نوع مقاله : مقاله پژوهشی کامل

نویسندگان

• پویا اسحقی ¹
• علیرضا محمدی ²
• کیوان شایسته ¹
• حسن صدیقی ¹

¹ گروه مهندسی شیمی، دانشکده فنی، دانشگاه محقق اردبیلی، اردبیل، ایران

² گروه مهندسی شیمی و نفت، دانشگاه صنعتی شریف، تهران، ایران

چکیده

خالص‌سازی اتانول یک تحقیق محوری است که استخراج مایع-مایع به‌عنوان یک روش خالص‌سازی قابل توجه در حال ظهور است. این مطالعه بر روی استفاده از حلال بنزن برای خالص‌سازی اتانول تمرکز دارد و تعادل مایع-مایع (LLE) را در سیستم‌های سه‌جزئی شامل اتانول، آب و بنزن بررسی می‌کند. مدل‌سازی ترمودینامیکی سیستم‌های اتانول-بنزن-آب در دماهای 20، 30، 40 و 55 درجه سانتی‌گراد انجام شد. در این مقاله، معادلات مورد استفاده برای پیش‌بینی کسر مولی عبارتند از: دو مایع غیر تصادفی (NRTL)، سیستم استنتاج تطبیقی عصبی-فازی ​​(ANFIS) و شبکه عصبی مصنوعی پرسپترون چند لایه (MLP-ANN). البته ابتدا پارامترهای معادله NRTL با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) بهینه شدند. داده‌های تجربی برای آموزش روش‌های MLP-ANN و ANFIS، با مجموعه داده‌های تجربی یکسان برای همه مدل‌ها مورد استفاده قرار گرفت. این مدل‌ها اجزای مولی  را در هر دو فاز تخمین زدند. با این حال، تجزیه و تحلیل مقایسه‌ای نشان داد که روش‌های MLP-ANN و ANFIS نسبت به مدل NRTL عملکرد بهتری دارند. خطاهای ریشه میانگین مربعات انحراف (RMSD) به دست‌آمده برای مدل‌های NRTL، MLP-ANN و ANFIS به‌ترتیب 0253/0، 0035/0 و 0017/0 بود. نتایج نشان می‌دهد که با وجود خطای کم پیش‌بینی هر سه روش، معادله NRTL بیشترین خطا و روش ANFIS کمترین خطای پیش‌بینی کسر مولی را دارد.
 
 

کلیدواژه‌ها

• تعادل مایع-مایع
• مدل دو مایع غیر تصادفی
• سیستم استنتاج تطبیقی عصبی-فازی
• شبکه عصبی مصنوعی پرسپترون چند لایه
• الگوریتم بهینه‌سازی ازدحام ذرات