| بررسی و شبیه سازی راکتور های آلکیلاسیون در فرآیند اتیل بنزن با کاتالیست زئولیت با روش شبکه عصبی مصنوعی | |
| تعداد صفحات | ۹۵ |
| نوع فایل | Word |
| حجم فایل | ۶٫۸۴ Mb |
بررسی و شبیه سازی راکتور های آلکیلاسیون در فرآیند اتیل بنزن با کاتالیست زئولیت با روش شبکه عصبی مصنوعی
در این قسمت پروژه با موضوع بررسی و شبیه سازی راکتور های آلکیلاسیون در فرآیند اتیل بنزن با کاتالیست زئولیت با روش شبکه عصبی مصنوعی به صورت فایل word برای دانلود ارائه شده است.
قسمتی از متن پروژه در زیر نشان داده شده است.
چکیده
هدف اصلی این پژوهش، مدل سازی راکتور های واحد صنعتی تولید اتیل بنزن براساس آلکیلاسیون بنزن با اتیلن به وسیله شبکه عصبی مصنوعی است.
اتیل بنزن ماده شیمیائی است که از آلکیلاسیون بنزن با اتیلن در حضور کاتالیست زئولیت تولید
میشود و این ماده در تولید استایرن مونومر کاربرد دارد. میزان تولید اتیل بنزن و محصولات ناخواسته پلی اتیل بنزن ها در خروجی راکتور ها در ارزیابی رفتار کاتالیست نقش اساسی دارد . با توجه به اینکه تحلیل رفتار سیستم های غیر خطی و کاتالیستی با تعداد زیاد واکنش های شیمیائی موازی با مدل ریاضی دشوار بوده لذا تصمیم گرفته راکتور های یک واحد صنعتی به وسیله شبکه عصبی مصنوعی شبیه سازی شوند. دو پارامتر درصد های وزنی اتیل بنرن و پلی اتیل بنزن ها بعنوان پارامتر های هدف شبکه عصبی تعریف شدند و از میان تعداد زیاد پارامتر کنترلی مانند جریان های واکنشگرها و دمای راکتور ها و خلوص مواد ورودی به راکتور ها بعنوان عوامل تاثیر گذار در پارامترهای هدف تعین گردید. سه شبکه عصبی برای این منظور در نرم افزار متلب طراحی و دو پارامتر فوق با تعداد ورودی های ثابت در شبکه های عصبی مورد تجزیه و تحلیل قرار گرفت. نتایج مد لسازی با دقت بسیار خوب خطای متوسط نسبی و ضریب همبستگی R2 بین داد ه های واقعی واحد صنعتی با داده های تخمینی شبکه عصبی پیش بینی کرد. شبکه عصبی اول مربوط به پارامتر درصد وزنی اتیل بنزن در خروجی راکتور ها با ضریب همبستگی کلی R2 برابر با ۹۷۱/۰ و درصد خطای نسبی کل ۹۲۵/۰در شبکه عصبی مصنوعی اول بهترین جواب را می دهد. شبکه عصبی دوم مربوط به پارامتر درصد وزنی پلی اتیل بنزن ها در خروجی راکتور ها با ضریب همبستگی کلی R2 برابر با ۹۷۶/۰ و درصد خطای نسبی کل برابر با ۶۴۴/۱ درصد پاسخ مناسبی می دهد ولی شبکه عصبی سوم با دو پارامتر خروجی با ضریب همبستگی بسیار مناسب ۹۹۷/۰ ولی درصد خطای نسبی کل بالا برابر با ۲۴/۵ پاسخ آن همراه با خطا می باشد. نتایج نشان می دهد تعریف یک پارامتر خروجی در شبکه عصبی پاسخ مناسبتری می دهد.
مقدمه
اتیل بنزن یک ماده میانی در صنعت پتروشیمی می باشد که بعنوان خوراک در تولید استایرن مونومر مورد استفاده قرار میگیرد، استایرن مونومر در تولید پلیمرهای استایرنی و لاستیک های کاربرد دارد. تولید جهانی اتیل بنزن در سال ۲۰۰۱ حدود ۲۳ میلیون تن تخمین زده می شود. بین سالهای ۲۰۰۱ الی ۲۰۰۶ رشد ۴ درصد را برای تولید آن پیش بینی کرده بودند. بیش از ۹۰ درصد اتیل بنزن تولیدی در تولید استایرن مونومر مورد استفاده قرار می گیرد. کاربردهای دیگر اتیل بنزن در تولید استفنون ، استات سلولوز ،دی اتیل بنزن ، پروپیلن اکسید، اتیل بنزن سولفونیک اسید، آلفا متیل بنزیل الکل ، مخلوط اتیل بنزن و زایلین در تولید رنگ نیز مورد استفاده قرار می گیرد، اتیل بنزن همچنین در آفت کشهای کشاورزی نیز کاربرد دارد.
در حال حاضر اتیل بنزن با آلکیلاسیون بنزن با اتیلن تولید می شود. کاتالیست این فرآیند نیز زئولیت ها می باشد. هدف از این پروژه بررسی فرآیند آلکیلاسیون در راکتورها با استفاده از شبکه عصبی مصنوعی می باشد. در دهه اخیر بیش از پیش ، شبکه های عصبی مصنوعی تاثیرات زیادی روی مسائل صنعتی با کاربردهای وسیعشان در فرآیند های غیر خطی و مدلسازی و بهینه سازی داشته اند. راکتور های شیمیائی نیز پیچیدگی خاص دارند انجام تعداد زیاد واکنش های موازی همراه واکنش اصلی در آنها ، وجود تغییرات در خوراک ورودی، تغییرات اجباری در نوع کاتالیست و غیره امکان مدلسازی دقیق ریاضی را فراهم نمی کند لذا استفاده از روش شبکه عصبی می تواند در مدل سازی و بهینه سازی کاربرد داشته باشد. با توجه به فراهم بودن تعداد زیاد داده تجربی این روش انتخاب شده است تا بتوان یک مدل مناسب از رفتار سیستم را بدست آورد. تغییر در فرایند های شیمیائی پیوسته بسیار سخت و گاهاٌ هزینه بر می باشد لذا با استفاده از این قبیل مدل ها می تواند اثر تغییرات هر چند اندک را در سیستم پیش بینی کرد.
تاریخچه تولید اتيل بنزن
فرآیند تولید اتیل بنزن به مقدار قابل ملاحظه ای از سال ۱۹۸۰ توسعه پیدا کرد و تکنولوژی های کاتالیستی پایه زئولیتی سازگار با محیط زیست به روش آلکیلاسیون بصورت اقتصادی معرفی شدند. با این تکنولوژی مشکلات زیست محیطی کاتالیست های AlCl3 و SPA برطرف شد. فرآیند های برپایه زئولیت توسط شرکتهای UOP- Lummus ، Dow chemical ، CD. Tech ، Mobil-Badger ارائه شد.
شرح فرآیند تولید اتیل بنزن
اتیل بنزن از آلکیلاسیون اتیلن و بنزن در حضور کاتالیست های زئولیتی بدست می آید. آلکیلاسیون یک فرآیند شیمیائی بوده که معمولاً با اتصال و ترکیب یک الفین با یک غیر الفینی می باشد که ممکن است یک پارافین ، نفتن و یا آروماتیک باشد که در نتیجه یک هیدرو کربن جدید بوجود می آید. این فرآیند به شدت گرمازا می باشد.
مواد اولیه : برای تهیه اتیل بنزن نیاز به اتیلن و بنزن می باشد. معمولاً برای تولید یک تن اتیل بنزن نیاز به ۷۴/۰ تن بنزن و ۲۷/۰ تن اتیلن می باشد. اتیل بنزن بعنوان خوراک واحد استایرن مونومر است که این ماده در تولید پلاستیک های استایرنی و لاستیک کاربرد دارد.
فهرستی از مطالب این پروژه در زیر آمده است:
فصل اول: بررسی منابع
۱-۱ مقدمه
۱-۲ تاریخچه تولید اتیل بنزن
۱-۳ شرح فرآیند تولید اتیل بنزن
۱-۳-۱بخش واکنش
۱-۳-۲بخش جداسازی
۱-۴ کاتالیست های واحد اتیل بنزن و واکنش های شیمیایی
۱-۴-۱ کاتالیست ها
۱-۴-۱-۱ زئولیت ها
۱-۴-۱-۲ مشخصات کاتالیست های زئولیت
۱-۴-۱-۳ پیشرفت های صورت گرفته در زمینه کاتالیست های اتیل بنزن
۱-۴-۲ واکنشهای آلکیلاسیون
۱-۴-۲-۱ پارامترهای اصلی و موثر بر واکنش های آلکیلاسیون
۱-۴-۲-۱ -۱ دما
۱-۴-۲-۱ -۲ زمان اقامت
۱-۴-۲-۱ -۳ نسبت اتیلن به بنزن
۱-۴-۲-۱ -۴ وجود آب در خوراک بنزن
۱-۴-۳ واکنشهای ترانس آلکیلاسیون
۱-۴-۳ -۱ پارامترهای موثر بر واکنشهای ترانس آلکیلاسیون
۱-۴-۳ -۱-۱ نسبت مولی اتیل به آریل
۱-۴-۳ -۱-۲ زمان ماند
۱-۴-۳ -۱-۳ وجود آب
۱-۵ طراحی راکتور های آلکیلاسیون
۱-۶ طراحی راکتور های ترانس آلکیلاسیون
۱-۷ بررسی های کارهای انجام شده
۱-۷-۱ بهینه سازی فرآیند آلکیلاسیون برای بهبود فرآیند و کاهش میزان مصرف انرژی
۱-۷-۲ مدل سازی و شبیه سازی راکتورهای آلکیلاسیون بنزن برای تولید اتیل بنزن
۱-۷-۳ آلکیلاسیون بنزن با اتان برای تولید اتیل بنزن در حضورکاتالیست های زئولیتی حاوی پلاتین دو عاملی
۱-۷-۴ تولید اتیل بنزن با کاتالیست های زئولیتی حاوی پلاتین
۱-۷-۵ مد لسازي و بهينه سازي واحد تولید هیدروژن با شبکه ی عصبی مصنوعی و الگوریتم ژنتیک
۱-۷-۶ بهینه سازی افزایش تولید بنزین واحد ریفرمینگ کاتالیستی پالایشگاه با استفاده از شبکه های عصبی مصنوعی
فصل دوم: روشها
۲-۱ شبکه عصبی و کاربردهای آن
۲-۱-۱ تعریف شبکه عصبی
۲-۱-۲ تاریخچه شبکه عصبی مصنوعی
۲-۱-۳ انواع شبکه عصبی مصنوعی
۲-۱-۴ شبکه پرسپترون چند لایه
۲-۱-۵ آموزش شبکه عصبی پرسپترون
۲-۱-۶ پس انتشار خطا و تصحیح وزنها
۲-۱-۶ -۱ الگوریتم تصحیح وزنها
۲-۱-۶ -۱-۱ الگوریتم انتشار معکوس خطا بر مبنای شیب کاهشی
۲-۱-۶ -۱-۲ الگوریتم انتشار معکوس خطا بر مبنای روش نیوتن
۲-۱-۶ -۱-۳ الگوریتم انتشار معکوس خطا بر مبنای لونبرگ مارکوات
۲-۱-۷ آنالیز خطای شبکه عصبی
۲-۲ هدف پژوهش
۲-۲-۱ انتخاب پارامتر های هدف و ورودی به شبکه عصبی
۲-۲-۱-۱ انتخاب پارامتر های هدف
۲-۲-۱-۲ انتخاب پارامتر های ورودی
۲-۳ انتخاب پارامتر های ورودی
فصل سوم: نتایج و بحث
۳-۱ شبکه عصبی برای مدل سازی پارامتر درصد وزنی اتیل بنزن در خروجی راکتورها
۳-۱-۱ شناسائی مناسب ترین تابع آموزش و توابع انتقال
۳-۱-۲ تعداد نرون بهینه در شبکه عصبی اول
۳-۱-۳ شکل شبکه عصبی اول
۳-۱-۴ نتایج خروجی شبکه عصبی اول ( پارامتر خروجی درصد وزنی اتیل بنزن)
۳-۱-۵ مقایسه مقادیر پیش بینی مدل برحسب مقادیر واقعی
۳-۱-۶ نمودار خطا شبکه عصبی اول ( پارامتر خروجی درصد وزنی اتیل بنزن)
۳-۲ شبکه عصبی با پارامتر خروجی درصد وزنی پلی اتیل بنزن از راکتورها
۳-۲-۱ شناسائی مناسب ترین تابع آموزش و توابع انتقال
۳-۲-۲ تعداد نرون بهینه در شبکه دوم
۳-۲-۳ شکل شبکه عصبی دوم
۳-۲-۴ نتایج خروجی شبکه عصبی دوم ( پارامتر خروجی درصد وزنی پلی اتیل بنزن)
۳-۲-۵ مقایسه مقادیر پیش بینی مدل برحسب مقادیر واقعی شبکه عصبی دوم
۳-۲-۶ نمودار خطا شبکه عصبی دوم ( پارامتر خروجی درصد وزنی پلی اتیل بنزن)
۳-۳ شبکه عصبی سوم با دو پارامتر خروجی درصدهای وزنی اتیل بنزن و پلی اتیل بنزن خروجی از راکتورها
۳-۳-۱ شناسائی مناسب ترین تابع آموزش و توابع انتقال
۳-۳-۲ تعداد نرون بهینه در شبکه سوم
۳-۳-۳ شکل شبکه عصبی سوم
۳-۳-۴ نتایج خروجی شبکه عصبی سوم(پارامترهای خروجی درصد وزنی اتیل بنزن و پلی اتیل بنزن)
۳-۳-۵ مقایسه مقادیر پیش بینی مدل برحسب مقادیر واقعی شبکه عصبی سوم
۳-۳-۶ نمودار خطا شبکه عصبی سوم ( پارامترهای خروجی درصد وزنی اتیل بنزن و پلی اتیل بنزن)
۳-۳-۷ تفکیک داده های خروجی شبکه عصبی سوم دو پارامتری
۳-۳-۸ مقایسه مقادیر پیش بینی مدل برحسب مقادیر واقعی شبکه عصبی سوم بعد از تفکیک داده ها.
۳-۳-۸-۱ اتیل بنزن
۳-۳-۸-۲ پلی اتیل بنزن
۳-۳-۹- نمودار خطا در شبکه عصبی سوم در حالت تفکیک ( پارامترهای خروجی درصد وزنی اتیل بنزن و پلی اتیل بنزن)
۳-۳-۹-۱ اتیل بنزن
۳-۳-۹-۲ پلی اتیل بنزن
۳-۴ مقایسه سه شبکه عصبی ازنظر آنالیز آماری و درصد خطای نسبی
۳-۵ نتیجهگیری
۳-۶ پیشنهادات برای کارهای آتی
مراجع
| بررسی و شبیه سازی راکتور های آلکیلاسیون در فرآیند اتیل بنزن با کاتالیست زئولیت با روش شبکه عصبی مصنوعی | |
| تعداد صفحات | ۹۵ |
| نوع فایل | Word |
| حجم فایل | ۶٫۸۴ Mb |