جهاد دانشگاهی-پژوهشکده توسعه صنایع شیمیایی ایران نشریه شیمی و مهندسی شیمی ایران 1022-7768 35 2 2016 08 22 Performance Investigation types of Artificial Neural Network MLP، RBF & ORN in the Horizontal Channel with Simultaneous Heat & Mass Transfer بررسی عملکرد شبکه عصبی مصنوعی MLP، RBF و ORN در یک کانال افقی همراه با انتقال جرم و انتقال حرارت همزمان 151 168 23115 FA فاطمه کریمی زاد گوهری آمل، دانشگاه آزاد اسلامی واحد آیت‌الله آملی، دانشکده فنی مهندسی، گروه مهندسی شیمی اکبر شاهسوند مشهد، دانشگاه فردوسی مشهد، دانشکده فنی مهندسی Journal Article 2013 04 24 In most of the chemical engineering processes, the phenomena of mass and heat transfer are among their inseparable parts. In the present paper, simultaneous heat and mass transfer has been studied experimentally by a laboratory set up. In this apparatus, the existence of condensation and evaporation created due to heat transfer causes mass transfer and finally influences the coefficient of heat transfer. Also, mass transfer changes heat distribution in heat transfer phenomena that causes total change in heat flux. Thus, in this apparatus, some experiments have been carried out through changing different parameters such as temperature and flow rate for two fluids, water and air. Also in this paper, it is tried to compare the function of these systems on each other and the results acquired from the experiments as well as the capacity of these systems in analyzing the results were studied through artificial neural network. From among the neural networks used in this paper, we may refer to RBF, MLP, and ORN networks. The studies indicate that MLP network is not able to predict properly due to lack of any facility for noise filtration and ORN network has the best function due to having stronger theoretical basis and employing more advanced mathematical techniques such as CV. در بیش ‌تر فرایند‌های مهندسی شیمی پدیده ‌های انتقال جرم و انتقال گرما مشخصه‌ های جدایی‌ناپذیر فرایندها می‌ باشند. در این پژوهش با استفاده از یک دستگاه آزمایشگاهی، به بررسی تجربی هم‌زمان این دو پدیده در فرایندهای مهندسی شیمی و تأثیراتی که بر روی هم و بر روی فرایندها می ‌توانند داشته باشند، پرداخته شده است. در این دستگاه وجود پدیده های چگالش و تبخیر، باعث انتقال جرم شده و سرانجام بر ضریب انتقال گرمایی تأثیر می‌ گذارند همچنین وجود انتقال جرم، توزیع دما در پدیده انتقال گرما را تغییر داده و باعث ایجاد تغییر کلی در شار گرمایی م ی‌شود. آزمایش ‌های بسیاری با تغییر پارامتر های گوناگون مانند دما و شدت جریان برای هر دو سیال آب و هوا انجام گرفت، که از نتیجه‌ های به دست آمده از این آزمایش ‌ها در بررسی انواع شبکه عصبی مصنوعی و مقایسه عملکرد این شبکه‌ ها با یکدیگر و با نتیجه ‌های به دست آمده از آزمایش ‌ها استفاده شد. از جمله شبکه های عصبی به‌ کار برده شده در این مقاله می‌ توان به شبکه RBF(Radial Basis exact Fit) و شبکه MLP(Multi Layer Perceptron) و شبکه ORN (Optimal Regularization Network) اشاره نمود. بررسی های انجام شده بیانگر این است که شبکه MLP به ‌دلیل نبود امکان برطرف کردن خطا و اغتشاش قادر به پیش‌ بینی مناسب نبوده و شبکه ORN به دلیل دارا بودن مبنای نظری قوی‌ تر و استفاده از روش ‌های پیشرفته ریاضی مانند مقابله عدد دارای عملکرد بهتری است.

https://www.nsmsi.ir/article_23115_8a29a411e91931b2c009daf000f9ed7d.pdf