پایان‌نامه

پیش بینی خواص انتقالی مایعات

چکیده

خواص انتقالی، کمیتهای بسیار مهمی در بسیاری از زمینه های علوم مهندسی می باشند. دراین میان شاید بتوان گفت محاسبات مهندسی شیمی بیشترین ارتباط راباتعیین خواص انتقالی سیالی دارند. اما روشهای موجود برای محاسبه خواص انتقالی سیالات به غیر از گازهای تحت فشار کم تامتوسط، در مقایسه با دیگر خواص ترموفیزیکی ناتوان تر می نمایند و این مشکل در مورد مایعات ، بزرگتر می باشد. مسیری که در زمینه یافتن خواص انتقالی مایعات برای منظورهای مهندسی طی گردیده، استفاده از روابط تجربی یا نیمه تجربی بوده است . این روابط معمولا دارای یک دیدگاه درباره ماهیت فرآیند که در مورد آن ارائه می شوند، می باشند . و بعضا اساس و ریشه آنها معادلاتی تئوریک است که برای حالتی خاص صدق می کنند و با شاخ و برگ دادن به آنها و معرفی پارامترهای تجربی به روابطی که در عمل قابل استفاده باشند می رسند. دراین پروژه نیز یک ایده اولیه درباره ارتباط خواص انتقالی با دانسیته به نحوی که در معادله hildebrand مطرح گردیده است : با ارتباطی که بین دانسیته و ضریب شکست برقرار است تلفیق شده و با فرضیاتی برای عملی تر شدن محاسبات ، به رابطه ای عمومی با ثابتهای قابل تعیین از داده های تجربی می رسیم این رابطه برای هر سه خاصیت ویسکوزیته، ضریب نفوذ و ضریب هدایت حرارتی دارای تقریبا یک شکل است . بررسیهای به عمل آمده توانایی کافی آنرا در پوشاندن این خواص برای مایعات اشباع در فشارهای نزدیک متعارفی و بعضا حتی تانزدیک نقطه بحرانی، نشان داده اند.

اساتید راهنما و مشاور

محمدرضا ریاضی

پایان‌نامه‌های مشابه

اسناد مشابه

  • پیش بینی کشش سطحی مایعات یونی بر پایه ایمیدازولیوم با بکارگیری شبکه عصبی مصنوعی

    امروزه با پیشرفت تکنولوژی برای حل مسائلی که روابط دقیق ریاضی بین ورودی و خروجی برقرار نمی باشد از شبکه های عصبی مصنوعی استفاده می شود. در این پژوهش برای پیش‎بینی کشش سطحی مایعات یونی بر پایه ایمیدازولیوم دو شبکه عصبی پرسپترون چند لایه شامل شبکه عصبی مصنوعی پیشرو (FFANN) و شبکه عص

  • پیش بینی خواص فیزیکی پسته با استفاده از شبکه های عصبی مصنوعی در طی فرآوری

    مقالهنوآوری در علوم و فناوری غذایی

    شناخت خواص فیزیکی مغز پسته در فرآیندهای انتقال، خشک کردن، فرآوری، جداسازی، درجه بندی و ذخیره این محصول ارزشمند نقش اساسی ایفاء می کند. در این مطالعه، خواص فیزیکی پسته توسط مدل های مختلف شبکه ی عصبی شبیه سازی گردید. مدل های مختلف شبکه ی عصبی همراه با تابع های آستانه ی مختلف در پیش

  • پیش بینی خواص مکانیکی نانوکامپوزیت های پلی اتیلن سبک - نشاسته گرمانرم با استفاده از سامانه استنتاج فازی- عصبی تطبیقی

    مقاله۲۰۱۲مجله علوم و تکنولوژی پلیمرمریم ثابت زاده، روح اله باقری، مریم شهریاری کاهکشی

    رفتار مکانیکی نانوکامپوزیت های پلی اتیلن سبک نشاسته گرمانرم با استفاده از سامانه استنتاج فازی عصبی تطبیقی بررسی شده است. بدین منظور، کامپوزیت های پلی اتیلن سبک نشاسته گرمانرم حاوی مقادیر مختلف )صفر تا 3 درصد وزنی( نانوخاک رس ) cloisite 15a ( با استفاده از فرایند اکستروژن تهیه شد.

  • پیش بینی خواص ترمودینامیکی محلول های قندی توسط یک مدل ترمودینامیکی توسعه یافته

    مقالهعلوم غذایی و تغذیهمژده باغبانباشی، دانش آموخته کارشناسی ارشد دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)،دانشکده مهندسی شیمی، تهران، ایران غلامرضا پازوکی، استادیار دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، دانشکده مهندسی شیمی، تهران، ایران

    مقدمه: خواص ترمودینامیکی محلول های آبی حاوی ترکیبات قندی در صنایع مختلفی همچون تهیه مواد غذایی، صنایع نگه داری مواد غذایی و غیره کاربردهای مهمی دارد. به همین دلیل ارائه روشی مناسب برای پیش بینی و محاسبه این خواص از اهمیت بالایی برخوردار می باشد. مواد و روش ها: در این پژوهش خواص ت

  • مدل تحلیلی مبتنی بر میکرومکانیک برای پیش بینی خواص الاستیک کامپوزیت های با الیاف بافته شده

    مقالهمهندسی مکانیک مدرسمحمود مهرداد شکریه، استاد دانشگاه علم و صنعت ایران دانشکده مهندسی مکانیک، روح الله قاسمی، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران رضا مسلمانی، دانشکده مهندسی مکانیک، دانشگاه شهید چمران اهواز

    استفاده از الیاف بافته شده در ساخت مواد کامپوزیتی، به علت رفتار مکانیکی خاص آن ها گسترش یافته است. با توجه به پیچیدگی مدلسازی و شبیه سازی رفتار مکانیکی این نوع کامپوزیت ها، در این تحقیق یک مدل تحلیلی مبتنی بر میکرومکانیک برای تعیین خواص الاستیک کامپوزیت های با الیاف بافته شده، تو

  • یک مدل ریاضی برای پیش بینی خواص تخته خرده چوب با کاربرد gmdh (نوعی شبکه عصبی مصنوعی و الگوریتم ژنتیک)

    مقاله۲۰۱۴فصلنامه تحقیقات علوم چوب وکاغذ ایرانزهرا جهانی لمر، سعید رضا فرخ پیام، محمد شمسیان

    چکیده در این مطالعه از شبکه عصبی gmdh براساس الگوریتم ژنتیک برای پیش بینی خواص فیزیکی و مکانیکی تخته خرده چوب در مقیاس آزمایشگاهی استفاده شد. به منظور تعیین خواص فیزیکی و مکانیکی به وسیله شبکه عصبی gmdh، از مشخصات دمای پرس در 4 سطح 170،160،150 و 180 درجه سانتی گراد، زمان بسته شدن