شبیه سازی فرآیند تولید سوخت بیودیزل حاصل از روغن های پسماند با استفاده از شبکه عصبی

هدف این تحقیق ارائه مدل شبکه عصبی مصنوعی در تولید سوخت بیودیزل است که بتوان به راحتی تخمینی از میزان تبدیل واکنش بدست آورد. شبکه تولید شده از نوع شبکه پس انتشار می‌باشد که دارای یک لایه ورودی، یک لایه خروجی و یک لایه پنهان می‌باشد. متغیرها ورودی شبکه عصبی به ترتیب عبارتند از: نسبت مولی الکل به روغن (9:13:1)، دمای واکنش (65- 45 درجه سانتیگراد) و شدت همزنی (600-200 دور بر دقیقه). با مقایسه نتایج آزمایش‌ها، بیشترین تبدیل در نسبت مولی 6:1 الکل به روغن، دمای 65 درجه سانتیگراد و همچنین دور 600 حاصل شد. با مقایسه چندین تابع‌ انتقال و همچنین الگوریتم های آموزشی درصد خطای موجود بین مقدار واقعی و مقدار تخمین زده شده توسط شبکه عصبی بدست آمد. با توجه به نتایج حاصله، مدل شبکه عصبی قادر است که مقدار تبدیل واکنش را به خوبی و با ضریب همبستگی 9996/0 تخمین بزند. برای رسیدن به نتیجه مطلوب نتایج حاصل از آن با نتایج آزمایشگاهی مقایسه گردید.

Using of neural network to simulation of the biodiesel production process from waste oil.

This study deals with artificial neural network (ANN) modeling of a biodiesel production using waste cooking oil to predict the biodiesel purity. developed ANN was a feed forward back propagation network with one input, one hidden and one output layers. The input parameters for the ANN were methanol/oil molar ratio (3:1–9:1), temperature (45–65â€‌â€‌â€‌â€‌â€‌â€‌â€‌â€‌â€‌‫‪‭ °C), and mixing intensity (200–600 rpm) and the output parameter was biodiesel purity. The biodiesel with best purity was produced at methanol/oil molar ratio, of 6:1 mixing intensity, of 600 rpm and reaction temperature of 65 °C. Different transfer functions and several rules were used to assess the percentage error between the desired and the predicted values. It was observed that the ANN model can predict the biodiesel yield quite well with correlation coefficient (R) 0.99966. We can conclude that ANNs can be used to predict the biodiesel yield from used waste cooking oil.