Predictive modeling of the length of prepared CNT by CVD through ANN-MPSO and GEP
محل انتشار: فصلنامه علوم و فناوری ذرات، دوره: 5، شماره: 4
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 205
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPST-5-4_003
تاریخ نمایه سازی: 5 اردیبهشت 1400
چکیده مقاله:
Floating catalyst chemical vapor deposition (FC-CVD) is considered as one of the most appropriate techniques for the preparation of carbon nanotubes (CNTs) on the industrial scale. This paper tried to model the length of CNTs prepared by FC-CVD using two approaches, i.e. gene expression programs and hybrid artificial neural networks. In this regard, the effect of various FC-CVD parameters, viz. temperature, time, preheat temperature, Ar gas flow, methane gas flow, ethylene gas flow, Al۲O۳ catalyst, and Fe catalyst, on the length of CNTs, were investigated. At first, a hybrid artificial neural network-modified particle swarm optimization strategy (ANN-MPSO) has been used to model the CNTs length as a function of practical variables. In the next step, the same modeling of the problem was done using gene expression programming (GEP) instead of ANN-MPSO. The accuracy of the developed hybrid ANN-MPSO and GEP models was compared with regard to the linear combination of mean absolute percentage error and correlation coefficient as criteria. The results confirmed that the ANN model upgraded by the meta-heuristics strategy could be effectively applied for an accurate predictive model in the estimation of the length of CNTs as a function of the most important practical FC-CVD parameters. Also, the sensitivity analysis confirmed that the precursor type of carbon (including CH۴ and C۲H۴) and the preheat temperature have the highest and the least effect on the length of CNTs, respectively.
کلیدواژه ها:
Gene expression programming ، Hybrid artificial neural network ، Floating catalyst ، carbon nanotubes
نویسندگان
Morteza Khosravi
Department of Materials Engineering, Faculty of Engineering, University of Sistan and Baluchestan, Zahedan, Iran
Malihe Zeraati
Department of Materials Science and Engineering, Faculty of Engineering, Shahid Bahonar University of Kerman, Kerman, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :