جهاد دانشگاهی-پژوهشکده توسعه صنایع شیمیایی ایران نشریه شیمی و مهندسی شیمی ایران 1022-7768 42 1 2023 05 22 Comparison of the results of two methods of modeling the response surface and artificial neural network with experimental results of effective parameters in cobalt electrowinning مقایسه نتایج دو روش مدل سازی سطح پاسخ و شبکه‌ عصبی مصنوعی با نتایج تجربی پارامترهای موثر در الکترووینینگ کبالت 141 156 248938 FA مهدی اسداله زاده پژوهشکده چرخه سوخت هسته‌ای، پژوهشگاه علوم و فنون هسته‌ای، سازمان انرژی اتمی ایران رضوان ترکمان پژوهشکده چرخه سوخت هسته‌ای، پژوهشگاه علوم و فنون هسته‌ای، سازمان انرژی اتمی ایران Journal Article 2021 09 17 In this study, the electrowinning process was investigated in the production of metal cobalt from a low chloride solution concentration by both response surface methodology and artificial neural network. Initially, the solvent extraction process from two different feeds was performed to recover cobalt ions by dithiophosphinic acid to the organic phase and transferring it to the aqueous phase with HCl solution (1 M). Then, the metal production process was performed using the electrowinning method and examining the effective parameters such as time, pH of solution, ion concentration and current ampere. The optimization conditions for pH of aqueous solution, time, cobalt ion concentration, and ampere were obtained equal to 4, 40, 0.008 mol/L, 1 A, respectively. The results showed that the temperature of 15 ◦ C was more favorable for the process. Increasing the current ampere, time, and concentration of ions in the solution helps to increase the current efficiency. The acidity values ​​in the aqueous phase are essential for the electrowinning process and depend on the system’s conditions. The XRF and EDX analysis results showed that in optimum conditions, metal cobalt with purity above 99.8% was accumulated on the cathode surface. The modeling results of two methods showed that the artificial neural network is in better agreement with the experimental results than the response surface methodology. <em>در این مطالعه، فرآیند الکترووینینگ در تولید کبالت فلزی در غلظت‌های پایین در محیط کلریدی با دو روش مدل­ سازی سطح پاسخ و شبکه‌ عصبی مصنوعی مورد بررسی قرار گرفت. نخست، فرآیند استخراج حلالی برای بازیابی کبالت از دو خوراک متفاوت با استخراج‌کننده دی‌تیوفسفونیک اسید به فاز آلی و انتقال به فاز آبی با محلول HCl  یک مولار انجام شد. سپس، فرآیند تولید فلز با استفاده از روش الکترووینینگ و با بررسی پارامترهای موثر مانند زمان، pH  محلول، غلظت یون‌ها و شدت جریان انجام شد. شرایط عملیاتی نقطه بهینه به ترتیب برای pH محلول آبی، زمان، غلظت اولیه فلز کبالت، شدت جریان به ترتیب برابر با 4، 40 دقیقه،  008<sub>/</sub>0 مول بر لیتر و 1 آمپر، بدست آمد.  نتایج نشان داد که دمای ◦C 15 برای انجام فرآیند مطلوب‌تر است و افزایش شدت جریان، زمان و غلظت یون‌ها در محلول به بالا بردن جریان موثر کمک می‌کند. مقادیر اسیدیته محلول برای فرآیند الکتروینینگ بسیار مهم است و به شرایط سیستم وابسته است. نتایج آنالیز‌های XRF و EDX نشان داد که در شرایط بهینه، کبالت فلزی با خلوص بالای 8<sub>/</sub>99 % بر روی سطح کاتد تجمع یافته است. نتایج حاصل از مدل­سازی دو روش نشان داد که شبکه عصبی مصنوعی در توافق بهتری با نتایج تجربی نسبت به روش سطح پاسخ است.  </em> کبالت فلزی فرآیند الکترووینینگ درصد جریان موثر شبکه عصبی روش سطح پاسخ https://www.nsmsi.ir/article_248938_69175f349ae49734ec8c97fabccc8b82.pdf