مدل‌سازی گرانروی مخلوط‌های روان کننده و خنک کننده به کمک شبکه عصبی مصنوعی

نوع مقاله : علمی-پژوهشی

نویسندگان

گروه شیمی، دانشکده علوم پایه، دانشگاه یاسوج، یاسوج، ایران

چکیده

در این پژوهش از شبکه عصبی مصنوعی (ANNs) برای پیش‌بینی گرانروی  مخلوط روان کننده و خنک ­کننده استفاده شده است. دما، فشار، وزن مولکولی، کسر مولی خنک­ کننده و گرانروی خنک­ کننده به عنوان متغیرهای ورودی و گرانروی مخلوط روان کننده و خنک­ کننده به عنوان خروجی  مورد استفاده قرارگرفت. تعداد کل داده ­های تجربی مورد استفاده در این مطالعه 1053 عدد بود که شبکه عصبی مصنوعی به طورتصادفی با 70% (737 نقطه داده)، 15% (158 نقطه داده) و15% (158 نقطه داده) به ترتیب مورد آموزش ، ارزیابی و آزمون  قرارگرفت. مقدارهای میانگین خطای مطلق برای مجموعه داده‌های آموزش، ارزیابی و آزمون به ترتیب 39/0، 48/0 و 49/0 است. بنابراین مدل  شبکه عصبی مصنوعی مطالعه شده با 15 نرون در لایه میانی هم­خوانی خوبی با  داده‌های تجربی دارد.

کلیدواژه‌ها

موضوعات

مراجع

[1] NSI/ASHRAE Standard 34-2001, “Designation and Safety Classification of Refrigerants”, (2010).
[2] Haaf S., Henrici H. “Refrigeration Technology” in “Ullmann’s Encyclopedia of Industrial Chemistry”, Wiley-VCH, 2002.
[3] Bartz W., Tribology, Lubricants and Lubrication Engineering—A Review, Wear., 49: 1-18 (1978).
[4] Donnet C., Erdemir A.,  Historical Developments and New Trends in Tribological and Solid Lubricant Coatings, Surface and Coatings Technology, 180: 76-84 (2004).
[5] Martín-Alfonso J., Valencia C., Sánchez M., Franco J., Gallegos C., Development of New Lubricating Grease Formulations Using Recycled LDPE as Rheology Modifier Additive, European Polymer Journal, 43,149-139 (2007).
[6] Scharf, C.R., Twining, S.R., Todd, P.R., "Functionalized Polymer as Grease Additive", ed: Google Patents, (2001).
[7] Mermond Y., Feidt M., Marvillet C., Thermodynamic and Physical Properties of Mixtures of Refrigerants and Oils, International Journal of Refrigeration, 22: 569-579 (1999).
[8] Marsh, K. N., Kandil, M. E., Review of Thermodynamic Properties of Refrigerants+ Lubricant Oils, Fluid Phase Equilibria, 199: 319-334 (2002).‏
[9] Dayhoff J.E., Neural Networks Principles. Prentice-Hall International, U.S.A, 1990.
[10] البرزی، م؛ آشنایی با شبکه‌های عصبی، انتشارات دانشگاه صنعتی شریف، ص. 37 (1380).
[11] Zolfaghari, H., Yousefi, F. Thermodynamic Properties of Lubricant/Refrigerant Mixtures Using Statistical Mechanics and Artificial Intelligence, International Journal of Refrigeration, 80: 130-144(2017).
[12] Zolfaghari, H., Yousefi, F. PVT Properties of Pure Lubricants Using Equations of State and Artificial Intelligence, Physical Chemistry Research, 7:181-200(2019).
]13[ سایت : انجمن هوش مصنوعی ایران به نشانی www.artificial.ir
[14] Rumelhurt. D. E., Hinton. G.E., Williams R. j., Learning Internal Representations by Error Propagation. Parallel Data Processing, 1: 318 (1986).
[15] Hirose Y., Yamashita K., Hijiya S., Back- Propagation Algorithm which Variesnumber of Hidden Units, Neural Networks, 4: 61-66 (1991).
[16] غضنفری، ی؛ و کاظمی، ز؛ "اصول و مبانی سیستم های خبره – با فصولی درباره شبکه عصبی مصنوعی و تئوری مجموعه فازی"، دانشگاه علم و صنعت ایران، ص 648 (1382).
[17] ثقه الاسلامی، ن؛ کریمی، ه؛ اخوت، ا؛ وطن‌خواه، غ؛ "اصول و کاربرد شبکه‌های عصبی در صنایع نفت و گاز". تهران: نشر جهش (1388).
 [18] Monsalvo M.A., Baylaucq A., Reghem P., Qui˜nones-Cisneros S.E., Boned C., Viscosity Measurements and Correlations of Binary Mixtures: 1,1,1,2-tetrafluoroethane (HFC134a) + Tetraethylene Glycoldimethylether (TEGDME), Fluid Phase Equilibria, 233: 1–8 (2005).
[19] María J.P. Comuñas, Antoine Baylaucq, Christian Boned, Josefa Fernández, Dynamic Viscosity for HFC-134a + Polyether Mixtures up to 373.15 K and140 MPa at Low Polyether Concentration. Measurements and Modelling, Industrial & Engineering Chemistry Research, 43: 804–814 (2004).
[20] Mat´ıas A. Monsalvo, Antoine Baylaucq, Sergio E. Qui˜nones-Cisneros, Christian Boned., High-Pressure Viscosity Behavior of x 1,1,1,2-tetrafluoroethane(HFC-134a) + (1−x) triethylene glycol dimethylether (TriEGDME)mixtures: Measurements and Modeling, Fluid Phase Equilibria, 247: 70–79 (2006).
[21] Pensado A.S., P´adua A.A.H., Comu˜nas M.J.P., Fern´andez J., Viscosity and Density Measurements for Carbon Dioxide + Pentaerythritolester Lubricant Mixtures at Low Lubricant Concentration, J. of Supercritical Fluids, 44: 172–185 (2008).
[22] Pensado A. S.,  H. Padua A. A., Comunas  M. J. P., Fernandez J., High-Pressure Viscosity and Density of Carbon Dioxide 1 Pentaerythritol Ester Mixtures: Measurements and Modeling, AIChE Journal, 54: 1625-1636 (2008).
[23] Tomida D., Kumagai A., Yokoyama C., Viscosity Measurements and Correlation of the Squalane + CO2 Mixture, International Journal of Thermophysics, 28: 133-145 (2007).
[24] Katsuya Takigawa., Stanley I.Sandler., Akimichi Yokozeki., Solubility and Viscosity of refrigerant/Lubricant Mixtures: Hydrofluorocarbon/Alkylbenzene Systems, International Journal of Refrigeration, 25: 1014–1024 (2002).
[25] Bair S., Baker M., Pallister D.M., The High-Pressure Viscosity of Refrigerant/Oil Systems, Lubrication Science, 6: 377-394 (2017).
[26] Moisés A., Marcelino Neto., Jader R. Barbosa Jr., Solubility, Density and Viscosity of Mixtures of Isobutane (R-600a) and a Linear Alkylbenzene Lubricant, Fluid Phase Equilibria, 292: 7-12 (2010).

فایل ها

هم رسانی

ارجاع به این مقاله

آمار