مدلسازی و شبیه سازی ریاضی و شبکه عصبی کاهش کاتالیستی انتخابی NOx در بستر کاتالیستی

Abstract

با گسترش صنایع و افزایش مصرف انرژی در جهان، انتشار آلاینده اکسیدهای نیتروژن، NOx، که از احتراق سوخت‌های فسیلی در موتورهای درون‌سوز و صنایع تولید می‌شوند، با سرعت زیادی در حال افزایش است. بنابراین کنترل انتشار و حذف NOx از اهمیت بسیاری برخوردار است. در این مطالعه، مدلسازی و شبیه‌سازی کاهش کاتالیستی انتخابی NOx در یک بستر کاتالیستی در دو حالت پایا و دینامیک انجام گردید. نتایج حالت پایا نشان داد که با توجه به اثر شدید دما بر میزان تبدیل NOx و رقابت واکنش اصلی با اکسیداسیون آمونیاک توسط O2، تبدیل NOx نیاز به یک فیلتر کاتالیستی در محدوده دمای 300 تا °C350 دارد. نتایج نشان داد که میزان تبدیل NO با کاهش سرعت فضایی گاز و افزایش غلظت NO ورودی افزایش می‌یابد. در حالت دینامیک، نتایج حالت پایا به عنوان شرایط اولیه برای شبیه‌سازی دینامیک استفاده شدند و اثر تغییرات در پارامترهای مؤثر شامل سرعت فضایی گاز، غلظت NO ورودی و نسبت NH3/NO ورودی مورد بررسی قرار گرفت. همچنین شبیه‌سازی حالت پایای فرایند با استفاده از شبکه عصبی مصنوعی پیش خور انجام گرفت و مقادیر تبدیل NO و NH3 به عنوان تابعی از سرعت فضایی گاز، دمای راکتور و غلظت NO در نسبت ثابت NH3/NO تخمین زده شدند. 96 شبکه با تعداد نرون‌های مختلف و دو تابع فعال‌سازی مختلف در لایه مخفی با سه بار تکرار، آموزش داده شدند. شبکه بهینه حاصل، ماکزیمم متوسط خطای مربعی حدود 0.01 را نسبت به نتایج مدلسازی ریاضی نشان داد که حاکی از کارآیی بالای شبکه عصبی در پیش‌بینی عملکرد فرایند می‌باشد.