فهرس المقالات تبدیل خشک متان

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - مدل‌سازی فرایند تبدیل خشک متان به‌کمک پلاسما با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
  سیدمرتضی فاضلی فاطمه راوری حمیدرضا بزرگ زاده جعفر صادق زاده اهری
  پیش‌بینی فراورده‌های (هیدروژن و کربن مونوکسید) تبدیل خشک متان به‌کمک پلاسما در فشار جوی با استفاده از شبکه عصبی مصنوعی شبیه‌سازی شد. داده‌های تجربی موردنیاز برای مدل‌سازی شبکه عصبی مصنوعی از یک واکنشگاه پلاسمایی تخلیه کرونا جمع‌آوری شد. اثر عامل‌های فرایندی (توان تخلیه أکثر

  پیش‌بینی فراورده‌های (هیدروژن و کربن مونوکسید) تبدیل خشک متان به‌کمک پلاسما در فشار جوی با استفاده از شبکه عصبی مصنوعی شبیه‌سازی شد. داده‌های تجربی موردنیاز برای مدل‌سازی شبکه عصبی مصنوعی از یک واکنشگاه پلاسمایی تخلیه کرونا جمع‌آوری شد. اثر عامل‌های فرایندی (توان تخلیه پلاسما، دبی خوراک ورودی) بر کارایی تبدیل متان و گزینش‌پذیری نسبت به فراورده‌های مورد بررسی قرار گرفتند. شبکه پیش‌خور با الگوریتم پس انتشار خطا، تابع آموزش انتشار رو به عقب لونبرگ مارکوارت، تابع فعال‌سازی سیگموئیدی برای لایه مخفی و تابع فعال‌سازی خطی برای لایه خروجی، مناسب‌ترین شبکه عصبی به‌دست آمده در این پژوهش است. برای مثال، مدل شبکه عصبی مصنوعی تبدیل متان 25/12% و گزینش پذیری نسبت به هیدروژن و کربن‌مونوکسید به ترتیب 71/15% و 74/85% را در توان تخلیه 4 وات پیش‌بینی کرد که مقادیر خطای مدل برای درصد تبدیل متان، گزینش‌پذیری نسبت به هیدروژن و کربن‌مونوکسید به ترتیب برابر 0/47%،1/2% و 0/2% است. برای رسیدن به شرایط بهینه عملیاتی در فرایند تبدیل از ترکیب الگوریتم ژنتیک و شبکه عصبی مصنوعی استفاده شد. نتیجه‌ها نشان دادند که شدت‌جریان خو.راک ورودی بهینه 175 میلی‌لیتر بر دقیقه و توان تخلیه بهینه 6 وات بود. در این شرایط درصد تبدیل متان 25/85% و گزینش‌پذیری نسبت به هیدروژن برابر 65/15% به‌دست آمد. اختلاف کوچک در شرایط عملیاتی بهینه بین مقادیر پیش‌بینی شده و تجربی، تأیید می‌کند که مدل شبکه عصبی مصنوعی ترکیب شده با الگوریتم ژنتیک، ابزاری مناسب برای مدل‌سازی و بهینه‌سازی فرایند تبدیل خشک متان به‌کمک پلاسماست. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - سنتز و شناسایی نانوکاتالیست‌های پروسکایتی Mg1-xZrxNiO3 به‌منظور استفاده در فرایند تبدیل خشک متان
  نوشین طلایی حمیدرضا آقابزرگ موید حسینی صدر کریم زارع
  نانوکاتالیست‌های پروسکایتی Mg1-xZrxNiO3 به روش سیترات سل-ژل سنتز شد. نمونه‌های ساخته شده با روش‌های پراش پرتو ایکس (XRD)، کاهش برنامه‌ریزی شده دمایی (TPR) و تجزیه‌ی عنصری به روش پلاسمای جفت شده القایی (ICP) شناسایی شدند. مساحت سطح نمونه‌ها با روش BET اندازه‌گیری شد. ریخ أکثر

  نانوکاتالیست‌های پروسکایتی Mg1-xZrxNiO3 به روش سیترات سل-ژل سنتز شد. نمونه‌های ساخته شده با روش‌های پراش پرتو ایکس (XRD)، کاهش برنامه‌ریزی شده دمایی (TPR) و تجزیه‌ی عنصری به روش پلاسمای جفت شده القایی (ICP) شناسایی شدند. مساحت سطح نمونه‌ها با روش BET اندازه‌گیری شد. ریخت‌شناسی نمونه‌ها با میکروسکوپ الکترونی روبشی و عبوری (TEM و SEM) مورد بررسی قرار گرفت. بررسی الگوهای XRD نانوکاتالیست‌های سنتز شده، نشان داد که Zr در ساختار پروسکایت MgNiO3، تا x برابر 0/4، جانشانی شده است. تصویرهای SEM نانوکاتالیست‌ها نشان دادند که اندازه ذرات سنتز شده در مقیاس نانو است. نتیجه‌های به‌دست آمده از TPR نشان دادند، با افزایش مقدار Zr تا x برابر 0/3، میزان مصرف هیدروژن بیشتر و منجر به کاهش بهتر شده است برای این نمونه‌ها فعالیت کاتالیتیکی نانوکاتالیست‌ها در تبدیل خشک متان با دی‌اکسید کربن بررسی شد. بر اساس نتیجه‌های به‌دست آمده روند کاهشی نسبت H2/CO در حضور نانوکاتالیست‌های سنتز شده به ترتیب زیر است: Mg0.7Zr0.3NiO3 > Mg0.9Zr0.1NiO3 > MgNiO3 تفاصيل المقالة