فهرست نشریات علمی دسترسی آزاد ایران

هدف: کشورهای مختلف به دانه جوجوبا به عنوان یک منبع جدید انرژی علاقه‌مند هستند زیرا می‌تواند در شرایط سخت مانند آب و هوای شدید، آب شور، بیابان‌ها و دمای بالا به خوبی رشد کند. بیودیزل سوختی است که می‌تواند در موتورهای خودروها، اجاق گاز و سیستم‌های گرمایش روغنی خانگی استفاده شود و قابل بازیافت، زیست تخریب‌پذیر و ایمن است. یک جایگزین سوخت پاک کننده برای سوخت دیزل که از نفت بدست می‌آید است و از چربی‌های حیوانی، گریس پخت و پز بازیافت شده یا روغن‌های گیاهی تولید می‌شود. بیودیزل (BD) در این مطالعه با استفاده از روغن جوجوبا تحت فشار ساخته شده است. پاراللیسم عظیم ذاتی شبکه‌های عصبی (NN) آن‌ها را به یک ابزار بهینه‌سازی امیدوارکننده تبدیل می‌کند. تولید بیودیزل تجاری که هم کارآمد و هم سازگار با محیط زیست باشد، نیازمند مدل‌سازی و بهینه‌سازی فرآیند مبتنی بر هوش مصنوعی است. مواد و روش‌ها: پیش‌بینی پارامترهای فرآیند ایده‌آل برای سنتز بیودیزل از روغن جوجوبا با استفاده از الگوریتم ژنتیک شبکه عصبی مصنوعی (ANN-GA) انجام شد. با کمک شبکه عصبی مصنوعی یکپارچه - الگوریتم ژنتیک (IANN-GA)، این مطالعه با هدف بهبود فرآیند ترانس استریفیکاسیون برای تبدیل متانول فوق بحرانی (HCM) به BD انجام شد. محدوده دما برای بهینه سازی IANN-GAبرابر 355-240 درجه سانتیگراد بود و محدوده زمانی روی 7-21 دقیقه تنظیم شد.نتایج: طراحی ترکیبی اولیه (PCD) برای مدل‌سازی ANN برای ایجاد مطالعات اولیه استفاده شد. بهترین ساختار ANN با تعداد مناسب نورون‌های پنهان با استفاده از ارزیابی اکتشافی مقادیر ضریب تعیین (R) پیدا شد. مقادیر R به دست آمده برای آموزش و آزمایش دقت بالای چارچوب ANN را نشان می‌دهد.نتیجه‌گیری: متغیرهای فرآیند برای ترانس استریفیکاسیون HCM با استفاده از GA با ANN به عنوان ضریب تناسب بهینه شدند. به طور کلی، یافته‌ها نشان داد که ANN-GA نسبت به مدلی که قبلا ارائه شده بود برتر است و این یک رویکرد مدل‌سازی و بهینه‌سازی قابل اعتماد برای ساخت بیودیزل از روغن جوجوبا است که هم عملی و هم پایدار است.