TY - JOUR ID - 3489 TI - شبیه سازی ریاضی و شبکه عصبی مصنوعی کاهش کاتالیستی انتخابی ناکس در یک راکتور مونولیتی JO - نشریه مهندسی مکانیک امیرکبیر JA - MEJ LA - fa SN - 2008-6032 AU - فرضی, علی AU - خلعتی, پروانه AD - دانشکده مهندسی شیمی و نفت، دانشگاه تبریز، تبریز، ایران Y1 - 2019 PY - 2019 VL - 52 IS - 9 SP - 2465 EP - 2478 KW - کاهش کاتالیستی انتخابی ناکس KW - راکتور مونولیتی لانه زنبوری KW - مدل سازی ریاضی KW - شبیه سازی فرایند KW - شبکه عصبی مصنوعی DO - 10.22060/mej.2019.15355.6102 N2 - گسترش صنایع و افزایش مصرف انرژی در جهان، سبب افزایش انتشار آلاینده اکسیدهای نیتروژن، ناکس، شده است. بنابراین حذف ناکس از اهمیت بسیاری برخوردار است. در این مطالعه، مدل‌سازی و شبیه‌سازی کاهش کاتالیستی انتخابی ناکس توسط آمونیاک در یک راکتور کاتالیستی مونولیتی در دو حالت پایا و دینامیک انجام گردید. نتایج حالت پایا نشان داد که به دلیل اثر شدید دما بر تبدیل ناکس و رقابت واکنش اصلی با اکسیداسیون آمونیاک، تبدیل ناکس نیاز به فیلتر کاتالیستی در محدوده 300 تا 350 درجه سانتی‌گراد دارد. نتایج نشان داد که تبدیل اکسید نیتروژن با کاهش سرعت فضایی گاز و افزایش غلظت اکسید نیتروژن ورودی افزایش می‌یابد. در حالت دینامیک اثر تغییرات پارامترهای مؤثر شامل سرعت فضایی گاز، غلظت اکسید نیتروژن و نسبت مولی آمونیاک به اکسید نیتروژن ورودی مورد بررسی قرار گرفت. همچنین شبیه‌سازی حالت پایای فرایند با شبکه عصبی مصنوعی انجام گرفت و مقادیر تبدیل اکسید نیتروژن و آمونیاک به عنوان تابعی از سرعت فضایی گاز، دمای راکتور و غلظت اکسید نیتروژن تخمین زده شدند. 96 شبکه با تعداد نرون‌های مختلف و دو تابع فعا لسازی مختلف در لایه مخفی آموزش داده شدند. شبکه بهینه بیشینه خطای مربعی حدود 01 / 0 نسبت به نتایج مدل‌سازی ریاضی نشان داد که حاکی از کارآیی بالای شبکه عصبی در پیش‌بینی عملکرد فرایند می‌باشد. UR - https://mej.aut.ac.ir/article_3489.html L1 - https://mej.aut.ac.ir/article_3489_4ea2028d4eaeb9774d7f271bd5df0d0d.pdf ER -