مطالعه تعادلات فازی با استفاده از کمینه سازی تابع گیبس و معادلات حالت
چکیده
محاسبات تعادلات فازی برای پیشگویی تعادلات فازی و ترکیب در حال تعادل در عملیات و فرایند های مختلف شیمیایی نقش مهمی باز می کند. همان طور که می دانیم تعادلات فازی نیاز به کمیته سازی مطلق انرژی آزاد گبیس دارد و توابع ترمودینامیکی در این گونه مساله ها به شدت غیر خطی است لذا در این پروژه، از الگوریتم ژنتیک برای این هدف استفاده شده است. در این پروژه به تعادلات مایع-مایع، مایع-بخار، مایع-مایع-بخار و مایع-بخار محلول های پلیمری و تخمین پارامترهای پارامترهای برهمکنش پرداخته شده است. برای سیستم تعادلی مایع-مایع از مدلهای اکتویته nrtlو uniquac و برای سیستم تعادلی مایع-بخار و سیستم تعادلی مایع-مایع-بخار از معادلات حالت mmm و robinson معادلات اکتیویته uniquac, nrtl و برای سیستم تعادلی مایع-بخار و سیستم تعادلی مایع-مایع بخار از معادلات حالت mmm وrobinson - و معادلات اکتیویه uniquac wilson ,nrtl و unifac و برای سیستم تعادلی مایع -بخار محلول های پلیمری از معادله حالت mmm و peng-robinson با قانون مخلوط های ونگ –سندلر بر پایه معادله فلوری –هاگینز برای بدست آوردن ترکیب در حال تعادل استفاده شده است. تابع هدف تمام سیستم های تعادلی انرژی گیبس بهبود یافته ای است که با توجه به معادلات ذکر شده کمیته می شود. از آنجا که تابع کمیته سازی در تخمین پارامترهای برهمکنش و سیستم تعادلی به شدت غیر خطی است، لذا از الگوریتم ژنتیک هیبرید شده با الگوریتم نادر-مید برای کمیته سازی تابع هدف استفاده شده است. نتایج نشان می دهد الگوریتم ژنتیک هیبرید شده با نلدر-مید rmsd(ریشه متوسط خطا) بهبود داد. در این کار چندین مثال در سیستم های مختلف مطالعه شد. و نتایج نشان داد که الگوریتم ژنتیک قادر به پیدا کردن کمیته مطلق با دقت بالا در محاسبات تعادلات فازی می باشد.