شبیه سازی ریاضی و شبکه عصبی مصنوعی کاهش کاتالیستی انتخابی ناکس در یک راکتور مونولیتی

با گسترش صنایع و افزایش مصرف انرژی در جهان، انتشار آلاینده اکسیدهای نیتروژن، NOx، که از احتراق سوخت های فسیلی در موتورهای درون سوز و صنایع تولید می شوند، با سرعت زیادی در حال افزایش است. بنابراین کنترل انتشار و حذف NOx از اهمیت بسیاری برخوردار است. در این مطالعه، مدلسازی و شبیه سازی 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 می یابد. در حالت دینامیک، نتایج حالت پایا به عنوان شرایط اولیه برای شبیه سازی دینامیک استفاده شدند و اثر تغییرات در پارامترهای موثر شامل سرعت فضایی گاز، غلظت NO ورودی و نسبت NH3/NO ورودی مورد بررسی قرار گرفت. همچنین شبیه سازی 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 نرون های مختلف و دو تابع فعال سازی 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 پیش بینی عملکرد فرایند می باشد.