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

افزودن نانوذرات به ماتریس پلیمری منجر به افزایش عملکرد غشا در فرایند جداسازی گازی می شود. 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 می باشد. نانوذرات Al۲O۳ ،ZnO و TiO۲ در این تحقیق مورد استفاده قرار گرفتند. همچنین غلظت نانوذره و اختلاف فشار عملیاتی به ترتیب در محدوده ۵/۲ تا ۱۵% و ۲ تا bar ۲۵ مورد بررسی قرار گرفتند. یکی از الزامات  بهینه سازی 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 پیش بینی میزان تراوش پذیری گازهای اکسیژن، نیتروژن، متان و دی اکسید کربن می باشد. مدل هایی براساس انواع شبکه های عصبی پیشخور توسعه داده شدند که R۲ بزرگتر از ۹/۰ 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 بهینه سازی نشان دادند که مقدار تراوش پذیری بیشینه برای گازهای اکسیژن، نیتروژن، متان و دی اکسید کربن به ترتیب برابر با ۷/۳۳۴، ۹/۷۷۹، ۷/۹۰۲ و ۴/۲۷۰ می باشد.

کلیدواژه ها:

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