Reza Beigzadeh

Fire safety is still a critical concern in the design and construction of steel structures due to the vulnerability of steel to fire and temperature rise. Understanding the post-fire mechanical behavior of steel is pivotal for assessing structural integrity and figuring out suitability for reuse. However, conducting comprehensive experimental tests to find these properties is challenging, resource-intensive, and time-consuming. Consequently, researchers try to extrapolate these characteristics from existing experimental data. Given the remarkable ability of artificial intelligence (AI) to discern intricate patterns and make correct predictions, its application has gained traction across various domains. In this study, we used AI techniques to predict the mechanical properties of high-strength bolts using available laboratory datasets. Specifically, we focus on three categories of high-strength bolts: 8.8, 10.9, and 12.9. Correlation analyses between predicted values and experimental data explained the neural networks' efficacy in accurately forecasting mechanical characteristics. To validate the prediction accuracy against conventional methods, we compared the neural network predictions with values extrapolated from existing literature for 8.8 and 10.9 category bolts. Our findings showed a significant reduction, at least 50%, in average prediction errors for mechanical characteristics post-fire, highlighting the superior performance of neural networks in this context. This research underscores the potential of AI in enhancing predictive capabilities for assessing structural elements under fire conditions, offering valuable insights for engineers and stakeholders in ensuring robust fire safety protocols for steel structures.

In this CFD modeling research, the mixing process in a continuous stirred tank reactor has been investigated in order to investigate various operational parameters such as the type and angle of the stirring blades, the influence of the stirring speed. In Ansys software, after drawing all 4 types of vanes, they were meshed, and after checking the independence of the mesh and obtaining the optimal mesh and validating it, the process was simulated. In the next step, the mixing rate of the four blades is compared to the ideal state. In the next step, the amount of mixing of each blade is checked at a constant speed of 0.028 m/s and at 20, 40, and 60 rpm. After that, the amount of mixing of the blades at a constant speed of 20 rpm and the input speeds of V=0.028 m/s and 0.05, 0.04, 0.03 m/s and their differences have been compared with the ideal state. The results showed that the number of mesh 1466737 was chosen as the optimal mesh, and other simulations and calculations were done based on it. The validation of the mesh showed that the simulation results of the present study are close to the ideal state and it can be said that the selected mesh has good validity. The backswept rushton vane has the best mixing rate and the closest behavior to the ideal state, where θ is equal to 3, its mixing factor is equal to 0.083879. After that, there is the backswept impeller blade, which is almost consistent with the backswept rushton curve, and at θ equal to 3, its mixing factor was obtained as 0.084289. The smith turbie vane has shown different behavior in different θ and it is almost consistent with backswept rushton and backswept impeller curves until θ is equal to 2.06, and then it deviates from the ideal state with a slight slope until θ is equal to 3, the mixing factor It was equal to 0.01633, which at this time has the biggest difference with the ideal state. The Rushton impeller blade has the greatest deviation from the ideal state until θ equal to 2.43, and then it moves with an almost constant slope until θ equals 3, its mixing factor is equal to 0.013877. In the initial times of the simulation, the mixing rate of all the blades increases with the increase in the speed of the mixing rate in an equal number of revolutions. It was also observed that with the increase in speed, the slope of mixing changes also became steeper. Also, as the end of the simulation time approaches, except for the speed of 0.05 m/s, the amount of mixing at different speeds shows less difference with the ideal state. It was observed that the backswept Rushton vane shows the least sensitivity to the change of distance compared to the other three vanes. It was found that among all the implementations of the current research, the best mixing rate was obtained for the backswept Rushton blade at a speed equal to 20 rpm and a speed of 0.03 m/s.

Heat exchange in industries is usually done through heat exchangers. Heat exchangers are used in chemical, food, refinery and petrochemical industries, electronic equipment, etc. They are very important equipment in industries. For this reason, predicting and improving thermal performance in engineering facilities has become one of the most important issues and extensive studies have been conducted for this purpose. In this research, the effect of geometric parameters on Nusselt number (convective heat transfer coefficient) and friction coefficient (pressure drop) in heat exchangers equipped with circular baffle plates was investigated using computational fluid dynamics method. The same boundary conditions (fluid inlet temperature 293 K and fixed wall temperature 333 K) were considered in all heat exchangers. The simulation was performed for turbulent flows (water as the working fluid) and the range of Reynolds number was chosen from 30,000 to 70,000. Geometrical and operational parameters investigated in the heat exchangers equipped with circular baffles includes: 1. diameter ratio (DR=d/D=0.584, 0.5, 0.417), 2. distance ratio (SR=s/D=2.381, 3.34, 5.56) 3. the number of holes (n=2,4,6), and 4. the Reynolds number range (Re=30000-70000). It was observed that two parameters of convective heat transfer coefficient (positive factor) and pressure drop (negative factor) increased or decreased simultaneously with the change of geometric dimensions. Finally, using the data obtained from the simulation, the formulas of friction coefficient and Nusselt number were presented with Genetic Algorithm, and with the two-objective optimization, two main factors were created to find the most suitable Nusselt number and minimum friction coefficient.

Mixing is one of the important processes in chemical industries. The process of mixing fluids can be done by mechanical mixers, static mixers, and jet mixers. Each of these mixers will be suitable and effective compared to the others according to the process conditions and physico-chemical characteristics of the fluids under mixing. The process of mixing materials in mixing tanks is of particular importance, which is affected by several factors such as multi-blade design, agitator diameter, and mixing speed. In this research, in order to improve the productivity and quality of the mixing process, the effect of each of these factors is investigated through computational fluid dynamics (CFD) simulation. In this research, first, a model for simulating fluid flow and mixing in tanks is presented. Then, the effect of different number of blades, agitator diameter, and mixing speed on the material distribution in the tank is analyzed. The results show that the optimal design of multiple blades and the appropriate selection of the diameter and speed of the stirrer can significantly improve the process of mixing and uniform distribution of materials. By increasing the number of blades, more turbulence is created, which leads to an increase in the mixing speed. Also, increasing the diameter of the stirrer increases the contact surface area of materials and improves the distribution of materials in the tank. According to the results of this study, it can be emphasized that the optimal selection of multiple blades, agitator diameter, and mixing speed can be used as an effective solution to improve the efficiency and quality of the mixing process in tanks. Finally, the ability to estimate and predict the performance of mixers was investigated by the artificial neural network (ANN) modeling technique. The results showed the proper efficiency of the neural network in predicting the parameters studied in this research.

تبادل حرارتی در صنایع معمولاً توسط مبدل های حرارتی انجام می گیرد و پیش بینی و بهبود عملکرد حرارتی همواره یکی از مهم ترین چالش ها در تأسیسات مهندسی بوده است. در این پژوهش، تأثیر پارامترهای هندسی کانال های سرپنتین (مارپیچ) مجهز به همزن استاتیک بر روی عدد ناسلت (ضریب انتقال حرارت جابجایی) و ضریب اصطکاک)افت فشار) با استفاده از روش شبیه-سازی دینامیک سیالات محاسباتی (CFD) موردبررسی قرارگرفته است. شبیه سازی ها برای جریان های آشفته (آب به عنوان سیال عامل) انجام شده و عدد رینولدز (Re) در محدوده بین 10000 تا 30000 انتخاب شد. پارامتر موردبررسی همزن استاتیک شامل سه قطر (W) 5، 7 و 9 میلی متر و سه فاصله گام (B) 2، 3 و 4 سانتی متر در لوله سرپنتین با قطر یک سانتی متر است. مشاهده شد که دو مشخصه ضریب انتقال حرارت جابجایی و افت فشار به طور هم زمان با تغییر ابعاد هندسی افزایش یا کاهش یافت. همچنین در این مطالعه عملکرد انتقال حرارت و افت فشار سیستم موردبررسی با استفاده از روش های هوش مصنوعی شامل شبکه عصبی (ANN) و الگوریتم ژنتیک (GA) مدل شد. سه پارامتر Re، W/D و B/D به عنوان متغیرهای ورودی مدل شبکه عصبی و Nu و f به عنوان داده های هدف تعیین شدند. پارامترهای شبکه عصبی توسط روش سعی و خطا بهینه شد و دو فرمول برای پیش بینی Nu و f با استفاده از الگوریتم ژنتیک تعیین گردید. میانگین خطای نسبی (MRE) دو مدل شبکه عصبی و الگوریتم ژنتیک به ترتیب برای عدد ناسلت 125/0 و 326/1 درصد و برای ضریب اصطکاک 139/0 و 104/4 درصد به دست آمد که بیانگر دقت بالای مدل ها وبرتری مشهود شبکه عصبی است.

مبدل حرارتی به عنوان عنصر اصلی در طیف گسترده ای از کاربردها مانند تولید نیرو، فرآیند، صنایع شیمیایی و غذایی، الکترونیک، مهندسی محیط زیست، بازیابی گرمای زباله، تهویه مطبوع، تبرید، کاربردهای فضایی و غیره استفاده می شوند. مبدل حرارتی پوسته ولوله پرکاربردترین مبدل حرارتی در صنعت به شمار می رود. بافل ها اجزای مهمی برای کنترل توزیع جریان در سمت پوسته و افزایش انتقال حرارت در مبدل های حرارتی پوسته ولوله هستند. بافل های مارپیچ به عنوان جایگزین مناسب به جای بافل های رایج یعنی بافل های برشی مورداستفاده قرار می گیرند. به دلیل اهمیت این نوع مبدل ها، عملکرد حرارتی-هیدرودینامیکی مبدل حرارتی پوسته ولوله با بافل های مارپیچ با تکنیک دینامیک سیالات محاسباتی مدل سازی و موردبررسی قرارگرفته است. تأثیر دو پارامتر هندسی اصلی شامل فاصله گام بافل ها و زاویه بافل ها و یک پارامتر عملیاتی یعنی دبی جرمی ورودی بر ضریب انتقال حرارت و افت فشار موردبررسی قرار گرفت و همچنین به منظور مقایسه عملکرد این نوع مبدل با مبدل های بافل برشی، 5 مدل از مبدل بافل برشی نیز شبیه سازی شده است. با تغییرات هر پارامتر هندسی و عملیاتی، افزایش یا کاهش ضریب انتقال حرارت و افت فشار در یک جهت بوده و از طرف دیگر این دو پارامتر ازنظر مطلوب بودن در تضاد باهم هستند. بنابراین از بهینه سازی چندهدفه با استفاده از تکنیک الگوریتم ژنتیک استفاده شد. با استفاده از داده های خروجی از شبیه سازی و به کارگیری تکنیک الگوریتم ژنتیک فرمول های پیش بینی ضریب انتقال حرارت و افت فشار حاصل شد و میانگین خطای نسبی و میانگین مربعات خطا برای پیش بینی افت فشار نسبت به افت فشار هدف به ترتیب 61/13 درصد و 11/17و برای ضریب انتقال حرارت نیز به ترتیب 15/11 درصد و 23/273 بدست آمد. سپس بهینه سازی دو هدفه توسط تکنیک الگوریتم ژنتیک برای بدست آوردن بیشترین ضریب انتقال حرارت و کمترین افت فشار به عنوان دو تابع هدف اصلی انجام شد. در آخر می توان به کمک منحنی های پارتو بیشترین ضریب انتقال حرارت در کمترین افت فشار و مناسب ترین پارامترهای هندسی و عملیاتی مدنظر طراح را بدست آورد.

یکی از تجهیزاتی که نقش زیادی در کاهش مصرف انرژی ایفا می کنند مبدل های حرارتی هستند. ازاین رو، بهینه سازی و طراحی بهینه آن ها بسیار حائز اهمیت است. یکی از انواع مبدل ها، مبدل حرارتی مارپیچی است که باتوجه به مزایای آن نسبت به انواع دیگر مبدل ها امروزه بسیار استفاده می شود. در مکان هایی که کمبود فضا وجود دارد استفاده از مبدل های حرارتی مارپیچ کاربرد زیادی دارد؛ بنابراین مطالعه این نوع مبدل می تواند یکی از موضوعات جدید و پراهمیت باشد. در این تحقیق لوله های مارپیچی اسپیرال با سطح مقطع های دایره ای ، بیضوی و مربعی و با زاویه مخروطی 10، 30 و 50 درجه و طول گام های 15، 30 و 45 میلی متر برای بررسی عملکرد حرارتی و هیدرودینامیکی توسط تکنیک دینامیک سیالات محاسباتی مدل سازی گردید. نتایج نشان داد که در بین هندسه های مختلف، مقطع بیضوی عملکرد انتقال حرارت بهتری نسبت به سایر هندسه ها دارد. همچنین به واسطه تغییر ضخامت لایه مرزی مقدار عدد ناسلت و ضریب اصطکاک برای هندسه با مقطع مربعی دارای مقادیر کمتری است. درنهایت به منظور پیش بینی مقدار عدد ناسلت و ضریب اصطکاک از تکنیک منطق فازی که از زیرمجموعه های هوش مصنوعی محسوب می شود، استفاده گردید. نتایج مقدار درصد خطای نسبی مربوط به سطح مقطع دایره ای، بیضوی و مربع برای عدد ناسلت به ترتیب 68/0، 0٫42 و 0٫64 به دست آمد. همچنین خطای مدل های آموزش دیده برای تخمین ضریب اصطکاک برای سه مقطع دایره ای، بیضوی و مربع به ترتیب 78/2، 3٫21 و 06/1 می باشد. این نتایج بیانگر دقت بالای پیش بینی منطق فازی برای سیستم مورد بررسی است.

پلی اتیلن سبک پلیمری از خانواده پلی اتیلن هاست که در فشارها و دماهای بالا با استفاده از واکنش رادیکالی تولید می شوند. پدیده رسوب گرفتگی در راکتور لوله ای پلیمریزاسیون پلی اتیلن سبک به دلیل تشکیل دو فاز در داخل راکتور می باشد. رسوب گذاری ناشی از جداسازی فاز ترمودینامیکی پلیمر و اتیلن است که این جداسازی فاز در منطقه دیواره (دیواره نزدیک به سیال خنک کننده) راکتور لوله ای رخ می دهد، سپس فاز غنی از پلیمر به دیواره داخلی راکتور چسبیده و باعث کاهش انتقال حرارت می شود که این موضوع موجب کاهش تولید و در موارد بحرانی باعث تجزیه خطرناک اتیلن می شود. هدف این پایان نامه ارائه ی یک مدل برای تشکیل رسوب و تأثیرات دما و فشار بر روی آن و درنهایت بررسی تأثیر رسوب در میزان انتقال حرارت می باشد. مدل ریاضی حل شده بر اساس معادلات انتقال حرارت شکل گرفته و برای محاسبه داده های تعادل فازی با توجه به فشار و دما از معادلات حالت SRK استفاده شده است و در انتها با بهره گیری از دینامیک سیالات محاسباتی (نرم افزار فلوئنت ) داده های به دست آمده حل و شبیه سازی شد. نتایج به دست آمده به خوبی نشان داد که با افزایش ضخامت رسوب از میزان انتقال حرارت کاسته می شود. همچنین با تغییر در پارامترهایی همچون دمای سیال خنک کننده و دما و فشار ترکیب پلیمر ورودی می توان تأثیرپذیری میزان رسوب تشکیل شده و انتقال حرارت را مشاهده کرد. مشخص شد که پارامتر دمای ورودی جریان خنک کننده تأثیر به مراتب بالاتر از موارد دیگر دارد. مدل انجام شده در شرایط عملیاتی برای پلی اتیلن سبک با درجه 2420H تحت لیسانس شرکت بازل انجام شده است.

در طراحی فرآیندهای جداسازی آگاهی از منحنی های تعادل فاز و محاسبه بسیاری از ترکیبات موجود در سیستم از اهمیت خاصی برخوردار است. این موضوع ضرورت علم ترمودینامیک را نشان داده و برای دستیابی به خواص ترمودینامیکی اولین راه در دسترس بودن اطلاعات آزمایشگاهی است. اما به دلیل هزینه بالا و زمان بر بودن اجرای آن ها پژوهشگران را به سمت روش های تئوری سوق داده است. به علت اهمیت داده های تعادلی مایع-مایع برای سیستمهای چند جزئی، در طراحی فرایندهای شیمیایی و عملیات جداسازی در حال حاضر معادلات حالت بهترین روش برای طراحی فرایند ها محسوب می شود. اما معادلات حالت نیز توانایی پیش بینی خواص ترمودینامیکی در زمینه های مختلف را ندارد. بنابراین شرط وجود همزمان دو یا چند فاز این است که دما و نوع ترکیب همه فازهای موجود برابر بوده و آن ها را در هر دمایی که داده های تعادلی مایع-مایع نیاز است محاسبه نمود. یکی از روش های که امروزه مورد توجه بسیاری از محققین قرار گرفته است استفاده از شبکه های عصبی مصنوعی در طراحی فرآیندهای جداسازی می باشد. زیرا شبکه های عصبی کاربرد گسترده ای را برای تخمین خواص مواد و سیستم های تعادلی از نظر کمی و کیفی پیدا کرده اند و در حال رشد و پیشرفت می باشند. لذا، در این پایان نامه از داده های تعادلی مایع-مایع با مدل های ترمودینامیکی جهت کاهش خطای نسبی مدل استفاده، و ترکیبات تعادلی مایع-مایع سیستم های چندجزئی توسط شبکه عصبی پیشخور دردماهای مختلف پیش بینی شده است. در روش پیشنهادی، از شبکه عصبی پیشخور مورد استفاده در شرایط تعداد لایه، نورون و توابع انتقال مختلف مورد بررسی قرار گرفته است تا بهترین وضعیت از ساختار شبکه عصبی بدست آید. همچنین، به منظور بررسی و صحت سنجی روش پیشنهادی، نتایج حاصل از مدل ترمودینامیکی روش پیشنهادی با داده های آزمایشگاهی موجود در مراجع مورد مقایسه و ارزیابی قرار گرفته شده است. نتیجه این مقایسه نشان داد که روش پیشنهادی مورد استفاده نسبت به مدل هایی به کار رفته پیشین دقت بالاتری را به خود اختصاص داده است بطوریکه در مدل سازی نتایج آزمایشگاهی به دقتی معادل با 3/99 % دست یافته که این دقت در مدل UNIQUAC معادل با 1/98 درصد بوده است.

انتقال حرارت در داخل لوله های مبدلهای حرارتی از نوع پوسته-لوله که در آنها ضمائمی همچون نوارهای تابیده به کار برده شده است، جذابیت زیادی در سالهای اخیر یافته است. در این تحقیق برای تحلیل دو پارامتر انتقال حرارت نظیر نرخ انتقال حرارت جابه جایی به انتقال حرارت هدایتی یا همان عدد ناسلت (Nu) و ضریب اصطکاک(f) مدلسازی بر روی چهار سیستم مختلف انجام شده است.برای این کار روش شبکه عصبی پیشنهاد داده شد. با بکار بردن مقالات مختلف و استفاده از داده های آزمایشگاهی و مدل سازی توسط شبکه عصبی با مقدار خطای پایین پارامتر های مورد نظر پیش بینی شد. در از بعضی از مقالات هم در مقایسه با رابطه تجربی برتری شبکه عصبی نشان داده شد و شبکه عصبی به عنوان روش محاسباتی پیش بینی کننده به خوبی توانست داده های آزمایشگاهی را پوشش دهد، که در آن ماکزیمم خطای شبکه عصبی نسبت به داده تجربی 324912/2 درصد ولی خطای رابطه تجربی نسبت به داده تجربی 55124/22 درصد مشاهده شد که به پایین بودن خطا و دقت بالای شبکه عصبی اشاره دارد.

مبدل های حرارتی از تجهیزات بسیار مهم در صنایع مختلف از قبیل صنایع غذایی، شیمیایی، پالایشی و پتروشیمی، تجهیزات الکترونیکی و نظامی می باشند. به همین دلیل تلاش برای بهبود عملکرد حرارتی-هیدرولیکی مبدل های حرارتی بسیار حائز می باشد و مطالعات گسترده ای برای این هدف انجام شده است. در مطالعه حاضر، تأثیر پارامترهای هندسی کانال های زیگزاگ، مستطیلی و مارپیچ بر روی عدد ناسلت (ضریب انتقال حرارت جابجایی) و ضریب اصطکاک ( افت فشار) با استفاده از روش شبیه سازی دینامیک سیالات محاسباتی بررسی شد. در همه کانال ها شرایط مرزی (دمای سیال ورودی 298 کلوین) و (دمای دیواره ثابت و برابر با 353 کلوین) یکسان در نظر گرفته شدند. شبیه سازی برای جریان های کاملاً آشفته انجام گرفت و رینولدز بین 20000 تا 60000 انتخاب شد و سیال کار، آب مایع در نظر گرفته شد. کانال زیگزاگ بهترین عملکرد حرارتی و کانال مارپیچ بهترین عملکرد هیدرولیکی را از خود نشان دادند. تمامی کانال ها عملکرد حرارتی بهتر و عملکرد هیدرولیکی ضعیف تری نسبت به کانال مستقیم داشتند. با افزایش پیچیدگی سطوح کانال ها، دو پارامتر ضریب انتقال حرارت جابجایی ( عامل مثبت) و افت فشار (عامل منفی) به طور هم زمان افزایش یافتند. به همین دلیل یافتن نقاط بهینه در بازه های مختلف عدد رینولدز در هندسه های مختلف با اهمیت می باشد. طبق نتایج، تأثیر تغییر هندسه ی کانال و عدد رینولدز بر روی افت فشار بیشتر از ضریب انتقال حرارت جابجایی بود. در نهایت با استفاده از داده های حاصل از شبیه سازی، به کمک الگوریتم ژنتیک فرمول های پیش بینی کننده برای ضریب اصطکاک و عدد ناسلت ارائه شد و سپس بهینه سازی دو هدفه برای یافتن مناسب ترین عدد ناسلت و ضریب اصطکاک مینیمم به عنوان دو تابع اصلی هدف انجام شد. مجموعه پارتو حاصل که دربرگیرنده ابعاد هندسی بهینه مبدل های حرارتی مورد بررسی می باشد، امکان انتخاب هندسه مورد نظر طراح بر مبنای انتقال حرارت بیشتر یا توان پمپاژ کمتر را فراهم می کند.

همزن های استاتیکی تجهیزاتی برای انجام عمل اختلاط بین سیال های مختلف در بسیاری از صنایع می باشند، زیرا اختلاط یکی از مهم ترین عملیات واحد در بسیاری از این فرایندها است که نقش زیادی در کیفیت محصول نهایی دارد. در این پژوهش از دو روش دینامیک سیالاتی محاسباتی و شبکه عصبی مصنوعی برای یافتن مطلوب ترین طراحی استفاده شده است. ابتدا با استفاده از CFD هندسه های موردنظر طراحی شدند و پارامترهای رینولدز، افت فشار و ضریب اصطکاک برای تمامی حالت ها بررسی گردید. در این پایان نامه سه همزن نوارپیچیده کلاسیک ، نوارپیچیده حفره دار و نوارپیچیده V-Cut برای رینولدزهای 3000 تا 19000 بررسی شدند. مشخص شد افزایش نسبت پیچش (کاهش تعداد عناصر اختلاط) در همزن نوارپیچیده کلاسیک باعث کاهش افت فشار و ضریب اصطکاک می شود و ایجاد حفره و برش V-Cut به ترتیب باعث کاهش و افزایش افت فشار نسبت به حالت کلاسیک شد. همچنین همزن حفره دار به علت افت فشار کم تر و ایجاد جریان های چرخشی و شعاعی و ترکیبی از هر دو دارای اختلاط بهتر می باشد و نسبت به دو همزن دیگر کارآمدتر است. روش دیگر مدلسازی مورداستفاده در این تحقیق هوش مصنوعی می باشد. در این مطالعه از شبکه عصبی مصنوعی (ANN) برای پیش بینی ضریب اصطکاک در همزن های استاتیکی استفاده شد. عدد رینولدز و پارامترهای هندسی همزن به عنوان متغیرهای ورودی شبکه عصبی برای برآورد ضریب اصطکاک استفاده شدند و کارایی مدل ها در تخمین ضریب اصطکاک مورد تجزیه وتحلیل قرار گرفت که نتایج بیانگر خطای نسبی کمتر از 1٪ است. خطای نسبی برای کلیه داده ها در حالت کلاسیک، V-Cut و حفره دار به ترتیب %75/0، %57/0 و %52/0 بود و برای داده های ارزیابی برای سه همزن کلاسیک، V-Cut و حفره دار به ترتیب %1/1، %92/0 و %62/0 بود که نشان می-دهد این مدل ها توانایی بالایی در تخمین ضریب اصطکاک دارند.

در این پژوهش روش بیواسید لیچینگ بر پایه استفاده از عصاره لیمو جهت استخراج فلزات مس و روی از صفحات مدارچاپی تلفن همراه بهکار گرفته شد. سه فاکتور چگالی پسماند، غلظت هیدروژن پراکسید و عصاره لیمو با استفاده از روش سطح پاسخ بهینه سازی شدند. نتایج نشان داد که برای ذراتی با اندازه 150 تا 180μm در دمای ثابت °C 20 و زمان h 4 در شرایط بهینه شامل چگالی پسماند ) w/v %) 4 / 1 غلظت هیدروژن ) v/v %) 2 / 12 و غلظت عصاره لیمو ) v/v %) 74 ، راندمان بازیابی فلزات مس و روی به ترتیب 89 % و 73 % است. مطابق نتایج، افزایش غلظت هیدروژن پراکسید و غلظت عصاره لیمو و همچنین کاهش چگالی پسماند تاثیر مثبت روی راندمان استخراج مس و روی دارند. به منظور بررسی تاثیر زمان بر استخراج فلزات، از مدل هسته کوچک شونده استفاده شد. بعد از 5 ساعت به حداکثر استخراج 90 % مس و 76 % روی رسید. مرحله نفوذ در ساختار جامد با بیشترین ضریب همبستگی به عنوان مرحله کنترل کننده سرعت انتخاب شد.

باتری های فرسوده لیتیوم-یونی به علت وجود فلزات سمی مانند لیتیوم، نیکل و کبالت از لحاظ زیست محیطی خطرناک هستند. جهت انحلال این فلزات، از عصاره ی لیمو که خود محصولی بیولوژیک است و متشکل از اسیدهای آلی مختلفی همچون اسید سیتریک، آسکوربیک اسید و مالیک اسید می باشد به عنوان یک عامل نوین بیولیچینگ مورد استفاده قرار گرفت. برای بازیابی بیشتر فلزات و بالا بردن سینتیک واکنش از امواج فراصوت به عنوان عامل کمکی استفاده شد. از روش سطح پاسخ برای بهینه سازی فاکتورهای نسبت جامد به مایع ، هیدروژن پراکسید و عصاره ی لیمو استفاده شد. نقطه ی بهینه تحت شرایط (w/v)% 98/0 نسبت جامد به مایع، (v/v)% 07/8 هیدروژن پراکسید و (v/v)% 84/57 عصاره ی لیمو تعیین شد که میزان بازیابی هر سه فلز لیتیوم، کبالت و نیکل در این شرایط %100 به دست آمد. برای بررسی سینتیک فرآیند از مدل هسته کوچک شونده استفاده شد و مرحله ی انجام واکنش شیمیایی بر روی سطح به عنوان مرحله ی کنترل کننده سرعت تعیین شد. سرعت درجه واکنش برای هر سه فلز مورد مطالعه از نوع درجه اول تعیین شد. همچنین مطالعات ترمودینامیکی این فرآیند مورد بررسی قرار گرفت و میزان آنتالپی برای لیتیوم و کبالت به ترتیب kJ.mol-1 6/52 و kJ.mol-1 8/61 به دست آمد که نشان می دهد فرآیند گرماگیر است. مقادیر انرژی آزاد گیبس در تمامی دماهای مورد مطالعه دارای مقادیری با علامت منفی بودند که نشان می دهد فرآیند خود به خودی است. برای جداسازی و خالص سازی فلزات انحلال یافته در محلول، از روش ترسیب استفاده شد که با این روش %96 از کبالت انحلال یافته به صورت کبالت کربنات (CoCO3)، %98 از منگنز به صورت منگنز کربنات (MnCO3) و %96 از نیکل به صورت نیکل کربنات (NiCO3) رسوب کردند و در نهایت محلولی با %80 خلوص از فلز لیتیوم نسبت به حالت قبل از عملیات ترسیب به دست آمد.

عملکرد اختلاط میکرو یک شاخص کارایی قابل توجه در اکثر راکتورهای شیمیایی است. بازده و عملکرد بسیاری از فرایندهای صنعتی به نحوه اختلاط مواد بستگی دارد. ازنقطه نظر مهندسی، اختلاط پدیده ای است که در بسیاری از فرآیندها نقش داشته و کیفیت نهایی محصولات را تحت تأثیر قرار می دهد. توسعه و ساخت تجهیزاتی که بتواند اختلاط میکروی کارآمدی را به وجود آورد، توجه بسیاری از محققین را به خود جلب کرده است. در سیستم های مختلف میکروسیال مانند میکروراکتورها، میکروکولرها، میکرو مبدل های حرارتی و میکرو زیست تراشه ها، از میکروکانال های منحنی شکل برای تغییر جهت حرکت سیال، افزایش طول مسیر جریان و افزایش بازده اختلاط در یک فضای فشرده استفاده می شود. در این پایان نامه، تأثیر هندسه میکروکانال های مارپیچی بر کیفیت و بازدهی اختلاط در مقیاس میکرو موردمطالعه قرارگرفته است. برای این منظور از میکروکانال های مارپیچی (12 هندسه) با نسبت انحنا و طول گام متفاوت استفاده شده است. میکروکانال های مارپیچی دارای سطح مقطع استوانه ای و به قطر 780 میکرومتر و طول 40 سانتیمتر هستند. آزمایشات در رژیم جریان آرام انجام شد و عملکرد اختلاط با استفاده از واکنش رقابتی - موازی Villermaux / Dushman مورد بررسی قرار گرفته است. نتایج نشان می دهد که هندسه میکروکانال تأثیر قابل توجهی بر ضریب اصطکاک و شاخص جدایش دارد. نسبت عملکرد با استفاده از افت فشار برای ارزیابی اختلاط و مشخصه های جریان تعریف شد. مقادیر نسبت عملکرد برای همه هندسه ها بزرگ تر از یک است و مقدار آن در نسبت های انحنای بزرگ تر، بیشتر است و با کاهش طول گام مقدار آن کاهش می یابد. بنابراین نسبت عملکرد به دست آمده برای هندسه های با نسبت انحنا بیشتر و طول گام کمتر %98 بیشتر از میکرولوله های مارپیچی با نسبت انحنا کمتر و طول گام بیشتر است. در همه هندسه ها، با افزایش دبی جریان، شاخص جدایش کاهش می یابد. همچنین در دبی های مختلف، میکروکانال های با نسبت انحنا بزرگ تر و طول گام کوچک تر منجر به بهبود قابل توجهی در عملکرد اختلاط میکرو می شوند. جهت پیش بینی و بهینه سازی یک سیستم، ارائه یک مدل دقیق و مناسب بسیار سودمند است. در این تحقیق، تکنیک های متفاوت هوش مصنوعی مانند شبکه های عصبی مصنوعی و الگوریتم ژنتیک جهت مدلسازی داده های آزمایشگاهی بکار گرفته شد، که نتایج آن تطابق خوبی با داده ها