مدل سازی و شبیه سازی راکتور سنتز پروپیلن اکساید از پروپیلن کلروهیدرین در حالت پایدار و دینامیکی
پروژه مهندسی شیمی با عنوان مدل سازی و شبیه سازی راکتور سنتز پروپیلن اکساید از پروپیلن کلروهیدرین در حالت پایدار و دینامیکی به صورت فایل Word برای دانلود از پورتال آموزش و پژوهش دانشگاهیان(پویان) ارائه شده است. کد های Matlab این پروژه پیوست شده است. گزارش پروژه شامل نتایج شبیه سازی و بحث پیرامون آن است.
در این مقاله مدل‌سازی و شبیه سازی سنتز پروپیلن اکساید از پروپیلن کلروهیدرین در راکتور بستر ثابت در دو حالت پایدار و دینامیکی انجام شده است. راکتور به عنوان سیستم شبه همگن یک بعدی در نظر گرفته شده است.
راکتور در شرایط حالت پایدار شبیه سازی و سه مکانیزم سرعت برای این راکتور بررسی شده است. داده‌های حاصل از مدل‌سازی با داده های صنعتی مقایسه شده‌اند. مقایسه نتایج حاصل از مدل‌سازی با مقادیر صنعتی نشان می‌دهد که مدل ارائه شده دارای توانایی بالایی برای پیش بینی رفتار راکتور است. نتایج نشان می‌دهند که از میان سه مکانیزم ارائه شده برای سرعت واکنش مکانیزم دوم بهترین پیش بینی را از داده های صنعتی دارد.
اثر پارامترهای مختلف از جمله دمای جریان ورودی و نسبت پروپیلن کلروهیدرین به دیگر واکنش دهنده ها شامل کلسیم هیدروکساید و هیدروکلریک اسید مورد بررسی قرار گرفته است. با افزایش دمای جریان ورودی انتخاب پذیری اکسید پروپیلن نسبت به پروپیلن گلیکول و بازده پروپیلن اکساید به طور کلی کاهش می‌یابند، در حالی که درجه تبدیل افزایش می‌یابد. با افزایش نسبت پروپیلن کلروهیدرین به دیگر واکنش دهنده‌ها انتخاب پذیری اکسید پروپیلن نسبت به پروپیلن گلیکول و بازده پروپیلن اکساید به طور کلی کاهش می‌یابد. با افزایش این نسبت دمای خروجی از راکتور افزایش می‌یابد.
پس از شبیه سازی در حالت پایدار، شبیه سازی در حالت دینامیکی نیز انجام شده و اثر اختلال در پارامترهای مختلف بر رفتار راکتور بررسی شده است. با افزایش دما به طور ناگهانی سرعت تبدیل پروپیلن کلروهیدرین افزایش می‌یابد اما در نهایت تقریبا به میزان یکسانی با دمای قبلی می‌رسد.
در انتها توانایی شبکه عصبی برای مدل‌سازی راکتور و پیش بینی نتایج حاصل از مدل سازی در حالت پایدار سنجیده شده است. شبکه عصبی انتخاب شده، شبکه پیش‌خور با الگوریتم پس انتشار خطا با تابع آموزش انتشار رو به عقب لونبرگ مارکوارت است. تابع فعال سازی تانژانت هایپربولیک-خطی با تعداد 13 نرون در لایه مخفی دارای کمترین خطاست. نتایج حاصل از شبکه عصبی نشان می‌دهند که این شبکه دارای توانایی بالایی در مدل‌سازی رفتار راکتور است و خطای بسیار کمی در پیش بینی نتایج حاصل از مدل‌سازی دارد.