عنوان	بررسی آزمایشگاهی عملکرد میکروراکتورهای CFI و مدلسازی توسط تکنیک‌های CFD و هوش مصنوعی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	میکروراکتورهای مارپیچ معکوس‌کننده جریان، شاخص جدایش، اختلاط میکرو، واکنش رقابتی-موازی ویلرمو/داشمن، دینامیک سیالات محاسباتی، هوش مصنوعی
چکیده	اختلاط میکرو نقش مهمی در کارایی راکتورها و کیفیت محصولات دارد. میکروکانال‌های مارپیچ با افزایش طول مسیر جریان، اختلاط را در فضای کم بهبود می‌دهند و در میکروسیستم‌ها کاربرد دارند. این مطالعه به بررسی تأثیر هندسه میکروکانال‌های مارپیچ معکوس‌کننده جریان با سطح مقطع دایره‌ای (قطر 780 میکرومتر، طول 100 سانتیمتر) و تعداد خم‌های °90 متفاوت بر کیفیت و بازدهی اختلاط در رژیم جریان آرام می‌پردازد. عملکرد اختلاط با واکنش رقابتی-موازی ویلرمو/داشمن ارزیابی شد. پارامترهای متغیر شامل تعداد خم‌های °90، غلظت اسید و دبی جریان انتخاب شد. شاخص جدایش از هندسه 1 که برابر با 4-10×34/2 تا هندسه 7 که برابر با 4-10×18/0 می‌باشد،کاهش یافته و افت فشار از 38 تا 72 میلی بار افزایش داشت. از شبیه‌سازی دینامیک سیالات محاسباتی برای بررسی هیدرودینامیک سیال و شبکه‌های عصبی مصنوعی، سیستم استنتاج تطبیقی عصبی-فازی و الگوریتم ژنتیک برای تحلیل داده‌ها و پیش‌بینی شاخص جدایش و افت فشار استفاده شد. در مدلسازی هوش مصنوعی از 72 داده آزمایشگاهی استفاده شد که سه چهارم داده‌ها برای آموزش و یک چهارم برای آزمایش استفاده شد. افزایش تعداد خم‌ها باعث بهبود قابل‌توجه اختلاط و افزایش افت فشار می‌شود. هندسه‌های پیچیده‌تر افت فشار بیشتری دارند اما کیفیت اختلاط را به‌طور چشمگیری بهبود می‌بخشند. با افزایش دبی جریان و کاهش غلظت اسید، شاخص جدایش کاهش می‌یابد. آنالیز حساسیت نشان داد که غلظت اسید (9/38%) و دبی جریان (5/41%) به‌ترتیب بیشترین تأثیر را بر شاخص جدایش و افت فشار دارند. مدل‌های شبکه‌ عصبی مصنوعی و سیستم استنتاج تطبیقی عصبی-فازی دقت بالایی در پیش‌بینی شاخص جدایش (خطای نسبی 664/1% و 623/1%) و افت فشار (64/0% و 48/0%) داشتند، در حالی که الگوریتم ژنتیک دقت کمتری (43/12% و 28/4%) نشان داد. همبستگی‌های تجربی مبتنی بر الگوریتم ژنتیک روابط غیرخطی را ثبت کردند اما دقت کمتری نسبت به مدل‌های عصبی داشتند. شبیه سازی دینامیک سیالات محاسباتی نشان داد که جریان‌های ثانویه در خم‌ها اختلاط شعاعی را تقویت کرده و افت فشار در هندسه‌های پیچیده‌تر بیشتر است، که با داده‌های آزمایشگاهی همخوانی دارد. بهینه‌سازی چند هدفه با الگوریتم ژنتیک جبهه پارتو را ارائه داد که نشان‌دهنده بهبود 60% در اختلاط (شاخص جدایش از4-10×65/1 به 4-10×675/0) با افزایش دو برابری افت فشار (9/27 تا 9/53 میلی‌بار) بود. نسبت عملکرد در تمامی هندسه‌ها بیشتر از یک بود، که این امر بیانگر برتری راکتورهای MCFI نسبت به میکرو لوله‌های مارپیچ مستقیم در بهبود کارایی کلی سیستم است.
پژوهشگران	رضا بیگزاده (استاد راهنما)، مسعود رحیمی (استاد راهنما)، مهتاب ایزدی (دانشجو)، عمار عبدالعزیز الصیرفی (استاد مشاور)