مدل‎سازی پیش‎بینی پارامترهای شار و گرفتگی غشاهای نانوکامپوزیت اولترافیلتراسیون PVDF عامل‎دار شده با نانولوله‎های کربنی با استفاده از سیستم‎های شبکه‎های هوشمند

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 42

This Paper With 23 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_PRRIP-28-6_002

تاریخ نمایه سازی: 6 دی 1402

Abstract:

در این تحقیق عملکرد و خواص ضد گرفتگی و شار غشاهای نانوکامپوزیت پلی وینیلیدن فلوراید (PVDF) با غلظت‎های ۱۵ و ۱۸% وزنی که با نانو لوله‎های کربنی عامل‎دار شده با گروه‎های اسیدی، بازی و آمین مخلوط شده و با روش وارونگی فازی و حلال نرمال متیل پیرولیدون (NMP) در آزمایشگاه ساخته شده، مورد بررسی قرار گرفت. همچنین تست‎های شار،گرفتگی، زاویه تماس، تخلخل و نرخ پس‎دهی پروتئین انجام شده است. با استفاده از نتایج تست‎های تجربی، مدل‎سازی پارامترهای شار و گرفتگی براساس متغیرهای ورودی که شامل درصد نانوذره، درصد پلیمر، تخلخل و زاویه تماس هستند؛ انجام شد. در این مدل از ۴ سیستم هوشمند شبکه عصبی چند لایه، شبکه عصبی با مدار شعاعی، کمینه مربعات بردار پشتیبان و سیستم هیبریدی تطبیقی عصبی- فازی و ۳ الگوریتم بهینه‎سازی ژنتیک، شبیه‎سازی تبریدی و ازدحام ذرات استفاده شده است. نتایج نشان داد که برای هر دو پارامتر شار و گرفتگی، بهترین مدل با توجه به ضریب همبستگی بالا، مدل‎های شبکه عصبی با مدار شعاعی و سیستم هیبریدی تطبیقی عصبی- فازی هستند. در بخش بعدی مدل‎سازی برای به‎دست آوردن مقادیر بهینه (کمترین گرفتگی و ماکزیمم شار) از بهترین مدل‎های ساخته شده برای هر دو خروجی استفاده شد. سپس از الگوریتم ترکیبی از الگوریتم ژنتیک و ازدحام ذرات مقادیر بهینه به‎دست آمد. سپس با استفاده از نتایج بهینه‎سازی برای هر نوع درصد پلیمر (۱۵% و ۱۸%)، غشاها در آزمایشگاه ساخته شده و سپس تست‎های شار، گرفتگی، زاویه تماس و تخلخل انجام شده و نتایج آن با نتایج مدل مقایسه گردید. نتایج نشان داد که غشای نانوکامپوزیت ۰۷/۰% وزنی نانولوله کربنی تک دیواره عامل‎دار شده با گروه هیدروکسیل و غشای نانوکامپوزیت ۱۷/۰% وزنی نانولوله کربنی تک دیواره عامل‎دار شده با گروه هیدروکسیل به‎ترتیب بهترین عملکرد را با پلیمرهای ۱۵ و ۱۸% وزنی PVDF داشته است.

Authors

مهران مفخمی مهرآبادی

پژوهشکده سرامیک، پژوهشگاه مواد و انرژی،کرج، ایران

علیرضا آقایی

پژوهشکده سرامیک، پژوهشگاه مواد و انرژی،کرج، ایران

مازیار صهبا یغمایی

پژوهشکده سرامیک، پژوهشگاه مواد و انرژی،کرج، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • . Delgrange N., Cabassud C., Cabassud M., Durand-Bourlier L. and ...
  • . Razavi S. M. A., Mortazavi S .A. and Mousavi ...
  • . Razavi S. M. A, Mousavi S. M. and Mortazavi ...
  • . Razavi S. M., Mortazavi S. A., Mousavi S. M., ...
  • . Teodosiu C., Pastravanu D. and Macoveanu M., “Neural network ...
  • . Dornier M., Decloux M., Trystram G. and Lebert A., ...
  • . Mousavi M., Avami A., “Modeling and simulation of water ...
  • Bowen W. R., Jones M. G. and Yousef H. N. ...
  • . Salehi v. and Razavi S. M. A., “Modeling of ...
  • . Razavi F. and Razavi S. M. M. A., “Dynamic ...
  • . Vatanpour V., Madaeni S. S., Moradian R., Zinadini S. ...
  • . Vatanpour V., Esmaeili M. and Farahani M. H., “Fouling ...
  • . Zhang X., Lang W. Z., Yan X., Lou Z.-Y. ...
  • . Madaeni S. S., Zinadini S. and Vatanpour V. , ...
  • . Majeed S., Fierro D., Buhr v., Wind J., Du ...
  • نمایش کامل مراجع