیزل تولیدی از ترکیب روغن های گیاهی کلزا و آفتابگردان با استفاده از نرم افزار Design Expert
محل انتشار: بیست و یکمین کنگره ملی علوم و صنایع غذایی ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,056
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCFOODI21_1633
تاریخ نمایه سازی: 4 اسفند 1392
چکیده مقاله:
در سال های اخیر تحقیقاتی در خصوص مدلسازی رگرسیونی چگالی متیل استر روغن خرما بر حسب دما انجام شده است. پیش بینی یک مدل ماسب برای بازده بیودیزل و مقایسه ی آن با مدل آزمایشی و تعیین ضریب همبستگی یکی از مهم ترین اهداف این پژوهش می باشد. در این پژوهش مدلی به منظور پیش بینی میزان بازده بیودیزل بر اساس پارامترهای مورد استفاده در واکنش ترانس استریفیکاسیون توسط نرم افزار Design Expert ارائه می گردد. در این مدلسازی، بازده بیودیزل (Biodiesel Yield) به عنوان پارامتر وابسته و پارامترهای مورد استفاده در واکنش ترانس استریفیکاسیون (دمای واکنش (A)، زمان واکنش (B)، نسبت مولی الکل به روغن (C) و ترکیب روغن های گیاهی کلزا و آفتابگردان (D)) به عنوان پارامترهای مستقل در نظر گرفته شدند. مدل پیش بینی شده نشان می دهد که پارامترهای دمای واکنش و نسبت مولی الکل به روغن در سطح 5% معنی دار می باشند در صورتی که پارامترهای زمان واکنش و ترکیب روغن، تأثیر معناداری را بر روی بازده بیودیزه تولیدی ندارند. همچنین درصد خطای به دست آمده از مدلسازی در پیش بینی بازده بیودیزل 0/01% به دست آمد که درصد قابل قبولی می باشد. نتایج حاصل از مدلسازی نشان داد که این مدل توانایی پیش بینی بازده بیودیزل را با ضریب R(2)=0.582 داشته و پارامتر نسبت مولی الکل به روغن، بیشترین تأثیر را بر بازده بیودیزل دارد، به طوری که بیترین بازده در دمای واکنش 45 درجه سلسیوس و در نسبت مولی الکل به روغن 12:1 به دست آمد.
کلیدواژه ها:
نویسندگان
نعیمه غلامرضایی
دانشگاه شیراز، کارشناس ارشد گروه مهندسی مکانیک ماشین های کشاورزی
داریوش زارع
دانشگاه شیراز، دانشیار گروه مهندسی مکانیک ماشین های کشاورزی
محمدتقی گلمکانی
دانشگاه شیراز، استادیار گروه علوم و صنایع غذایی
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 :