مدلسازی و شبیه سازی ریاضی و شبکه عصبی کاهش کاتالیستی انتخابی NOx در بستر کاتالیستی

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده مهندسی شیمی و نفت، دانشگاه تبریز، تبریز، ایران

چکیده

با گسترش صنایع و افزایش مصرف انرژی در جهان، انتشار آلاینده اکسیدهای نیتروژن، NOx، که از احتراق سوخت‌های فسیلی در موتورهای درون‌سوز و صنایع تولید می‌شوند، با سرعت زیادی در حال افزایش است. بنابراین کنترل انتشار و حذف NOx از اهمیت بسیاری برخوردار است. در این مطالعه، مدلسازی و شبیه‌سازی کاهش کاتالیستی انتخابی NOx در یک بستر کاتالیستی در دو حالت پایا و دینامیک انجام گردید. نتایج حالت پایا نشان داد که با توجه به اثر شدید دما بر میزان تبدیل NOx و رقابت واکنش اصلی با اکسیداسیون آمونیاک توسط O2، تبدیل NOx نیاز به یک فیلتر کاتالیستی در محدوده دمای 300 تا °C350 دارد. نتایج نشان داد که میزان تبدیل NO با کاهش سرعت فضایی گاز و افزایش غلظت NO ورودی افزایش می‌یابد. در حالت دینامیک، نتایج حالت پایا به عنوان شرایط اولیه برای شبیه‌سازی دینامیک استفاده شدند و اثر تغییرات در پارامترهای مؤثر شامل سرعت فضایی گاز، غلظت NO ورودی و نسبت NH3/NO ورودی مورد بررسی قرار گرفت. همچنین شبیه‌سازی حالت پایای فرایند با استفاده از شبکه عصبی مصنوعی پیش خور انجام گرفت و مقادیر تبدیل NO و NH3 به عنوان تابعی از سرعت فضایی گاز، دمای راکتور و غلظت NO در نسبت ثابت NH3/NO تخمین زده شدند. 96 شبکه با تعداد نرون‌های مختلف و دو تابع فعال‌سازی مختلف در لایه مخفی با سه بار تکرار، آموزش داده شدند. شبکه بهینه حاصل، ماکزیمم متوسط خطای مربعی حدود 0.01 را نسبت به نتایج مدلسازی ریاضی نشان داد که حاکی از کارآیی بالای شبکه عصبی در پیش‌بینی عملکرد فرایند می‌باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Mathematical and Artificial Neural Network Modeling and Simulation of NOx Selective Catalytic Reduction in Catalytic Bed

نویسندگان [English]

  • Ali Farzi
  • Parvaneh Khalati
Faculty of Chemical and Petroleum Engineering, University of Tabriz, Tabriz, Iran
چکیده [English]

Worldwide development of industries and increasing of energy consumption, have resulted increasing of the emission of nitrogen oxide, NOx, pollutants produced by fossil fuels in industries and internal combustion engines. Therefore, NOx emission control and its removal is very important. In this study, modeling and simulation of selective catalytic reduction (SCR) of NOx in a catalytic bed at both steady-state and dynamic conditions was performed. Results of steady-state simulation showed that because of the intense effect of temperature on NOx conversion and competition of the main reaction with the oxidation of NH3 by O2, conversion of NOx requires a catalytic filter in the range of 300-350°C . The results showed that NO conversion increases with decreasing gas hourly space velocity (GHSV) and increasing inlet NO concentration. At dynamic condition, steady-state results were used as initial conditions for dynamic simulation and the effect of changes of the effective parameters including GHSV, NO concentration, and NH3/NO ratio were investigated. Also, steady-state simulation of the process were performed using a feed-forward artificial neural network and conversion values of NOx and NH3 were estimated as a function of GHSV, reactor temperature, and NO concentration at fixed NH3/No ratio. 96 networks with different neurons and two different activation function in hidden layer were trained three times with different initial weights. The resulted optimum network showed maximum mean square of errors about 0.01 with respect to mathematical modeling results indicating high performance of neural network for predication of process performance.

کلیدواژه‌ها [English]

  • Selective catalytic reduction of NOx
  • honey-comb reactor
  • mathematical modeling
  • process simulation
  • artificial neural network