بهینهسازی گوگردزدایی استخراجی نمونه سوخت با یک حلال یوتکتیک عمیق جدید سبز با استفاده از الگوریتم ژنتیک- شبکه عصبی
عنوان مقاله: بهینهسازی گوگردزدایی استخراجی نمونه سوخت با یک حلال یوتکتیک عمیق جدید سبز با استفاده از الگوریتم ژنتیک- شبکه عصبی
شناسه ملی مقاله: JR_PRRIP-28-5_012
منتشر شده در در سال 1397
شناسه ملی مقاله: JR_PRRIP-28-5_012
منتشر شده در در سال 1397
مشخصات نویسندگان مقاله:
محبوبه شیرانی - گروه شیمی، دانشکده علوم، دانشگاه جیرفت، ایران
علی اکبری - گروه شیمی، دانشکده علوم، دانشگاه جیرفت، ایران
عاطفه نژادکورکی - گروه شیمی، دانشکده علوم، دانشگاه جیرفت، ایران
علیرضا گلی - گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه یزد، ایران
بهناز آزمون - بخش تحقیق و توسعه (R&D)، شرکت سپاهان پتروشیمی، شهرک صنعتی مبارکه، اصفهان، ایران
نوشین شیرانی - گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه آزاد نجف آباد، ایران
سعید حبیب الهی - گروه شیمی، دانشگاه پیام نور، تهران، ایران
خلاصه مقاله:
محبوبه شیرانی - گروه شیمی، دانشکده علوم، دانشگاه جیرفت، ایران
علی اکبری - گروه شیمی، دانشکده علوم، دانشگاه جیرفت، ایران
عاطفه نژادکورکی - گروه شیمی، دانشکده علوم، دانشگاه جیرفت، ایران
علیرضا گلی - گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه یزد، ایران
بهناز آزمون - بخش تحقیق و توسعه (R&D)، شرکت سپاهان پتروشیمی، شهرک صنعتی مبارکه، اصفهان، ایران
نوشین شیرانی - گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه آزاد نجف آباد، ایران
سعید حبیب الهی - گروه شیمی، دانشگاه پیام نور، تهران، ایران
در این مطالعه سولفورزدایی استخراجی دی بنزوتیوفن از نرمال هگزان بهعنوان مدل سوخت با استفاده از ۱ و ۱۰- فنانترولین ۲ و ۹- دی کربوکسامید- کلرید آهن بر پایه کولین کلرید بهعنوان حلال یوتکتیک عمیق سبز، جدید و کارا مورد بررسی قرار گرفت. حلال یوتکتیک عمیق سنتز شده با تکنیکهای اسپکتروسکوپی مادون قرمز (FT-IR) و رزوناس مغناطیسی هسته هیدروژن و کربن (۱H NMR, ۱۳C NMR) مشخصهیابی شد. اثر پارامترهای موثر بر فرآیند شامل نسبت جرمی نمونه سوخت به حلال یوتکتیک، دما، و زمان مورد بررسی قرار گرفتند و در شرایط بهینه برای cc ۱۰ محلول mg/L ۵۰۰ دی بنزوتیوفن در نرمال هگزان، در نسبت جرمی نمونه سوخت به حلال یوتکتیک ۵/۳۳، دمای ۲۵ºC و زمان min ۱۵ ماکزیمم درصد گوگردزدایی ۵/۰ ± ۵/۹۳ بهدست آمد. مد لسازی نتایج تجربی بهدست آمده بهوسیله الگوریتم ژنتیک بر پایه شبکه عصبی مصنوعی پیشبینی و بهینهسازی شدند. با بهکارگیری ژنتیک الگوریتم مقادیر بهینه ۴/۳۴، ۳۳ºC/۲۷، و min ۹۹/۱۶ بهترتیب برای نسبت جرمی نمونه سوخت به حلال یوتکتیک، دما و زمان بهدست آمد که بیانگر پتانسیل و توانایی بالای مدل بهکار رفته در بهینهسازی روش پیشنهادی است.
کلمات کلیدی: سولفورزدایی استخراجی, حلال یوتکتیک عمیق, بهینهسازی, الگوریتم ژنتیک- شبکه عصبی, فرآیند سبز
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1868517/