جستجو در:
دوره 8، شماره 3 - ( 1403 )
جلد 8 شماره 3 صفحات 28-17 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Sobhani A A, fakhroleslam M. Development of an adaptive soft sensor for real-time monitoring of gas composition: Implementation on the azeotropic distillation column of the vinyl acetate monomer production process. IQBQ 2024; 8 (3) :17-28
URL: http://arcpe.modares.ac.ir/article-38-78402-fa.html
URL: http://arcpe.modares.ac.ir/article-38-78402-fa.html
سبحانی امیر ارسلان، فخرالاسلام محمد. ایجاد حسگر نرم تطبیقی برای پایش به‌هنگام ترکیب درصد گاز: پیاده‌سازی در برج تقطیر آزئوتروپیک فرایند تولید مونومر وینیل‌استات. پژوهش‌های کاربردی مهندسی شیمی-پلیمر. 1403; 8 (3) :17-28
1- گروه طراحی فرایند، دانشکده مهندسی شیمی، دانشگاه تربیت مدرس، تهران، ایران
2- گروه طراحی فرایند، دانشکده مهندسی شیمی، دانشگاه تربیت مدرس، تهران، ایران ،fakhroleslam@modares.ac.ir
2- گروه طراحی فرایند، دانشکده مهندسی شیمی، دانشگاه تربیت مدرس، تهران، ایران ،
چکیده: (30 مشاهده)
موضوع تحقیق: تحلیل به‌هنگام به کمک ابزارهای دیجیتال، نیازمند دریافت در لحظه داده‌ها از نقاط مختلف فرایندهای شیمیایی صنعتی است. تأخیرهای زمانی در اندازه‌گیری متغیرهای فرایندی ممکن است عملکرد مؤثر راهبرد‌های کنترلی مختلف، پایداری فرایند و کارایی عملیاتی را تحت تأثیر قرار دهد و در نتیجه تحلیل، استخراج اطلاعات و تبدیل آن به تصمیم‌های قابل اجرا در لحظه را غیرممکن کند. فرایند تولید مونومر وینیل‌استات (VAM) به‌عنوان فرایند پیچیده و غیرخطی در صنایع شیمیایی شناخته می‌شود. در این فرایند ترکیب درصد آب در پایین برج تقطیر آزئوتروپیک، یکی از متغیرهای مهم است که توسط دستگاه کروماتوگرافی گازی (GC) با تأخیر زمانی و هزینه زیاد اندازه‌گیری می‌شود.
روش تحقیق: حسگرهای نرم به‌طور عمده تخمین به‌هنگام متغیرهایی که اندازه‌گیری آن‌ها دشوار یا غیرممکن است را بهبود می‌بخشند. شبکه‌های عصبی به واسطه قابلیت یادگیری الگوهای غیرخطی و سرعت پیش‌بینی مناسب در توسعه حسگرهای نرم نقش مهمی را ایفا می‌کنند. این پژوهش بر روی توسعه حسگر نرم تطبیقی بر اساس مدل شبکه عصبی پیش‌خور برای تخمین به‌هنگام ترکیب درصد آب در پایین برج تقطیر آزئوتروپیک در فرایند VAM متمرکز است.
نتایج اصلی: حسگر نرم ایجاد شده به‌صورت تطبیقی در حضور عیب‌های عملیاتی مختلف به کار گرفته شده است و با خطای MSE=1.1x10-5، رفتار GC را به صورت لحظه‌ای تخمین می‌زند. می‌توان با حفظ دقت پیش‌بینی در پیاده‌سازی تطبیقی حسگر نرم در حضور تغییرات مختلف فرایندی، سازگاری مؤثر این حسگرها را اثبات کرد. این پژوهش قابلیت حسگرهای نرم را به‌عنوان جایگزینی کارآمد و مقرون‌به‌صرفه برای نظارت به‌هنگام در فرایندهای شیمیایی پیچیده را نشان می‌دهد.
روش تحقیق: حسگرهای نرم به‌طور عمده تخمین به‌هنگام متغیرهایی که اندازه‌گیری آن‌ها دشوار یا غیرممکن است را بهبود می‌بخشند. شبکه‌های عصبی به واسطه قابلیت یادگیری الگوهای غیرخطی و سرعت پیش‌بینی مناسب در توسعه حسگرهای نرم نقش مهمی را ایفا می‌کنند. این پژوهش بر روی توسعه حسگر نرم تطبیقی بر اساس مدل شبکه عصبی پیش‌خور برای تخمین به‌هنگام ترکیب درصد آب در پایین برج تقطیر آزئوتروپیک در فرایند VAM متمرکز است.
نتایج اصلی: حسگر نرم ایجاد شده به‌صورت تطبیقی در حضور عیب‌های عملیاتی مختلف به کار گرفته شده است و با خطای MSE=1.1x10-5، رفتار GC را به صورت لحظه‌ای تخمین می‌زند. می‌توان با حفظ دقت پیش‌بینی در پیاده‌سازی تطبیقی حسگر نرم در حضور تغییرات مختلف فرایندی، سازگاری مؤثر این حسگرها را اثبات کرد. این پژوهش قابلیت حسگرهای نرم را به‌عنوان جایگزینی کارآمد و مقرون‌به‌صرفه برای نظارت به‌هنگام در فرایندهای شیمیایی پیچیده را نشان می‌دهد.
نوع مقاله: پژوهشی اصیل |
موضوع مقاله:
غشاء
دریافت: 1403/9/20 | پذیرش: 1403/10/21 | انتشار: 1403/8/10
دریافت: 1403/9/20 | پذیرش: 1403/10/21 | انتشار: 1403/8/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |