۷۹۶

Artificial neural network modeling of NOx emission in an electric furnace

كارشناسي ارشد

مهندسي شيمي

تهران شمال

97

۹۷/۱۰/۳

۱۸

۸۸ص.

خوشحال، عباس

Modeling , Artificial neural network , NOx emission

در اين تحقيق انتشار NOx در يك كوره الكتريكي تحت شرايط مختلف با استفاده از شبكه عصبي مصنوعي مورد بررسي قرار گرفت. بدين منظور از داده هاي مربوط به يك پايلوت جهت مدلسازي استفاده گرديد. دستگاه آزمايشگاهي شامل يك كوره الكتريكي و محفظه احتراق بود. به منظور رقيق نمودن هواي پيش گرم ورودي، هوا با نيتروژن مخلوط گرديد. جزء مولي اكسيژن در هوا از 21% تا 2% متفاوت بود. هواي ورودي پس از عبور از كوره الكتريكي تا oC1100پيش گرم شد.پارامترهاي ورودي شبكه شامل دماي هواي پيش گرم، دماي سوخت و غلظت اكسيژن در هواي پيش گرم و خروجي شبكه، ميزان NOxتوليدي بود. نتايج آزمايشگاهي نشان داد كه با افزايش دماي هواي پيش گرم و كاهش غلظت اكسيژن در آن، مقدار NOxتوليديكاهش يافت. همچنين با افزايش دماي سوخت،سرعت آن افزايش، اختلاط سوخت با هوا مناسب تر و NOx توليدي كاهش يافت. به منظور بررسي بهتر اين پديده، سيستم آزمايشگاهي موردنظر توسط شبكه عصبي مصنوعي مدلسازي گرديد. ساختارشبكهانتخابي ازنوعپرسپترونچندلايه با الگوريتمپس انتشارخطادر نظر گرفته شد. با تحقيق روي تعداد مختلف نورون هاي لايه پنهان و نيز توابع انتقال مختلف،‌ از 19 نورون و تابع انتقال tansig براي لايه پنهان و تابع انتقال purelin براي لايه خروجي استفاده گرديد. دو سوم داده هاي آزمايشگاهي براي آموزش شبكه و يك سوم باقيمانده براي ارزيابي مدل مورد استفاده قرار گرفت. به منظور ارزيابي دقت مدلسازي، از مقادير ميانگين مربعات خطا (MSE)و ضريب همبستگي (R2) استفاده گرديد. اين مقادير به ترتيب 000634/0 و 992/0بود. مقايسه بين داده هاي آزمايشگاهي و مقادير بدست آمده از مدلسازي با شبكه عصبي مصنوعي نشان داد كه تطابق بسيار خوبي بين داده هاي آزمايشگاهي و مدلسازي وجود دارد كه اين امر بيانگر اين است كه شبكه طراحي شده به نحو بسيار مطلوبي قادر به پيشگويي ميزان NOxتوليدياست.

52352