مدلسازی شبکه عصبی جداسازی گازها با غشاء نانوکامپوزیت PDMS

حضور نانو ذرات در غشاءهای پلیمری علاوه بر افزایش خواص فیزیکی غشاء همچون استحکام بیشتر سبب ایجاد رفتار متفاوتی برای گازعبوری در مقایسه با حالت خالص می شود. از جمله این تغییرات افزایش انتخاب پذیری غشاء برای بعضی از گازها است. در این مقاله تراوایی سه گاز خالص پروپان، متان و هیدروژن از میان یک غشاء نانوکامپوزیتPDMSبا استفاده از شبکه عصبی مدلسازی شده است. برای مدلسازی این فرایند جداسازی غشایی، از شبکه عصبیFFN-ANN استفاده شده است. برای ساخت این شبکه از الگوریتم آموزشAutomated Bayesian regularization استفاده شده که از روش بهینه سازیLevenberg-Marquartبرای یافتن مقادیر وزن ها استفاده می کند و دارای نتایج توسعه پذیر بیشتری است. نتایج آزمایشگاهی عبور گاز پروپان از این غشاء نشان می دهد که افزایش نانوذرات در غشاء به میزان 2% حجمی پلیمر سبب افزایش تراوایی می گردد. این در حالیست که افزایش نانو ذرات برای گازهای متان و هیدروژن سببکاهش میزان تراوایی می گردد. مقایسه نتایج حاصل از مدل شبکه عصبی با نتایج آزمایشگاهی نشان می دهد که شبکه عصبی بخوبی این رفتار گاز را در عبور از غشاء نانوکامپوزیت برای این سه گاز مدلسازی می کند. میزان خطایRMSEدر این مدل0/7528 و مربع ضریب همبستگی داده ها برابر0/999 بوده است.

کلیدواژه ها:

مدلسازی شبکه عصبی ، FFN-ANN ، جداسازی غشایی گازها ، غشا نانوکاپوزیت ، PDMS ،