مقایسه نتایج دو روش مدلسازی سطح پاسخ و شبکه‌ عصبی مصنوعی با نتایج تجربی پارامترهای موثر در الکترووینینگ کبالت

نوع مقاله : علمی-پژوهشی

نویسندگان

پژوهشکده چرخه سوخت هسته‌ای، پژوهشگاه علوم و فنون هسته‌ای، سازمان انرژی اتمی ایران

چکیده

در این مطالعه، فرآیند الکترووینینگ در تولید کبالت فلزی در غلظت‌های پایین در محیط کلریدی با دو روش مدلسازی سطح پاسخ و شبکه‌ عصبی مصنوعی مورد بررسی قرار گرفت. در ابتدا، 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، 008/0 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 8/99 % 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.

کلیدواژه‌ها

موضوعات