پیش بینی غلظت 4-کربوکسی بنزآلدئیدواسید پاراتولوئیک درفرآیند تولیداسید ترفنالیک
محل انتشار: دومین کنفرانس بین المللی نفت، گاز و پتروشیمی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 759
فایل این مقاله در 9 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:
ICOGPP02_006
تاریخ نمایه سازی: 29 آبان 1394
چکیده مقاله:
غلظت ماده 4 کربوکسی بنروآلدئید و اسید پارتولوئیک یکی از مهمترین پارامترهای تولید و مصرف اسید ترفتالیک جهت صنایع تولید پلی استر پلی اتیلن ترفنالات می باشد، که کاهش غلظت این مواد مستلزم صرف هزینه های زیاد در واحد خالص سازی اسید ترفتالیک می باشد و همچنین افزایش غلظت این ناخالصی ها باعث کاهش کیفیت پلی استر تولیدی در صنایع تولید پلی استر می شود. بدلیل پیچیدگی های واکنش ها و همچنین وجود پارامترهای بسیار زیاد موثر بر غلظت ناخالصی,در فرآیند تولید اسید ترفتالیک،پیش بینی ناخالصی به روش معمول و با مدل سازی راکتور اکسیداسیون ، بسیار پیچیده و وقت گیر می باشد.در این مطالعه از روش نوین محاسبات شبکه عصبی مصنوعی جهت محاسبه غلظت ناخالصی ها استفاده شده است. نتایج حاصل از خروجی شبکه با داده های واقعی سازگاری خوبی و خطای قابل قبولی را ایجاد کرده است. همچنین از بررسی ها مشخص گردید که ،در وضعیتی که atomic ratio کاتالیست در جریان خوراک راکتور اکسیداسیون پارازایلن در محدوده 0.5~0.6 باشد حداقل غلظت ناخالصی تولید می شود.پس از آموزش شبکه به روش مارکوارت –لونبرگ توسط مقادیر اندازه گیری شده در واحد صنعتی تولید اسید ترفتالیک،مدل پیشنهاد شده قادر بود با حدوداً 0.8814% خطا ی محاسباتی برای 4 کربوکسی بنروآلدئید (4-CBA) و 11% خطای محاسباتی برای اسید پارتولوئیک (p-toluic acid) موجود در پور در اسید ترفتالیک واحد صنعتی را پیش بینی می کند
کلیدواژه ها:
نویسندگان
نعمت الله جعفری
دانشجوی کارشناسی ارشد-دانشگاه آزاد اسلامی واحد ماهشهر، گروه مهندسی شیمی ،ماهشهر،ایران
سیدسعیدالله مرتضوی
دانشیار ، عضو هیات علمی گروه مهندسی برق، دانشگاه شهید چمران
سیدعلی علوی فاضل
استادیار دانشگاه آزاد ، واحد ماهشهر، گروه مهندسی شیمی ،ماهشهر،ایران
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 :