شماره کتابشناسی ملی
شماره
۴۷۹۶پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
طراحی کاتالیست های مورد استفاده در فرایند MTOبرپایه الکهای ملکولی اصلاح شده با عناصر فلزی بر مبنای روشهای هوشمند
نام نخستين پديدآور
/میناکرمی خسروشاهی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
تبریز: دانشگاه‌تبریز، دانشکده‌شیمی ، گروه کاربردی
مشخصات ظاهری
نام خاص و کميت اثر
۹۹ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به مندرجات
متن يادداشت
فاقد اطلاعات کامل
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
شیمی کاربردی
زمان اعطا مدرک
۱۳۸۹/۱۱/۲۵
کسي که مدرک را اعطا کرده
تبریز: دانشگاه‌تبریز، دانشکده‌شیمی ، گروه کاربردی
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
کاتالیز پدیده ای بسیار پیچیده است و عملکرد کاتالیست ممکن است تحت تاثیر تعداد زیادی فاکتور قرار بگیرد .طراحی یک کاتالیست با عملکرد بالا با استفاده از روش های سنتی کاری وقت گیر و هزینه بر است .با توسعه تکنولوژی اطلاعات و تئوری های ریاضی، طراحی کاتالیست ها به کمک کامپیوتر یکی از روش های جایگزین و موثر می باشد .شبکه عصبی والگوریتم های ژنتیکی از لحاظ درک آسان و ساختار انعطاف پذیر برای این مورد مناسب به نظر می رسند .بطوریکه در چند سال اخیر به میزان زیادی از آن در طراحی کاتالیست برای سیستم های مختلف استفاده شده است‌در این کار پژوهشی، مدلسازی و بهینه سازی فرایند تبدیل متانول به اولفین ها انجام پذیرفت .بدین منظور در ابتدا عوامل موثر در فرایند کاتالیستی تبدیل متانول به اولفین (MTO) بررسی شدند و درصد وزنی فلز افزوده شده به ساختار کاتالیست، دمای کلسیناسیون کاتالیست، زمان کلسیناسیون کاتالیست و دمای انجام واکنش بعنوان متغییرهای طراحی کاتالیست انتخاب گردیدند .سپس با استفاده از روش پاسخ رویه، محدوده مناسب برای این متغییرها تعیین گردید .در ادامه کاتالیست های آزمایشی طراحی، تهیه و تست شدند .در آخر با استفاده از داده های آزمایش جمع آوری شده، مدلسازی و بهینه سازی فرایند توسط شبکه عصبی و ژنتیک الگوریتم انجام گرفت .مدلسازی و بهینه سازی داده های آزمایشی، کاتالیست۳۴-SAPO- Coص را بعنوان کاتالیست بهینه با بیشترین انتخاب پذیری معرفی کرد .کاتالیست بهینه پیشنهادی تهیه و در سامانه آزمایشی تست گردید .همخوانی بالا میان انتخاب پذیری پیشنهادی توسط مدل و انتخاب پذیری تجربی بدست آمده، بیانگر توانایی بالای مدل بدست آمده است
متن يادداشت
It is important to choose a catalyst for a chemical reaction, but it is difficult to design a high-efficient catalyst by the tradition method which is based on reaction mechanism to decide the main components of catalyst and performance of some experiments to find the best catalyst. It is obvious that there are many disadvantages in using this method. Firstly, one may spend much time and money to do many experiments; secondly, if the mechanism of the chemical reaction is not clear, the best catalyst could not be found; finally the optimum catalyst found by this method may not be the best catalyst. So it is important to find a more effective method for design of catalyst. With developing of information technology and mathematics theory, design of catalyst by computer has become an effective method. Recently, artificial neural network and Genetic algorithm are widely applied for designing catalysts.In the present work we designed catalyst for MTO reaction with intelligent methods. Loaded metals weigh percent, calcination time, calcination temperature and reaction temperature used as reaction parameters. The parameters limits, determined by using response surface methodology. We prepared and tested designed catalysts. Data base modeled and optimized with artificial neural netwok(ANN) and genetic algorithm(GA) respectively. The model proposed Co-SAPO-۳۴ as an optimized catalyst. By comparing the predicted value of the selectivity with the experimental data it is demonstrated that the combined GA-ANN algorithm is a useful method to find the optimal conditions for the catalyst
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
SAPO-34, MTO
موضوع مستند نشده
Catalyst design
موضوع مستند نشده
Molecular sieve
موضوع مستند نشده
Artificial neural network
موضوع مستند نشده
Modeling
موضوع مستند نشده
Genetic algorithm
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
کرمی خسروشاهی، مینا
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
سالاری،داریوش، استاد راهنما
مستند نام اشخاص تاييد نشده
نیایی،علیقلی، استاد راهنما
مستند نام اشخاص تاييد نشده
خاتمیان، معصومه، استاد مشاور
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
