مدلسازی جداسازی غشایی LPG از جریانهای گازی با استفاده از شبکه عصبی – شیمی

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی شیمی
نوع ارائه:پایان نامه
تعداد صفحات:182
قالب بندی:word قابل ویرایش

نحوه خرید

مدلسازی جداسازی غشایی LPG از جریانهای گازی با استفاده از شبکه عصبی – شیمی

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

چکیده

چکیده ۱

مقدمه ۲
فصل اول: کلیات ۳ ۱-۱-

هدف ۴
۱-۲- پیشینه تحقیق ۴
۱-۳- روش کار و تحقیق ۴
فصل دوم: LPG و ضرورت جداسازی آن ۵
۲-۱- مقدمه ۶
۲-۲- LPG و سایر اصطلاحات ۶
۷ LNG -1-2-2
۲-۳- خصوصیات LPGص ۷
۲-۴- کاربردهای LPGص ۸
۲-۵- بازار جهانی LPGص ۹
۲-۶- بازیابی LPG از جریانهای گازی ۱۰
۲-۷- استفاده از غشاء ۱۱
فصل سوم: جداسازی غشای گاز ۱۵
۳-۱- مقدمه ۱۶
۳-۲- غشاهای غیر متخلخل ۱۸
۳-۳- مکانیسم های انتقال گاز ۱۸
۳-۳-۱- میعان جزیی برخی از اجزای مخلوط گازی ۱۸
۳-۳-۲- جذب انتخابی اجزای مخلوط گازی ۱۸
۳-۴- غشاهای غیر متخلخل ۱۸
۳-۴-۱- غشاهای پلیمری ۱۹
۳-۵- استفاده از فرآیندهای غشایی در جداسازی گازها ۲۰
۳-۶- انواع فرآیندهای غشایی در جداسازی گازها ۲۰
۳-۷- شرکت های معتبر فعال در فرآیندهای جداسازی گاز ۲۱
۳-۸- عوامل مؤثر در طراحی فرآیند غشائی LPG 22
فصل چهارم: مدلهای تشریح کننده رفتار غشاهای پلیمری ۲۳
۴-۱- مقدمه ۲۴
۴-۲- مدل های تشریح کننده انتقال گاز در پلیمرها ۲۴
۴-۲-۱- مدل های میکروسکوپی ۲۴
۴-۲-۲- مدل های مولکولی ۲۶
۴-۳- عوامل تأثیر گذار بر انتقال گاز از غشاهای پلیمری ۲۸
۴-۳-۱- اثر طبیعت غشاء (ساختارهای فیزیکی و شیمیایی غشاء) ۲۸
۴-۳-۲- اثر طبیعت اتصال عرضی (اصلاح اتصال عرضی شیمیایی
غشاهای پلیمری) ۳۵
۴-۳-۳- اثر پدیده پلاستیسیزاسیون ۳۵
۴-۳-۴- اثر طبیعت تراوش کننده ۳۶
۴-۳-۵- اثر پرکننده ها ۳۷
۴-۳-۶- اثر دما ۳۷
فصل پنجم: غشاهای پلیمری جداسازی LPG و انتخاب غشاء مناسب ۳۹
۵-۱- مقدمه ۴۰
۵-۲- غشاهای پلیمری شیشه ای ۴۱
۵-۳- غشاهای بر پایه استیلن ۴۱
۵-۴- غشاهای پلیمری لاستیکی ۵۸
۵-۵- نتیجه گیری و پیشنهاد غشاء مناسب ۷۳
فصل ششم: استفاده از تکنیک شبکه عصبی برای شبیه سازی غشاء جداسازی LPG 75
۶-۱- مبانی شبکه های عصبی مصنوعی ۷۶
۶-۱-۱- مقدمه ۷۶
۶-۱-۲- شبکه های عصبی مصنوعی ۷۶
۶-۱-۳- توابع محرک ۷۷
۶-۱-۴- ساختار شبکه های عصبی ۷۸
۶-۱-۵- شبکه های پیشخور چند لایه ۷۹
۶-۱-۶- تعیین بهترین اندازه برای شبکه ۷۹
۶-۱-۷- گونه های مختلف آموزش در شبک ههای عصبی مصنوعی ۸۰
۶-۱-۷-۱- آموزش با ناظر ۸۰
۶-۱-۷-۲- آموزش بدون ناظر ۸۱
۶-۱-۸- الگوریتمهای آموزش ۸۱
۶-۱-۹- کنترل آموزش ۸۱
۶-۱-۱۰- پارامترهای مهم شبکه های عصبی مصنوعی ۸۲
۶-۱-۱۱- قدرت تفکیک شبکه های عصبی مصنوعی ۸۲
۶-۱-۱۲- استخراج مشخصه ۸۲
۶-۱-۱۳- تعمیم یافتگی ۸۳
۶-۱-۱۴- طبقه بندی شبکه های عصبی مصنوعی ۸۴
۶-۱-۱۵- پرسپترون ۸۶
۶-۱-۱۵-۱- الگوریتم پس انتشار خطا ۸۸
۶-۱-۱۵-۲- محدودیت الگوریتم پس انتشار خطا (BP ) 90
۶-۱-۱۵-۳- ملاحظاتی در مورد الگوریتم BP 90
۶-۱-۱۶- تغییر مقیاس داد ههای آموزشی (نرمالیزه کردن) ۹۱
۶-۱-۱۶-۱- آموزش الگو به الگو ۹۲
۶-۱-۱۶-۲- آموزش گروهی ۹۲
۶-۱-۱۶-۳- روش آموزش پس انتشار خطای مارکوآرت- لونبرگ ۹۴
۶-۲- روش کار مربوط به پروژه حاضر ۹۶
۶-۲-۱- داده های آزمایشگاهی و مدلسازی غشاء جداسازی گاز ۹۶
۶-۲-۲-آموزش، ارزیابی و آزمایش ۹۸
۶-۲-۳- الگوریتم آموزش شبکه عصبی و توابع محرک ۹۹
۶- ۲- ۴- بررسی جامعیت مدل شبکه عصبی به منظور پیش بینی رفتار سیستم ۱۰۲
۶-۳- نتیجه گیری ۱۰۵
فصل هفتم: الگوریتم بهینه سازی انبوه ذرات(PSO) 106
۷-۱- مقدمه ۱۰۷
۷-۲- پارامترهای PSO 109
۷-۳- کاربردها ۱۱۴
فصل هشتم: مدل سازی نتایج تراوش مخلوط گاز ۱۱۶
۸-۱- مقدمه ۱۱۷
۸-۲- توسعه مدل ۱۱۸
۸-۳- نتایج مدل ۱۲۳
۸-۳-۱- حلالیت ۱۲۵
۸-۳-۲- نفوذ ۱۲۸
۸-۳-۳- تراوش پذیری ۱۳۲
۸-۳-۴- ارزیابی صحت مدل ۱۳۴
۸-۵- نتیجه گیری ۱۳۴
فصل نهم: نتیجه گیری و پیشنهاد ۱۳۵
۹-۱- نتیجه گیری و پیشنهاد ۱۳۶

چکیده:
این مستند گزارش پایان نامه با عنوان جداسازی LPG از جریانات گازی توسط فرایندهای غشایی و مدلسازی ریاضی آن میباشد. گزارش تهیه شده شامل نه فصل است. در فصل اول کلیات تحقیق توضیح داده شده است فصل دوم به معرفی LPG و کاربردهای آن اختصاص شده است. در فصل سوم توضیحاتی در مورد انواع غشاهای موجود، کاربردهای جداسازی غشایی گاز و انواع فرآیندهای غشایی در جداسازی گازها که دفع هیدرو کربن های سنگین توسط غشاء یکی از آنهاست، داده شده است. مکانیسم های انتقال گاز در غشاء و مدلهای تشریح کننده آن در فصل چهارم مورد بررسی قرار گرفته است. در فصل پنجم کلیه غشاهای پلیمری که برای جداسازی LPG از جریان گازی مورد استفاده قرار گرفته است، بررسی گردیده و غشای مناسب انتخاب شده است.
در ادامه در فصل ششم شبکه های عصبی به عنوان ابزاری توانمند به منظور سیستمهای پیچیده معرفی می گردند و مدل شبکه عصبی طراحی شده به منظور مدلسازی رفتار غشا به طورکامل شرح داده می شود. فصل هفتم این گزارش مربوط به معرفی الگوریتم بهینه سازی PSO می باشد که در فصل هشتم به منظور تعیین پارامترهای مدل ریاضی به کار گرفته شده است. در فصل هشتم مدلهای مختلف ریاضی توصیف کننده رفتار غشاء بررسی شده اند و مناسب ترین مدل به منظور تعیین رفتار سیستم مورد بحث ارائه گشته است. در نهایت در فصل نهم به طور مختصر نتیجه گیری و پیشنهادات ارائه گردیده اند.

مقدمه:
امروزه به دلیل افزایش مصرف انرژی و ازدیاد قیمت روز افزون سوخت و فرآورد ههای نفتی، LPG به عنوان یکی از محصولات با ارزش نفت و گاز مورد توجه قرار گرفته است بسیاری از جریانات گازی در پالایشگاه ها و واحدهای بهره برداری حاوی مقادیر بالایی از LPG می باشند که بسیاری از آنها بدون استفاده سوزانده میشوند یکی از دلایل این امر نیاز به فرآیند نسبتاً پیچیده به منظور LPG از جریان گازی، با روشهای سنتی میباشد. با وجود تکنولوژی غشائی به عنوان یک عملیات جداسازی بسیاری کارآمد با حجم و ابعاد کم و قابلیت انعطاف بالا، می توان از هدر رفت مقادیر بالایی از LPG جلوگیری کرد و در واحدهایی که از روشهای صنعتی استفاده میکنند راندمان جداسازی را بسیار بالابرد و میزان بازیافت را تا ۹۹% رساند. لذا شناخت و بررسی تکنولوژی جداسازی به منظور جداسازی LPG از جریانهای گازی می تواند یکی از زمینه های تحقیقاتی و عملی بسیار راه گشا به منظور بالا بردن ارزش افزوده در واحدهای نفت و گاز و جلوگیری از هدر رفت منابع طبیعی مورد توجه قرار گیرد. لذا در این گزارش سعی بر معرفی و بررسی مقدماتی این متد میباشد.

نتیجه گیری
در فصلهای گذشته فرایندهای جداسازی گاز در غشاها بررسی شد و همچنین غشاهای مناسب به منظـورجداسازیLPG از جریانهای گازی معرفی گردیدند. با توجه یه مطالب مذکور فراینـد غـشایی جداسـازیLPG به عنوان یک فرایند با کارایی و صرفه اقتصادی بالا در کنار حجم کم و به عنوان یک فراینـد نـوینصنعتی امروزه در سراسر جهان مورد توجه می باشد لذا انتخاب غشاء مناسـب و مدلـسازی رفتـار آن دراستفاده صنعتی و بهینه این فرایند تأثیر بسزایی دارد و امری لازم و غیرقابل اجتناب است در فصل ششماین گزارش غشاهای مناسب جهت جداسازیLPG از جریانات گازی مشخص شد. در ادامه بـا توجـه بـهاهمیت مدلسازی رفتار غشاء شبکه های عصبی به عنـوان ابـزاری قدرتمنـد جهـت شـبیه سـازی رفتـارسیستمهای پیچیده معرفی شد. علاوه براین در این مطالعه با بررسی مدلهای تشریح کننده انتقال گاز درغشاء یک مدل ریاضی مناسب برای محاسبه فلاکس اجزا عبور کننده از غشاء ارائه گردید که در نهایت بااستفاده از داده هایآ حاصل از آزمایشهای دقیق بر روی مدل آزمایشگاهی و با استفاده از بهینـه سـازی ازروشPSO پارامترهای آن تعیین گردید. این مدل رفتار غشاء را به خـوبی توصـیف مـی نمایـد واز دقـتبالایی برخوردار است. در ادامه این پروژه بررسیهای بیشتر جهـت در نظـر گـرفتن تابعیتهـای دیگـر و یـااصلاح مدل ارائه شده که ممکن است منجر به دقت بالاتر شود توصیه می گردد.

نحوه خرید

دانلود رایگان فایل
شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد

راهنمای سایت

برخلاف سایت های دیگر که فایل ها را به صورت تکی می فروشند روال سایت ما این است که شما با عضویت در سایت ما میتوانید از تمام فایل های موجود استفاده کنید.

تمام مطالب سایت فقط برای اعضای سایت رایگان است.

نحوه عضویت در سایت

آخرین مطالب

مطالب مرتبط