پژوهش های کاربردی مهندسی شیمی - پلیمر

چکیده موضوع تحقیق
تولید پروپیلن به دلیل فرآورده­ و مشتقات با ارزشی مانند پلیمرها، حلال‌ها، رنگ‌ها و ... بسیار حائز اهمیت است و یکی از مهم‌ترین بلوک‌های سازنده در صنعت شیمیایی است. فرآیندهای شکست حراتی و شکست کاتالیستی علاوه بر محدودیت‌های گزینش پذیری پایین، مصرف بالای انرژی و انتشار قابل‌توجهCO₂ ، نمی‌تواند تقاضای رو به افزایش پروپیلن را برآورده کنند. در چند دهه اخیر هیدروژن­زدایی از آلکان­های سبک، به دلیل بازده بالای پروپیلن، ایمنی و هزینه عملیاتی توجه زیادی را به خود جلب کرده‌است. کاتالیست­های Pt-Sn و CrO_x که به طور گسترده در فرآیند هیدروژن زدایی پروپان(PDH) مورد استفاده قرار می­گیرند، فعالیت هیدروژن زدایی و گزینش پذیری مطلوبی دارند؛ با این حال محدودیت‌های قیمت، غیر فعال شدن و مشکلات زیست‌محیطی جدی دارند و محققان را به بهبود پایداری در برابر کک، تف­جوشی کاتالیست های Pt و یافتن کاتالیزورهای جدید و طرفدار محیط زیست سوق داده‌است.
روش تحقیق
یکی از مسائل چالش برانگیز در فرآیند PDH دستیابی کاتالیست مناسب است. راهکارهای متعددی از جمله اصلاح پایه و معرفی مواد افزودنی برای تقویت عملکرد کاتالیستی و غلبه بر مشکلات و افزایش پایداری مقاوم کاتالیست های پلاتین و کروم پیشنهاد شده‌است. درک رابطه ساختار - عملکرد کاتالیست ها در طول واکنش PDH برای دستیابی به نوآوری در کاتالیست­های جدید با کارایی بالا ضروری است.
نتایج اصلی
این پژوهش با هدف معرفی ویژگی‌های واکنش هیدروژن زدایی، پیشرفت ایجاد شده در توسعه کاتالیست و چالش‌های موجود درک عمیقی از مکانیسم واکنش و نقش آن در توسعه و جهت‌های آتی کاتالیست برای توسعه کاربردی و صنعتی ارائه می‌دهد.

چکیده موضوع تحقیق:گوگرد­­­­­­­­زدایی‌ هیدروژنی یکی از روش‌های مؤثر برای حذف ترکیبات گوگردی از برش‌های نفتی و ارتقاء کیفیت سوخت‌ می­باشد. یکی از چالش­های عمده در این فرآیند دستیابی به پایه کاتالیست مناسب می­باشد که بهترین عملکرد را داشته باشد. در این میان پایه‌های اصلاح‌شده با زئولیت به دلیل قوی بودن سایت‌های اسیدی، مساحت سطح ویژه و ثبات هیدروترمال و شیمیایی بالا توجه زیادی را به خود اختصاص داده‌اند؛ اما اسیدیته و حجم مزوحفرات زئولیت‌ها نیازمند اصلاح است.
روش تحقیق: در این پژوهش ابتدا زئولیت سلسله مراتبی Y با به­کارگیری روش پسا-سنتز (آلومینیوم زدایی) و با استفاده از فرم آمونیومی زئولیت و محلول NH₄F (75/0 مولار) در دمای ºC90 به مدت 3 ساعت تحت شرایط رفلاکس تهیه شد. خصوصیات فیزیکی- شیمیایی زئولیت با آنالیزهای BET, FESEM, FTIR AAS, XRD بررسی شد. زئولیت‌های اصلاح‌شده در سنتز پایه کاتالیست فرآیند HDS بکار گرفته شد. سولفیداسیون و ارزیابی عملکرد کاتالیست‌های تهیه‌شده در سیستم میکرو-راکتوری با خوراک گازوئیل حاصل از واحد آیزوماکس پالایشگاه هدف انجام گرفت.
نتایج اصلی:نتایج نشان می‌دهد که حجم مزوپورها، مساحت سطح ویژه و نسبت SiO₂ / Al₂O₃ در زئولیت سلسله مراتبی به ترتیب به cm³ g^-1 073/0، m² g^-136/783 و 2/5 (مقادیر اولیه به ترتیب cm³ g^-1 032/0، m² g^-1 18/567 و 5/4) افزایش‌یافته است. همچنین نتایج حاصل از آنالیز زئولیت، حفظ ساختار و میزان بلورینگی طی فرآیند اصلاح زئولیت را اثبات می­کند. اثر اصلاح زئولیت به ویژه تغییرات اسیدیته، مساحت سطح ویژه و حجم مزوحفرات بر فعالیت کاتالیست­های NiMo/Zeolite+Al₂O₃ مورد ارزیابی قرار گرفت. افزایش اسیدیته و بهبود ویژگی‌های فیزیکی- شیمیایی زئولیت­ اصلاح شده، موجب افزایش عملکرد کاتالیست در فرآیند گوگردزدایی هیدروژنی گازوئیل(Conversion =90%) شده است.. بهبود فعالیت کاتالیست­ها را می‌توان به اثر مثبت زئولیت­ها بر توزیع سایت­های فلزی، مساحت سطح ویژه، اسیدیته و اندازه­ی مطلوب حفرات کاتالیست نسبت داد.

چکیده موضوع تحقیق: در ده­های اخیر روش­های بهینه‌سازی مبتنی بر پدیده­های طبیعی به دلیل عدم نیاز به انجام محاسبات سنگین ریاضی، عدم وابستگی به نقاط انتخابی اولیه و قابلیت بهینه­سازی نسبت به سایر روش­ها، در زمینه بهینه­سازی ترکیبی جایگاه ویژه­ای پیدا کرده­ است. علاوه بر این شبکه عصبی مصنوعی به‌عنوان یکی از ابزار قدرتمند هوش مصنوعی در شبیه­سازی فرایندها به‌کار برده می­شود. به­کارگیری شبکه عصبی برای مدل­سازی فرایند آلکیلاسیون متاکروزل با ایزوپروپانول و روش فرا ابتکاری در به دست آوردن شرایط بهینه برای کاتالیست و واکنش می­تواند گام موثری، در جهت انجام فرایند با بازده بالا فراهم ­سازد.
روش تحقیق: در این پژوهش شبکه عصبی برای پیش­بینی فرایند آلکیلاسیون متاکروزل با ایزوپروپانول و الگوریتم کلونی زنبورهای عسل به منظور بهینه‌سازی بازده فرایند به کار گرفته شد. شبکه عصبی طراحی شده دارای 5 نرون در لایه پنهان می­باشد. به منظور بررسی عملکرد الگوریتم پیشنهادی، شبکه عصبی مصنوعی برای پیش بینی تبدیل متاکروزل و گزینش پذیری آن به تیمول در فرایند آلکیلاسیون متاکروزل با ایزوپروپانول 120 داده استفاده شد. در این فرایند،‌ سرعت فضایی (WHSV)، فشار و دما، به‌عنوان متغیرهای ورودی و تبدیل متاکروزل و گزینش پذیری تیمول به‌عنوان متغیرهای خروجی شبکه عصبی در نظر گرفته شده است.
نتایج اصلی: سیستم شبیه­سازی طراحی شده با ضریب رگرسیون (R²) بالاتر از %97.5،‌ نشان‌دهنده دقت بالای شبکه عصبی طراحی شده برای این فرایند می­باشد. میزان بیشینه بازده این فرایند با استفاده از الگوریتم کلونی زنبورهای عسل 28.9% )با متغیرهای قابل تنظیم h^-10.062 WHSV=، فشار bar1.5 و دمای ^˚C 300( حاصل شد. هم­چنین برای دستیابی به کارایی بهتر الگوریتم بهینه سازی، مقادیر مطلوب ضریب شتاب و جمعیت زنبورها با آزمون سعی و خطا 100 و 10حاصل شد.