![تولید نهال و پایههای رویشی باکیفیت و زودرس از طریق کشتبافت](/files/fa/news/1403/5/24/617783_575.jpg)
پیادهسازی مدلی برای جذب گاز آلاینده دودکش صنایع نفتی
![پیادهسازی مدلی برای جذب گاز آلاینده دودکش صنایع نفتی](/files/fa/news/1402/11/2/441249_757.jpeg)
به گزارش خبرگزاری علم و فناوری آنا، محسن مکاری از محققان طرح «شبیه سازی و بهینه سازی واحد جذب کربن دی اکسید از گاز دودکش به وسیله محلولهای آمینی با الگوریتمهای یادگیری ماشین» توضیح داد: بهره گیری از روشهای هوش مصنوعی به ویژه یادگیری ماشین به ما کمک میکند زمان، هزینه و مخاطرات ایمنی و زیست محیطی را در طراحی، ساخت و بهرهبرداری از صنایع شیمایی کاهش دهیم.
وی ادامه داد: از این رو در این پژوهش با کمک یادگیری ماشین، طراحی و افزایش بهرهوری واحدهای حذف کربن دی اکسید مورد بررسی و مطالعه قرار گرفت و طی آن مدل هوش مصنوعی ساخته شد.
مکاری اجرای این پژوهش را توسعه نرم افزار هوش مصنوعی برای طراحی، ارزیابی عملکرد و بهینه سازی واحدهای حذف کربن دی اکسید با آمین دانست و یادآور شد: کارایی ابزار ساخته شده مورد آزمون واقع شد و نتایج آن نشان داد که از آن می توان در صنعت بدون صرف زمان و یا هزینه زیاد برای طراحی واحدهای جدید و یا بهینه کردن کارکرد واحدهای موجود استفاده کرد.
این محقق با اشاره به روند اجرای این طرح پژوهشی اضافه کرد: در این پروژه به کمک دانش هوش مصنوعی و حجم قابل توجه دادههای محاسباتی، صنعتی و آزمایشگاهی موجود، توسعه مدل هوش مصنوعی جذب کربن دی اکسید با محلولهای آمینی به وسیله الگوریتمهای مختلف یادگیری ماشین اجرایی و برای پیاده سازی آن از ابر کامپیوتر سیمرغ استفاده شد.
این دانش آموخته دانشگاه صنعتی امیرکبیر، صنایع گاز، نفت، پتروشیمی، نیروگاهی و فلزی را از حوزههای اصلی کاربرد این دستاورد دانست و افزود: استفاده از هوش مصنوعی در مهندسی شیمی حوزه کاملا جدید و مورد توجه دانشگاه و صنعت است و امکان پذیری استفاده از روشهای مبتنی بر هوش مصنوعی در صنایع فرآیندی، بخش نوآورانه این مطالعات است.
وی توسعه مدل هوشمند فرایند حذف کربن دی اکسید از گاز دودکش با محلولهای آمینی به کمک الگوریتم های یادگیری ماشین را از مزایای این طرح دانست و گفت: بهینه سازی فرایند حذف کربن دی اکسید از گاز دودکش با محلولهای آمینی به کمک الگوریتمهای مختلف بهینهسازی و دستیابی به حداقل و حداکثر میزان مصرف انرژی و حذف کربن دی اکسید در واحد و ارائه یک مدل جامع و گسترده در شرایط مختلف عملیاتی و هم چنین بازه وسیع از متغیرهای ورودی و خروجی فرایند از دیگر دستاوردهای این طرح به شمار می رود.
انتهای پیام/