مدلسازی جداسازی ذرات غبار در بسترهای پرشده‌ی‌دوار با استفاده از روش‌ برنامه نویسی ژنتیک

در سال‌های اخیر راندمان بالای غبارزدایی از گازها، توسط بسترهای ‌پرشده‌‌ی ‌دوار، مورد توجه صنایع مختلف قرار گرفته است. اما فرآیند طراحی این تجهیزات با استفاده از روش‌های تجربی و یا شبیه‌‌سازی‌های دینامیک سیالات محاسباتی، به علت پیچیدگی این بسترها و تعدد پارامترهای موثر در بازدهی آنها، بسیار پرهزینه و زمانبر خواهد بود. از این رو در این پژوهش عملکرد روش برنامه نویسی ژنتیک در مدلسازی این بسترها مورد ارزیابی قرار گرفت. بر این مبنا، 561 داده‌ی تجربی گردآوری و با استفاده از برنامه‌نویسی ژنتیک معادلات مختلفی برای تخمین بازدهی این دستگاه‌‌ها برازش شد. از میان مدل-های ایجاد شده، معادله‌ای با کمترین میزان پیچیدگی و بیشترین دقت انتخاب شد. بررسی‌‌های صورت گرفته نشان داد که معادله‌ی بدست آمده، با ضریب همبستگی 0.9714، میانگین مربعات خطا 3.79 و بیشترین درصد خطا 1.51، از دقت بالایی جهت طراحی این بسترها برخوردار بوده است. همچنین تحلیل حساسیت مدل پیشنهادی نیز انجام شده و نتایج نشان داد که اندازه ذرات، سرعت دورانی و دبی مایع بیشترین تاثیر مثبت را بر بازدهی این بسترها خواهند داشت.

separation modeling in rotating packed beds using genetic programming method

in recent years, the high efficiency of dust removal from gases by rotating packed beds has attracted the attention of various industries. however the design process of this equipment using experimental methods and their computational fluid dynamics simulations, due to the complexity of these beds and the number of parameters affecting their efficiency, using experimental methods for design will be very costly and time-consuming. this research evaluated the performance of genetic programming method in modelling these beds. based on this, with 561 experimental data and using genetic programming, various equations were developed to estimate the system's efficiency. among the created models, an equation with the least complexity and the most accuracy was selected. results showed that the obtained equation, with a correlation coefficient of 0.9714, a mean square error of 3.79 and a maximum percentage of error of 1.51, had high accuracy for the design of these rotating packed beds. sensitivity analysis of the selected equation was also conducted and the results showed that particle size, rotational speed and liquid flow rate would have the most positive effect on efficiency of these beds.