فرمت فایل: 
( قابلیت ویرایش و آماده چاپ )
حجم فایل: (در قسمت پایین صفحه درج شده )
تعداد صفحات فایل: 10
کد محصول : 001Shop
فروشگاه کتاب : مرجع فایل
قسمتی از محتوای متن
چکیده
در این تحقیق, شبکه های عصبی مصنوعی جهت عیب یابی یکی ازفرایندهای مورد استفاده در فرآورش گاز طبیعی به کار رفته است. این شبکه ها در مدلسازی فرآیند های غیر خطی و پیچیده قابل استفاده می باشند و از این رو کاربرد زیادی در فرآیندهای صنایع نفت و گاز دارند. یکی از کاربردهای شبکه های عصبی تشخیص عیوب فرایند با استفاده از داده های به دست آمده از سیستمهای اندازه گیری کمیت های فرایندی میباشد. تشخیص صحیح و سریع عیوب یکی از مسائل مهم در راهبری و مدیریت عملیات واحدهای فرآیندی می باشد. عدم تشخیص به موقع مشکلات و عیوب باعث ادامه وضعیت غیر نرمال فرایند شده که این موضوع منجر به کاهش بازده فرایند, کیفیت محصول و استانداردهای ایمنی میشود. به طور کلی وجود شرایط غیرنرمال در عملیات فرایند عامل ایجاد خسارت های مادی و در بدترین وضعیت, تلافات جانی میباشد. فرآیندی که در این تحقیق مورد بررسی قرار گرفته برج تفکیک بوتان است. این فرایند شامل یک برج تقطیر سینی دار مجهز به کندانسور, ربویلر, وتجهیزات جانبی از قبیل محفظه تبخیر ناگهانی, پمپ و سیستمهای کنترل و اندازه گیری میباشد. خوراک فرآیند به صورت دو جریان مجزا وارد سینی های چهارم و هشتم یک برج تقطیر سینی دار می شود. محصول بالای برج عمدتاً شامل بوتان و بوتیلن و محصول پایین آن حاوی پنتان و هیدروکربنهای سنگین تر می باشد.
1- مقدمه
استفاده از شبکه های عصبی در طی دو دهه اخیر بسیار مورد توجه محققان و صنعت گران قرار گرفته است. علت این امر علاوه بر سادگی کاربرد آنها، بازدهی این روشها در مدلسازی فرآیندهایی است که رفتاری به شدت غیر خطی دارند. امروزه از شبکه های عصبی در زمینه های مختلفی استفاده می شود. از جمله می توان به مدلسازی فرآیند ها اشاره نمود. به عنوان مثال A.J.Beaumont و همکاران این شبکه ها را جهت مدلسازی موتورهای بنزینی (gasoline) به کار بردند. یکی از پارامترهایی که در مدلسازی این موتورها اهمیت دارد نسبت هوا به سوخت در موتور می باشد که این پارامتر همواره باید به مقادیر استوکیومتری خود نزدیک باشد. کنترل این پارامتر به ویژه در موتورهایی که رفتار دینامیک دارند (به دلیل وجود عوامل غیر خطی، تاخیرهای زمانی متغیر و ثابت های زمانی بسیار) کار بسیار پیچیده ای است. ولی A.J. Beaumont و همکاران توانستند با استفاده از شبکه های عصبی مصنوعی این فرآیند را مدلسازی نموده و با ادغام آن با یک سیستم کنترل اتوماتیک مقدار نسبت هوا به سوخت را تنظیم نمایند [1]. از دیگر تلاشهایی که در این زمینه انجام شده است می توان به تحقیقات P.Turner و همکاران اشاره کردکه از شبکه های عصبی مصنوعی برای مدلسازی سیستمهای تصفیه آب استفاده نمودند. در این سیستم ها همواره سعی بر این است که کیفیت آب خروجی در ماکزیمم مقدار خود باشد. شبکه ای که توسط آنها ارائه شده بود بر اساس مقادیر اندازه گیری شده از فرآیند, کیفیت آب خروجی را تخمین می زد [2].
- شرح فرآیند
فرآیندی که در این تحقیق جهت عیب یابی مورد بررسی قرار گرفته شده, برج تقطیر خالص سازی بوتان است. نمودار فرایند مذکور در شکل 1 نشان داده شده است. این فرآیند شامل یک برج تقطیر سینی دار مجهز به کندانسور، ریبویلر و تجهیزات جانبی از قبیل مخزن جداسازی بخار-مایع، پمپ و سیستم های اندازه گیری و کنترل می باشد. خوراک فرآیند که حاوی پروپان، بوتان و ایزومرهای آن ، ایزومرهای پنتان و مقداری ترکیبات سنگین تر می باشد به صورت دو جریان مجزا وارد سینی های چهارم و هشتم برج می شود. محصول بالای برج, عمدتاً شامل بوتان و ایزومرهای آن و محصول پایین برج ایزومرهای پنتان و سایر هیدروکربنهای سنگین تر می باشد. بخار خروجی از بالای برج پس از عبور از مبدل حرارتی خنک شده و واردمخزن جداسازی بخار-مایع می شود. در این مخزن دو فاز مایع و بخار از هم جدا و مقداری از جریان مایع حاصل به عنوان جریان برگشتی به سینی بالای برج پمپ می شود.
داده های مورد نیاز برای آموزش شبکه عصبی, از شبیه سازی واحد مذکور در حالت ناپایا به دست می آید. بدین منظور این فرآیند با استفاده از نرم افزار HYSYS در حالت دینامیک شبیه سازی شده است.
متن کامل را می توانید بعد از پرداخت آنلاین ، آنی دانلود نمائید، چون فقط تکه هایی از متن به صورت نمونه در این صفحه درج شده است.
پس از پرداخت، لینک دانلود را دریافت می کنید و ۱ لینک هم برای ایمیل شما به صورت اتوماتیک ارسال خواهد شد.
