مدلسازی فرآیند هیدروژناسیون کربن دی اکسید با استفاده از نرم افزار متلب

Modeling of CO2 hydrogenation in fixed bed reactor using MATLAB software

در این قسمت پروژه با موضوع مدسازی فرآیند هیدروژناسیون کربن دی اکسید با استفاده از نرم افزار متلب به صورت فایل word، Matlab و PDF مقاله شامل معادلات برای دانلود ارائه شده است. 

قسمتی از متن پروژه را در زیر نشان داده شده است.

مقدمه

در سالیان گذشته مصرف سوخت های فسیلی، از قبیل نفت و گاز طبیعی به دلیل پیشرفت صنعتی بشر افزایش داشته است. یکی از اثرات این تحول تغییر غلظت گاز دیاکسید کربن موجود در جو از ۲۸۰ جز در میلیون قبل از انقلاب صنعتی تا  ۶۲۰ جز در میلیون در سال ۲۰۲۰ است و پیش بینی میشود تا پایان قرن جاری به ۷۲۰ جز در میلیون برسد.

افزایش گاز دی اکسید کربن باعث افزایش گرمای زمین و تغییرات آب و هوا میشود . اثرات شدید گاز گلخانه ای دانشمندان را به بررسی روشهایی برای کاهش گاز دیاکسید کربن سوق داده است. تبدیل شیمیایی دیاکسید کربن به هیدروکربن ها از طریق یک فرایند دو مرحله ای شامل معکوس واکنش تبدیل آب به گاز و واکنش فیشر تروپس صورت میگیرد.

مدلسازی و اهمیت آن

مدل سازي در علوم مختلف جهت تحليل مسائل يك سيستم و حل آنها بكار مي رود. بكارگيري روشهاي مدل سازي بويژه در سيستم ها و فرآيندهاي شيميايي از اهميت ويژه اي برخوردار است.

از عمده ترين كاربردهاي مدل هاي فرآيندي، تحليل داده هاي تجربي و به كارگيري آن براي مشخص سازي فرآيند شيميايي است. بكارگيري مدل سازي باعث ارتقاء درك فرآيند، پيش بيني رفتار فرآيند تحت شرايط مختلف جهت كنترل و طراحي و همچنين بهينه سازي سيستم مي شود.

شیوه های مدلسازی  

از مهم ترين شيوه هاي مدل سازي

 مدل سازي تجربي: با انجام آزمايشهاي متعدد، متغيرهاي مختلف اندازه گيري شده و با رسم متغيرها رابطه اي بين آنها بدست مي آيد.

  مدلسازي رياضي: با استفاده از قانون هاي اساسي مسئله فرمول بندي شده و معادله هاي رياضي حاكم بر متغيرهاي سيستم بدست مي آيد.

با توجه به اينكه مدل سازي تجربي نياز به انجام آزمايشات تحت شرايط مختلف دارد كه ممكن است به صورت تجربي دست يابي به آنها مشكل باشد و همچنين از نظر هزينه مقرون به صرفه نمي باشد، مدل سازي رياضي در اغلب موارد ترجيح داده مي شود.

1. مراحل مدلسازی
2. شناسايي فرآيند
3. بررسي پارامترها و متغيرها و جمع آوري اطلاعات لازم
4. تعيين روابط بين پارامترها و متغيرها به كمك معادلات و قوانين حاكم (قانون بقا، انتقال و …) بصورت معادلات رياضي
5. اعمال شرايط تحليل و ساده سازي و حل معادلات رياضي با روشهاي مختلف و در نهايت مدل
6. مقايسه نتايج مدل و نتايج تجربي براي ارزيابي مدل

اهمیت روش های شبیه سازی

رسيدن به يك مدل دقيق براي فرآيندهاي پيچيده نياز به حل معادلات زياد و پيچيده دارد. بنابراين از روشهاي جديد و راحتي استفاده شود. يكي از اين روشهاي مفيد كه در آن نيازي به تحليل و نوشتن معادلات طولاني براي شناسايي سيستم وجود ندارد، شبكه هاي عصبي مي باشد.

در اين روش براي مدلسازي و شناسايي سيستم فقط نياز به داشتن داده هاي تجربي كافي از سيستم مي باشد كه از اين داده هاي تجربي براي آموزش شبكه استفاده مي شود. اگر خروجي هاي شبكه با خطاي كوچكي به اين داده هاي تجربي نزديك شود به اين معناست كه آموزش شبكه به اتمام رسيده است و به عبارتي ديگر اين شبكه معرف سيستم مربوطه مي باشد و از آن مي توان در كاربردهاي مختلفي از جمله كنترل فرآيند استفاده كرد.

کاربر گرامی، بلافاصله پس از خرید این پروژه، لینک دانلود آن برای شما فعال می شود. لینک دانلود پروژه به ایمیل شما هم ارسال می شود و با یک کلیک می توانید پروژه خود را دانلود نمایید.