مشخصات پژوهش

عنوان	بررسی آزمایشگاهی و مدل سازی ریاضی واکنش های شیمیایی در میکروراکتورهای مارپیچی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	میکروراکتورهای مارپیچی، شاخص جدایش، اختلاط میکرو، واکنش رقابتی - موازی Villermaux / Dushman، هوش مصنوعی
چکیده	عملکرد اختلاط میکرو یک شاخص کارایی قابل توجه در اکثر راکتورهای شیمیایی است. بازده و عملکرد بسیاری از فرایندهای صنعتی به نحوه اختلاط مواد بستگی دارد. ازنقطه نظر مهندسی، اختلاط پدیده ای است که در بسیاری از فرآیندها نقش داشته و کیفیت نهایی محصولات را تحت تأثیر قرار می دهد. توسعه و ساخت تجهیزاتی که بتواند اختلاط میکروی کارآمدی را به وجود آورد، توجه بسیاری از محققین را به خود جلب کرده است. در سیستم های مختلف میکروسیال مانند میکروراکتورها، میکروکولرها، میکرو مبدل های حرارتی و میکرو زیست تراشه ها، از میکروکانال های منحنی شکل برای تغییر جهت حرکت سیال، افزایش طول مسیر جریان و افزایش بازده اختلاط در یک فضای فشرده استفاده می شود. در این پایان نامه، تأثیر هندسه میکروکانال های مارپیچی بر کیفیت و بازدهی اختلاط در مقیاس میکرو موردمطالعه قرارگرفته است. برای این منظور از میکروکانال های مارپیچی (12 هندسه) با نسبت انحنا و طول گام متفاوت استفاده شده است. میکروکانال های مارپیچی دارای سطح مقطع استوانه ای و به قطر 780 میکرومتر و طول 40 سانتیمتر هستند. آزمایشات در رژیم جریان آرام انجام شد و عملکرد اختلاط با استفاده از واکنش رقابتی - موازی Villermaux / Dushman مورد بررسی قرار گرفته است. نتایج نشان می دهد که هندسه میکروکانال تأثیر قابل توجهی بر ضریب اصطکاک و شاخص جدایش دارد. نسبت عملکرد با استفاده از افت فشار برای ارزیابی اختلاط و مشخصه های جریان تعریف شد. مقادیر نسبت عملکرد برای همه هندسه ها بزرگ تر از یک است و مقدار آن در نسبت های انحنای بزرگ تر، بیشتر است و با کاهش طول گام مقدار آن کاهش می یابد. بنابراین نسبت عملکرد به دست آمده برای هندسه های با نسبت انحنا بیشتر و طول گام کمتر %98 بیشتر از میکرولوله های مارپیچی با نسبت انحنا کمتر و طول گام بیشتر است. در همه هندسه ها، با افزایش دبی جریان، شاخص جدایش کاهش می یابد. همچنین در دبی های مختلف، میکروکانال های با نسبت انحنا بزرگ تر و طول گام کوچک تر منجر به بهبود قابل توجهی در عملکرد اختلاط میکرو می شوند. جهت پیش بینی و بهینه سازی یک سیستم، ارائه یک مدل دقیق و مناسب بسیار سودمند است. در این تحقیق، تکنیک های متفاوت هوش مصنوعی مانند شبکه های عصبی مصنوعی و الگوریتم ژنتیک جهت مدلسازی داده های آزمایشگاهی بکار گرفته شد، که نتایج آن تطابق خوبی با داده ها
پژوهشگران	مسعود رحیمی (استاد راهنما)، رضا بیگزاده (استاد مشاور)، مهتاب ایزادی (دانشجو)