مدل سازي كوره دوار فرآيند آگلومراسيون با استفاده از شبكه عصبي

Modelling the Rotary Kiln of Agglomeration Process using Artificial Neural Network

محصولات آهك، يك ماده كليدي و لازم براي بسياري از فرآيندهاي ضروري و مهم از جمله تصفيه آب آشاميدني، ساخت قند، تصفيه گازهاي آلاينده صنعتي، ساختمان سازي، توليد آهن و فولاد و تصفيه زمين هاي آلوده مي باشد. مصرف اصلي آهك در صنايع فولاد از جمله كوره بلند در بخش فولاد سازي است. هدف از اين پژوهش مدل سازي كوره دوار فرآيند آگلومراسيون در نظر گرفته شده است. به منظور مدل سازي فرآيند از روش شبكه عصبي كه زير مجموعه از روش جعبه سياه است استفاده شده است. مدل سازي فرآيند براساس اطلاعات جمع آوري شده از مجموعه انجام شده است. ساختار كلي مدل نهايي به صورت، يك لايه ورودي با 24 نرون، دو لايه پنهان به ترتيب با 10 و 3 نرون در هر لايه و يك لايه خروجي با 1 نرون بدست آمد. نتايج بدست آمده از مقايسه داده هاي تجربي و پيش بيني شده نشان مي دهد كه مقادير پيش بيني شده تطبيق خوبي با داده هاي تجربي دارد.

Products of lime, is a key and necessary material for many important processes such as drinking water treatment, production of sugar cubes, treatment of industrial pollutant gases, construction, manufacturing iron and steel, and treatment of polluted lands. The main use of lime is in steel industries including the blast furnace in steelmaking. The aim of this research is modelling the rotary kiln of agglomeration process. In order to model this process, the artificial neural network method that is under the black-box testing method, was used. The modelling process has been conducted based on the collected data from the set. The overall structure of the final model was obtained as one input layer with 24 neurons, two hidden layers with 10 and 3 neurons in each layer, respectively, and one output layer with one neuron. The findings from comparing experimental and predicted data revealed that the predicted values greatly matched the experimental data.