بهینه سازی فرآیند جداسازی گازی با استفاده از غشا پلیمری اصلاح شده بر پایه الگوریتم ژنتیک و شبکه عصبی

Abstract

افزودن نانوذرات به ماتریس پلیمری منجر به افزایش عملکرد غشا در فرایند جداسازی گازی می‌شود. در تحقیق جاری، هدف یافتن نقطه بهینه عملیاتی جداسازی گازی برای غشای پلیمری اصلاح شده با نانوذرات می باشد. متغیرهای عملیاتی مورد بررسی نوع نانوذره، غلظت نانوذره اضافه شده و اختلاف فشار عملیاتی در دوسوی غشا می‌باشد. نانوذرات Al2O3 ،ZnO و TiO2 در این تحقیق مورد استفاده قرار گرفتند. همچنین غلظت نانوذره و اختلاف فشار عملیاتی به ترتیب در محدوده 5/2 تا 15% و 2 تا bar 25 مورد بررسی قرار گرفتند. یکی از الزامات بهینه‌سازی فرایند، توسعه یک مدل قوی و کارآمد است. بدین منظور ابتدا یک مدل قدرتمند با استفاده از شبکه عصبی مصنوعی توسعه پیدا کرد که قادر به پیش‌بینی میزان تراوش‌پذیری گازهای اکسیژن، نیتروژن، متان و دی اکسید کربن می باشد. مدل‌هایی براساس انواع شبکه های عصبی پیشخور توسعه داده شدند که R2 بزرگتر از 9/0 داشتند. سپس با استفاده از الگوریتم ژنتیک شرایط بهینه عملیاتی برای هر یک از گازهای مورد بررسی با در نظر گرفتن چهار هدف و راهبرد استخراج شدند. نتایج بهینه‌سازی نشان دادند که مقدار تراوش‌پذیری بیشینه برای گازهای اکسیژن، نیتروژن، متان و دی اکسید کربن به ترتیب برابر با 7/334، 9/779، 7/902 و 4/270 می‌باشد.

Keywords

• جداسازی گازی
• غشا پلیمری
• بهینه سازی
• شبکه عصبی مصنوعی
• الگوریتم ژنتیک