سال انتشار: ۱۳۸۷

محل انتشار: دوازدهمین کنگره ملی مهندسی شیمی ایران

تعداد صفحات: ۹

نویسنده(ها):

محسن حیاتی – گروه برق، دانشکده فنی مهندسی، دانشگاه رازی
غلامرضا زاهدی – مرکز شبیه سازی و هوش مصنوعی، گروه مهندسی شیمی، دانشکده فنی مهندسی، د
سید سعید یحیایی – دانشجو کارشناسی ارشد الکترونیک، دانشکده فنی مهندسی، دانشگاه رازی

چکیده:

در این مقاله به شبیه سازی واحد کاهش گرانروی با استفاده از شبکه های عصبی مصنوعی پرداخته شده است . به طوری که با قیمانده ی برج خلاء شامل (API) و درصد کربن کنرادسون (CCR) به عنوان ورودی به شبکه و گاز ، بنزین، گازوئیل ، تقطیر شده ها، باقیمانده ی واحد و درصد تبدیل به عنوان خروجی شبکه در نظر گرفته شده اند . این مقاله، با توجه به ویژگیهای خوراک ورودی،درصد محصولات بوجود آمده از واحد کاهش گرانروی را با استفاده از شبکه های عصبی تخمین می زند و در نتیجه به مهندسین فرآیند این امکان را می دهد که با دانستن ویژگیهای خوراک ورودی و بدون نیاز به فرایند عملی، درصد مقدار تمامی محصولات خروجی واحد کاهش گرانروی رابه طور همزمان و با دقت مناسب مشاهده کنند . سپس نتایج شبکه ی عصبی بهینه که ا ز نوع شبکه ی پرسپترون چند لایه با آموزش پس انتشار و متوسط خطای تست ۰/۰۱ درصد بوده است را با نتایج مدل سازی آماری این واحد مقایسه کرده و در نهایت کارایی بهتر شبکه های عصبی مصنوعی را مشاهده می نماییم.