• شماره ركورد
    14075
  • عنوان
    مروري بر مطالعات اخير در زمينه كاربرد هوش مصنوعي در شبيه سازي فرآيندهاي پيروليز
  • سال تحصيل
    1402
  • استاد راهنما
    دكتر محمد امين ثباتي
  • چکيده
    اين پژوهش به بررسي جامع كاربرد هوش مصنوعي در شبيه‌سازي، مدل‌سازي و بهينه‌سازي فرآيندهاي پيروليز پرداخته است. پيروليز به عنوان يكي از مهم‌ترين روش‌هاي ترموشيميايي براي تجزيه و تبديل ضايعات پلاستيكي و زيست‌توده به محصولات با ارزش مانند سوخت‌هاي زيستي، گازهاي سنتزي و مواد شيميايي گران‌قيمت شناخته مي‌شود. در اين فرآيند پيچيده، تنظيم دقيق پارامترهاي عملياتي همچون دما، زمان اقامت، و نرخ حرارت‌دهي از اهميت بالايي برخوردار است كه تأثير مستقيم بر بازده محصولات و كيفيت آن‌ها دارد. با توجه به پيچيدگي ذاتي فرآيند پيروليز، استفاده از تكنيك‌هاي پيشرفته هوش مصنوعي، نظير شبكه‌هاي عصبي مصنوعي و الگوريتم‌هاي يادگيري ماشين، به‌عنوان ابزاري قدرتمند براي شبيه‌سازي و بهينه‌سازي معرفي شده‌اند. در اين مطالعه، مدل‌هاي هوش مصنوعي با هدف پيش‌بيني دقيق توزيع محصولات پيروليز، ارزيابي پارامترهاي سينتيكي همچون انرژي فعال‌سازي، و بهينه‌سازي شرايط عملياتي مورد استفاده قرار گرفته‌اند. نتايج حاصل از بررسي مدل‌ها نشان مي‌دهد كه اين روش‌ها مي‌توانند با دقت بالايي نتايج فرآيندهاي پيچيده پيروليز را پيش‌بيني كرده و در شناسايي شرايط بهينه براي بهبود بازده و كيفيت محصولات بسيار مؤثر باشند. پيشنهاداتي براي تحقيقات آينده شامل توسعه مدل‌هاي پيچيده‌تر، جمع‌آوري داده‌هاي بيشتر از فرآيندهاي واقعي صنعتي، و گسترش استفاده از روش‌هاي يادگيري ماشين در مقياس‌هاي بزرگ‌تر ارائه شده است. اين تحقيق نشان مي‌دهد كه هوش مصنوعي مي‌تواند نقشي كليدي در بهبود فرآيندهاي صنعتي پيروليز و كاهش وابستگي به سوخت‌هاي فسيلي ايفا كند.
  • نام دانشجو

    ميرمحمدرضا سيدپور

  • تاريخ ارائه
    9/25/2024 12:00:00 AM
  • متن كامل
    84719
  • پديد آورنده

    ميرمحمدرضا سيدپور

  • تاريخ ورود اطلاعات
    1403/08/26
  • عنوان به انگليسي
    A Review of Recent Studies on the Application of Artificial Intelligence in the Simulation of Pyrolysis Processes
  • كليدواژه هاي فارسي
    پيروليز , هوش مصنوعي , يادگيري ماشين , زيست توده , ضايعات پلاستيكي
  • كليدواژه هاي لاتين
    pyrolysis , artificial intelligence , machine learning , waste plastic , biomass