شيمي ايران

بررسي عملكرد شبكه عصبي مصنوعي RBF ،MLP و ORN در يک کانال افقي همراه با انتقال جرم و انتقال حرارت همزمان

فاطمه کريمي زاد گوهری
آمل، دانشگاه آزاد اسلامي واحد آيتالله آملي، دانشکده فني مهندسي، گروه مهندسي شيمي

اکبر شاهسوند*+
مشهد، دانشگاه فردوسي مشهد، دانشکده فني مهندسي

چكيده: در بيشتر فرايندهای مهندسي شيمي پديدههای انتقال جرم و انتقال گرما مشخصههای جداييناپذير فرايندها ميباشند.
در اين پژوهش با استفاده از يك دستگاه آزمايشگاهي، به بررسي تجربي همزمان اين دو پديده در فرايندهای مهندسي شيمي و تأثيراتي که بر روی هم و بر روی فرايندها ميتوانند داشته باشند، پرداخته شده است. در اين دستگاه وجود پديده های چگالش و تبخير، باعث انتقال جرم شده و سرانجام بر ضريب انتقال گرمايي تأثير ميگذارند همچنين وجود انتقال جرم، توزيع دما در پديده انتقال گرما را تغيير داده و باعث ايجاد تغيير کلي در شار گرمايي ميشود.
آزمايشهای بسياری با تغيير پارامتر های گوناگون مانند دما و شدت جريان برای هر دو سيال آب و هوا انجام گرفت، که از نتيجههای به دست آمده از اين آزمايشها در بررسي انواع شبکه عصبي مصنوعي و مقايسه عملکرد اين شبکهها با يکديگر و با نتيجههای به دست آمده از آزمايشها استفاده شد. از جمله شبکه های عصبي بهکار برده شده در اين مقاله ميتوان به شبکه RBF(Radial Basis exact Fit) و شبکه MLP(Multi Layer Perceptron) و شبکه ORN (Optimal Regularization Network) اشاره نمود. بررسي های انجام شده بيانگر اين است که شبکه MLP بهدليل نبود امکان برطرف کردن خطا و اغتشاش قادر به پيشبيني مناسب نبوده و شبکه ORN به دليل دارا بودن مبنای نظری قویتر و استفاده از روشهای پيشرفته رياضي مانند مقابله عدد دارای عملکرد بهتری است.

واژههاي كليدي: انتقال جرم؛ انتقال گرما؛ شبکه عصبي مصنوعي؛ MLP؛ RBF؛ ORN.
KEYWORDS: Mass transfer; Heat transfer; Artificial neural network MLP; RBF; ORN.
مقدمه
-45475664566

انتقال جرم و انتقال گرما پديدههايي هستند كه ميتوانند جهت باعث كاهش ضريب انتقال گرما ميشود. افزون بر اين در حضور و در غياب يكديگر رخ دهند. وقوع همزمان اين دو پديده وجود پديده هاي ميعان و تبخير كه ناشي از انتقال جرم مي باشند در يك راستا باعث افزايش ضريب انتقال گرما و وقوع آن در خلاف نيز ميتوانند باعث كاهش يا افزايش چشمگيري در شار گرمايي شوند.
+E-mail: [email protected] عهده دار مکاتبات *
333
پژوهشهاي صورت گرفته در اين راستا شامل مطالعههاي عددي و آزمايشگاهي بوده، كه نتيجههاي به دست آمده از اين مطالعهها را ميتوان توسط انواع شبكه عصبي مورد بررسي قرار داد و عملكرد شبكههاي گوناگون را از نظر تحليل روند نتيجهها با يكديگر مقايسه نمود .
مدل هاي بسياري از شبكه هاي عصبي به طور گسترده در فرايندهاي تجربي مربوط به مهندسي شيمي مورد استفاده قرار گرفته اند اين مطالعهها در پژوهشهاي بسياري از دانشمندان به چشم ميخورد [8-1]. در سال 7002 ميلادي چندين پژوهشگر از شبكه عصبي مصنوعي در تجزيه و تحليل انتقال گرما در مبدلهاي گرمايي پوسته و لوله بر اساس داده هاي تجربي استفاده نموده اند .
در اين مطالعهها با استفاده از بيشينه تفاوت درجه گرما در خروجيهاي مبدل، نرخ كل انتقال گرما براورد شده است [9]. همچنين ميتوان از شبكه عصبي در مدلسازي انتقال گرما در جريان جوششي مايعات استفاده نمود كه در سال 7002 ميلادي )اسكالابرين1( و همكاران در درون يك لوله افقي در شرايط اشباع موفق به انجام اين كار شدند [10].
در صنايع غذايي نيز شبكه عصبي مصنوعي جايگاه ويژهاي را دارد. در پژوهشي در سال 7002 ميلادي مدلسازي فرايند يك خشككن با استفاده از توان گرمكن و سرعت عبور هوا مورد بررسي قرار گرفت. از مقايسه نتيجههاي ANN)7( و رابطههاي رياضي از شبكه عصبي مصنوعي نتيجههاي دقيق تري به دست آمد [11].
در سال 7011 ميلادي، پژوهشي مبني بر عملكرد شبكه عصبي مصنوعي بر تعيين ويژگي هاي انتقال گرما در فرايند چگالش در درون يك لوله عمودي صاف صورت گرفت. در اين مطالعه ، از هوش مصنوعي به منظور برآورد همرفت گرما، اندازهگيري ضريب انتقال و افت فشار در جريان استفاده شد [17].
-419092225015

در پژوهشي ديگر در سال 7011 ميلادي عملكرد دو شبكه RBF و MLP در ارتباط با داده هاي مربوط به نتيجههاي جذب كربن دي اكسيد در يك برج پرشده با استفاده از محلولهاي دي اتانول آمين و متيل دي اتانول آمين مورد بررسي قرار گرفت و سرانجام شبكه RBF عملكرد بهتري در برطرف كردن خطاها و اختلالهاي مربوط به داده هاي آزمايشگاهي داشته است و توانسته پيش بينيهاي دقيقتري را انجام دهد [11]. در سال 7017 ميلادي در پژوهشي عملكرد شبكه عصبي مصنوعي در ارتباط با انتقال گرما و ويژگيهاي جريان از نظر پيش بيني عدد ناسلت و ضريب اصطكاك در لوله هاي مارپيچ مورد بررسي قرار گرفت .
332
)2( Artificial Neural Network

شكل 3ـ نمای کلي سامانه انتقال جرم و گرمای همزمان.

نتيجههاي به دست آمده از اين پژوهش بيان كننده عملكرد موفق شبكه عصبي مصنوعي در پيش بيني مسئلههاي مربوط به انتقال گرما ميباشد [11].
در اين مقاله ضمن مدل سازي رياضي پديده هاي انتقال جرم و انتقال گرماي همزمان، دستگاهي با قابليت كار در آزمايشگاه ساخته شد كه با تغيير پارامتر هاي فرايندي گوناگون در آن مانند دما و شدت جريان سيالهاي آب و هوا مي توان آزمايشهاي بسياري انجام داد.
تعداد 752 آزمون با تغيير اين پارامترها انجام شد. اين تعداد آزمايشها مبناي خوبي براي سنجش عملكرد انواع شبكه عصبي مصنوعي ميباشد، از اين رو خروجيهاي بهدست آمده از اين شبكهها با نتيجههاي تجربي مقايسه شد و تحليل روند اين نتيجهها ارايه شد.

بخش تجربي
شرح دستگاه و چگونگي انجام آزمايشها
شكل 1 نمايي از دستگاه بهكار برده شده در اين پژوهش ميباشد، كه شامل يك بدنه فلزي با پوشش MDF مي باشد. قطعهها و اتصالهاي موجود در دستگاه همگي از فولاد ضد زنگ بوده كه بسته به نوع كاربرد آن داراي ضخامت هاي متفاوت مي باشند.
در ساخت اين دستگاه دو مسير براي عبور سييال هياي آب و هيوا تعبيه شده است، سيال هوا در مسير عبيور خيود در درون دسيتگاهپس از خيروج از كمپرسيور ابتيدا وارد ييك شيدت جرييان سين به منظور كنتيرل شيدت جرييان هيواي ورودي بيه سيامانه شيده
)1( Scalabrin
و سپس وارد خطوط لوله ميشود. خطوط لوله نيز در طي مسير به دو بخش تقسيم شده است، مسير افقي و مسير رو به پايين .
در مسير افقي ابتدا يك شير از نوع كروي قرار دارد، كه به اين خط لوله، كنار گذر)1( گفته مي شود، كه بهمنظور ايمني بيشتر در سامانه بهكار برده شده است .
1782989493694

مسير دوم يعني انشعاب رو به پايين، شامل يك شير از نوع كروي است كه در ادامه مسير خود به يك چهار راه از جنس آلومنيوم با خروجي هاي 14 اينچ متصل است. اين خروجيها توسط چهار شلنگ از جنس پلاستيك به مخزن اشباع كننده كه خود شامل دو استوانه هم مركز با قطر ها و ارتفاع هاي متفاوت است ،وصل ميباشند. در امتداد مسير شلنگ ها در داخل استوانه پاييني مخزن اشباع كننده، لولههايي تعبيه شده كه علت استفاده از اين لولهها جلوگيري از درهمي، خروج آب همراه با هوا و جلوگيري ازخروج هواي اشباع نشده از اشباع كننده است.
در كف مخزن اشباع كننده يك شير به منظور تخليه آب درون مخزن تعبيه شده است. همچنين در بالاي مخزن اشباع كننده دو منفذ يكي براي نصب حسگر فشار و ديگري براي نصب فشارسن در نظر گرفته شده است كه در صورت نياز به كار در فشار غير از فشار جو، فشار به دو صورت قابل ديدن باشد .همچنين در مخزن اشباع كننده، از دو هيتر 5/1 كيلو واتي به منظور رساندن دماي آب درون اشباع كننده به دماي مورد نظر استفاده شده است.
هواي اشباع خروجي از اشباع كننده پس از اتصال به مسير جريان كنار گذر وارد يك شير از نوع كروي شده و در ادامه مسير از يك گرمكن kW5/7 به منظور جلوگيري از عبور قطرههاي آب و رساندن دماي هواي اشباع شده به دماي مورد نظر عبور مي نمايد و سپس دوباره وارد خط لوله ميشود. در امتداد مسير خط لوله يك محفظه با سطح مقطع cm

70 cm 70 و طول cm 10 نصب شده است. در درون محفظه و در مسير عمود بر جريان هواي ورودي يك لوله با قطر يك اينچ براي عبور آب تعبيه شده است. در كف محفظه، يك خروجي به قطر mm 10 وجود دارد كه قطرههاي به دست آمده از ميعان هواي اشباع را به يك استوانه مدرج با قابليت تخليه آب هدايت مي كند.
در مسير عبور آب، جريان آب به صورت يك چرخه است كه ابتدا از يك مخزن فولادي با ضخامت ورق mm 7 به حجم L150 توسط يك پمپ به شدت جريانسن فرستاده ميشود كه خروجي شدت جريانسن توسط يك شلنگ in 1 به ورودي مسير آب در محفظه وصل مي شود . همچنين در اين مخزن بهمنظور
-3619440870

ثابت نگه داشتن دماي آب از يك دوش در طول مخزن و از يك گرمكن با توان kW 5/1 استفاده شده است.
ثبت تغييرهاي دمايي در اين سامانه توسط پن حسگر از نوع
DS18B20 در بازهي دمايي 0 تا 110 درجه سلسيوس كه به دستگاه ثبت داده وصل است، انجام مي گيرد. مكانهايي كه در آن حسگرهاي دما نصب شده است عبارتند از: خروجي از اشباع كننده، ورودي هوا به محفظه، خروجي هوا از محفظه، ورودي آب به محفظه و خروجي آب از محفظه.
شدت جريان آب ،شدت جريان هوا، دماي هوا و دماي آب پارامترهاي قابل تغيير در اين آزمايشها بوده و بازهي تغيير شدت جريان براي سيال آب m1/h 1 تا m1/h 75/0 بوده و براي سيال هوا بين m1/h 70 تا m1/h 50 و بازهي تغيير دما براي سيال هوا بين C°80 تا C° 50 و براي سيال آب موجود در مخزن پايين دستگاه، بين C°70 تا C°15 و براي آب موجود در مخزن اشباع كننده بين C°10 تا C°20 ميباشد. با توجه به تعداد پارامترها و تغيير تنها يك پارامتر در هر مرحله و تقسيم اين بازهها به چهار قسمت ،براي هر پارامتر در حال تغيير ،21 آزمون و براي كل پارمترها 752 آزمون خواهيم داشت.

نتيجهها و بحث
نتيجههاي به دست آمده از آزمايشها در جدول 1 آمده است.

تحليل داده هاي تجربي
نمودارهاي بهدست آمده از نتيجههاي تجربي در شكلهاي 7 و1 به ترتيب براي دماي آب ورودي 75 و 70 درجه سلسيوس موجود است.
همان گونه كه در شكلهاي 7 و 1 با افزايش دماي هواي ورودي ،كاهش اختلاف دما بين آب ورودي و هواي ورودي را خواهيم داشت كه اين امر بر نيروي محركه انتقال گرما تأثير گذاشته و باعث كاهش انتقال گرما ميشود. از سويي با افزايش دماي آب ورودي به سامانه و پيرو آن كاهش اختلاف دماي آب ورودي به سامانه و خروجي از آن ،ميزان دماي فيلم ميعان يافته موجود در سطح لوله داخل محفظه آزمون افزايش يافته و اين افزايش دما منجر به افزايش فشار جزئي سامانه شده است. كه اين افزايش فشار جزئي اختلاف فشار در سامانه را كاهش داده كه منجر به كاهش نيروي محركه انتقال جرم و نيز كاهش نيرو محركه انتقال گرما شده است، اين روند در منحنيهاي موجود در شكل 7 و 1 ديده ميشود..
)1( by pass
335جدول 3 ـ نتيجههای به دست آمده از آزمايشها.
12 15 11 11 17 11 10 9 8 2 2 5 1 1 7 1 رديف
Qair 70 70 70 70 10 10 10 10 10 10 10 10 50 50 50 50
-14101-570575

Qw 1 0/25 0/5 0/75 0/75 0/5 0/25 1 1 0/25 0/5 0/75 0/75 0/5 0/25 1 Tw 70 70 70/1 70/1 70 19/9 70 70 70/1 70 70/1 70 70 19/8 19/9 19/9
Tair 18/1 50 50/5 50/7 50/1 50/1 50/1 50/1 50/7 50/1 50/1 50/1 50/1 50/1 50 50/1
Tw exp 70 70/1 70/1 70/9 70/9 70 70 70/1 70/7 70/1 70/1 70/9 70/1 70 70 70
17 11 10 79 78 72 72 75 71 71 77 71 70 19 18 12 رديف
Qair 50 50 50 50 10 10 10 10 10 10 10 10 70 70 70 70
Qw 0/75 0/5 0/25 1 1 0/25 0/5 0/75 0/75 0/5 0/25 1 1 0/25 0/5 0/75
Tw 75/1 75/1 75/7 75/5 75 71/9 75 75 75/7 75/1 75 75/7 75 75 75/7 75
Tair 50/7 50/7 50/1 50 50/1 50/1 50/1 50 50 19/8 19/9 19/9 19/8 19/8 19/2 19/8
Tw exp 75/8 75/7 75/1 75/2 75/1 75 75/1 75/8 75/8 75 75 75/1 75/1 75/1 75/1 75/2
18 12 12 15 11 11 17 11 10 19 18 12 12 15 11 11 رديف
Qair 70 70 70 70 10 10 10 10 10 10 10 10 50 50 50 50
Qw 1 0/25 0/5 0/75 0/75 0/5 0/25 1 1 0/25 0/5 0/75 0/75 0/5 0/25 1
Tw 10 10/1 79/8 10 79/9 79/8 10 10 10/1 10 10/1 10 10/1 79/9 79/9 10/1
Tair 50/1 50/1 50/7 50/1 50/5 50/5 50 50/1 50 50 50 50 19/2 50/1 50 19/8
Tw exp 10 10/1 79/8 10/7 10/1 79/9 10 10 10/1 10 10/7 10/5 10/2 10 10 10/1
21 21 27 21 20 59 58 52 52 55 51 51 57 51 50 19 رديف
Qair 50 50 50 50 10 10 10 10 10 10 10 10 70 70 70 70
Qw 1 0/25 0/5 0/75 0/75 0/5 0/25 1 1 0/25 0/5 0/75 0/75 0/5 0/25 1
Tw 15 15/1 15/1 15/1 15 11/8 11/8 11/9 15 15/1 15/1 15/1 15 11/9 11/9 11/8
Tair 19/8 19/8 19/8 19/8 19/9 19/8 19/8 50 50/1 50 50/1 50 50/7 50 19/8 19/8
Tw exp 15/1 15/7 15/1 15/1 15/7 11/9 11/8 15 15 15/7 15/7 15/1 15/1 15 11/9 11/8
80 29 28 22 22 25 21 21 27 21 20 29 28 22 22 25 رديف
Qair 70 70 70 70 10 10 10 10 10 10 10 10 50 50 50 50
Qw 1 0/25 0/5 0/75 0/75 0/5 0/25 1 1 0/25 0/5 0/75 0/75 0/5 0/25 1
Tw 70/1 70/7 70/7 19/8 19/8 19/8 19/9 70 70 70/1 70 19/9 70/1 70/7 70 70/1
Tair 20 59/8 20/1 20/7 20/1 20/1 20/1 20/1 20/1 20/1 20 20/1 20/1 20 59/2 59/2
Tw exp 70/1 70/1 70/1 70/7 70/1 70 70 70 70 70/1 70 71/1 71/2 70/1 70 70/1

335

38 53 08 38 53 08
دمای هوا (C°) دمای هوا (C°)

شكل 2ـ نمودار تجربي تغيير اختلاف دمای آب ورودی و خروجي شكل 5ـ نمودار تجربي تغيير اختلاف دمای آب ورودی و خروجي بر حسب دمای هوای ورودی. بر حسب دمای هوای ورودی.
333
البته در شكل 1 به علت خطاهاي موجود در سامانه و ياخطاهاي احتمالي موجود در آزمايشها، منحنيهاي مربوط به شدت جريانهاي هواي m1/h )70 و 10( داراي يك روند نزولي بوده اما نمودار تأييد كننده تحليل اين روند است.

بخش نظري
مقدمه اي بر شبكه هاي عصبي مصنوعي شبكههای عصب مصنوعي)3(
در حالت كلي، يك شبكه عصبي زيستي از مجموعه يا مجموعهاي از نورونها به صورت فيزيكي به هم متصل يا از لحاظ عملكرد به هم وابسته تشكل شده است. هر نورون ميتواند به تعداد بسيار زيادي از نورونها وصل باشد و تعداد كل نورونها و اتصالهاي بين آنها ميتواند بسيار زياد باشد. اتصالات، كه به آنها سيناپس گفته ميشود ،به طور معمول از آكسونها و دندريتها تشكل شدهاند.
عملكرد شبكه عصبي برگرفته از كارايي نورونهاي زيستي است.
نقطه مقابل نورونهاي زيستي نورونهاي مصنوعي بوده كه سامانهاي است شامل تعداد زيادي ورودي و تنها يك خروجي .ساختار نورونهاي مصنوعي شامل دو بخش آموزشي و عملكرد ميباشند. در حالت آموزش نورون ياد ميگيرد در مقابل الگوهاي ورودي خاص برانگيخته شود و در حالت عملكرد وقتي يك الگوي ورودي شناسايي شده وارد شود، خروجي متناظر با آن ارايه ميشود.
شبكههاي عصبي مصنوعي روشها محاسبههاي نوين هستند براي يادگيري ماشيني، نمايش دانش و سرانجام اعمال دانش به دست آمده در راستاي پيشبيني پاسخهاي خروجي از سامانههاي پيچيده.
اين شبكهها براي تخمين)7( و تقريب)1( كارايي بسيار بالايي دارند .گستره كاربرد اين مدلهاي رياضي بر گرفته از عملكرد مغز انسان ،بسيار گسترده ميباشد كه به عنوان چند نمونه كوچك ميتوان استفاده از آن ابزار رياضي در پردازش سيگنالهاي زيستي، مخابرات و الكترونيكي تا كمك در نجوم و فضا نوردي را نام برد.

يك شبكه عصبي شامل اجزاي سازنده لايهها و وزنها شبكه پرسپترون چند لايه ای) MLP()3(
ميباشد. لايهها به سه دسته تقسيم شده كه شامل لايه ورودي و شبكههاي چند لايه يپيش خور يكي از مهمترين ساختارهاي لايه پنهان و لايه خروجي ميباشد. در لايه ورودي اطلاعات خام شبكههاي عصبي مصنوعي ميباشد. به طورمعمول اين شبكهها

)1( Artificial Neural Network-ANN )4( Spread
)2( Estimation )5( Multi layer perceptron
)3( Approximation
335
ساختار شبكهها عصب
به شبكه وارد ميشود. لايه پنهان ممكن است از يك تا چند لايه باشد و كار پردازش اطلاعات در اين لايه انجام مي شود. تعداد نورون ها نيز در اين لايه متغير است، هر يك از عناصر بردار ورودي به يك لايه، در زمان اتصال به نورون هاي آن در وزن متناظر خود ضرب ميشوند.
فرايند آموزش شبكه نيز در واقع تنظيم وزن هاي نورونها در پاسخ به خطاي محاسبه شده ميان مقدارهاي محاسباتي و مقدارهاي هدف ميباشد. سومين لايه نيز لايه خروجي است كه عملكرد اين لايه به فعاليت واحد پنهان و وزن نورون ها بستگي دارد.

انواع اتصالهای لايه ها به همراه تابع وزن در شبكه های عصبي 1ـ پيشرو: بيشترين پيوندها از اين نوع است که در آن سيگنالها تنها در يک جهت حرکت ميکنند. از ورودی به خروجي هيچ بازخوردی
)حلقه( وجود ندارد. خروج هر لايه بر همان لايه تأثير ندارد .
2ـ پسرو: دادهها از گرهها لايه بالا به گرههای لايه پايين بازخورانده ميشوند .
3ـ جانبي: خروج گرهها هر لايه به عنوان ورود گرههای همان لايه استفاده ميشوند.

شبكه تابع پايه شعاعي
شبكه RBF از شبكههاي عصبي آماري است كه از روشهاي آماري براي طبقه بندي الگوها الهام گرفته اند و يادگيري آنها بر منطق شبكههاي زيستي استوار نيست. اين شبكهها براي جداسازي در فضا از سطوح زنگولهاي شكل استفاده ميكنندكه در وسط و روي مركز خود برجسته ميباشند و در اطراف به سمت پايين كشيده شده اند كه در شكل1 ديده ميشود.
با معرفي مقدار باز شدگي سطح زنگوله)1(، تقسيم فضاي الگوها صورت ميگيرد. شبكه RBF در لايه مياني خود تنها داراي يك لايه پنهان است و خصوصيت يگانه RBF پردازشي است كه در لايه پنهان انجام ميدهد. در اين لايه هر يك از نورونها يك سطح زنگوله را تشكيل ميدهند [15].

560451-14545

8
/
3
0
/
8
5
/
8
5
/
8
2
/
8
8
/
8
5
/
8
2
/
8

2
/
8

8
/
8
2
/
8
5
/
8
5
/
8
0
/
8
8
/
3
2
/
3

8

/

3

0

/

8



قیمت: تومان

دسته بندی : شیمی و مهندسی شیمی

دیدگاهتان را بنویسید