İdeal olmayan karıştırmalı akışlı reaktörlerin modellenmesi

Abstract

İdeal Olmayan Karıştırmalı Akışlı Reaktörlerin Modellenmesi İdeal olmayan karıştırmalı akışlı reaktörlerin modellenmesinde iki farklı yöntem kullanılmıştır. Bu yöntemler reaktörde kalma süresi dağılımım (RKSD) kullanan seri bağlı tanklar ve yapay sinir ağlan yöntemleridir. Denemelerde, reaktörde kalma süresi dağılımım belirlemek için anlık girdi yöntemi kullanılmıştır. Bu yöntemde bir inert madde mümkün olduğunca kısa bir zaman aralığında reaktöre enjekte edilerek, çıkış konsantrasyonu takip edilmiştir. Denemelerde izbırakıcı olarak tuzlu su çözeltisi kullanılmıştır. Elde edilen reaktörde kalma süresi dağılımı verileri normalize edildikten sonra sistemin farklı debi ve karıştırma hızlarında, seri bağlı tanklar ve yapay sinir ağları yöntemleri ile eşdeğer seri bağlı tank sayısı bulunmuştur. Bu iki modelin verdiği neticeler karşılaştırılmıştır.

Modeling Of Non-Ideal Continous Stirred Tank Reactors In this study, two different methods are used to model the non-ideal behavior of continuos stirred tank reactors; namely, the tank-in-series and back propagation neural networks models, both using residence time distribution. The residence time distribution is experimentally determined by pulse input response analysis technique. An inert material, called tracer, is injected into the reactor at a very short time, representing pulse input and the tracer concentration at the exit is followed by measuring the exit flow conductivity as a function of time. In the experiments, the dilute salt solution is used as tracer. The raw residence time distribution data is normalized between 0 and 1. The number of tanks is determined by both tanks in series and neural network methods is made and discussed.