عنوان پایان‌نامه
بررسی و مدل سازی حلالیت استخراج کننده های فلزات و کمپلکس های آنها در سیال فوق بحرانی به کمک مدل ترمودینامیکی
- رشته تحصیلی
- مهندسی شیمی - طراحی فرآیندهای جداسازی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1226.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 56062
- تاریخ دفاع
- ۲۰ دی ۱۳۹۱
- دانشجو
- رضا بیرنوندی الوار
- استاد راهنما
- سیدمحمدعلی موسویان
- چکیده
- در سال¬های اخیر، استخراج با سیال فوق بحرانی به دلیل مسائل زیست¬محیطی به عنوان روشی مهم در استخراج و جداسازی¬ها مورد توجه قرار گرفته است. میزان حلالیت یکی از پارامترهای مهم برای بدست آوردن استخراج بهینه در مدت زمان کم بوسیله کمترین میزان مصرف سیال فوق بحرانی می باشد. با افزایش فشار، دانسیته سیال افزایش پیدا کرده و باعث می¬شود که میزان حلالیت در CO2 فوق بحرانی افزایش یابد. با افزایش دما، فشار بخار اشباع بطور قابل توجهی افزایش یافته و حلالیت در CO2 فوق بحرانی افزایش می-یابد. از طرفی دیگر افزایش دما باعث کاهش دانسیته سیال فوق بحرانی شده و میزان حلالیت در CO2 فوق بحرانی کاهش می¬یابد، اما به طور کلی می¬توان گفت در فشارهای بالا با افزایش دما حلالیت بیشتر می¬شود. در این پژوهش حلالیت تری فنیل فسفین در دی اکسید کربن فوق بحرانی با به کار بردن معادلات حالت پنگ-رابینسون و ساو-ردلیش-کوانگ با استفاده از نرم¬افزار MATLAB مدل¬سازی شده است، به طوریکه برای معادله حالت پنگ رابینسون مقادیر AARD در دماهای 320 و 333 کلوین به ترتیب برابر 68/52 و 24/31 درصد و برای معادله حالت ساو-ردلیش-کوانگ 09/60 و 52/40 درصد می¬باشد. در ادامه داده¬های حلالیت نوزده مجموعه جزء حل¬شونده مختلف در CO2 فوق بحرانی بررسی شده و با بررسی اثر پارامترها روی میزان حلالیت نتایج زیر به دست آمده است: Ln(y2) با Ln(?) (لگاریتم دانسیته CO2 فوق بحرانی) در محدوده-های بررسی شده رابطه خطی دارد، Ln(y2) در شرایط هم¬فشار با دما و در شرایط هم¬دما با فشار رابطه غیر خطی دارد. سپس جهت مدل سازی از نرم افزارهای مناسب از قبیل Eviews و MATLAB استفاده کرده و رابطه زیر برای پیش¬بینی حلالیت ارائه شده است: Ln(y_2 )=C_0 Ln(?)+C_1 (1/T)+C_2 P^2+C_3 با محاسبه میانگین AARD برای نوزده مجموعه داده بررسی شده، این نتیجه حاصل شده است که خطای مدل پیشنهادی برابر (66/9±)18/9 است که نسبت به مدل¬های بارتل، آگویلرا و چراستیل دارای خطای کمتری می¬باشد. سپس برای کمتر کردن خطای مدل پیشنهادی یک پارامتر دیگر به آن اضافه شده است که باعث گردیده میانگین AARD برای داده¬های بررسی شده برابر (35/10±)96/6 شود، مدل جدید (دارای پنج ثابت) به صورت زیر می¬باشد : Ln(y_2 )=C_0^' Ln(?)+C_1^' (1/T)+C_2^' P^2+C_3^' (PT)^0.5+C_4^'
- Abstract
- In recent years, supercritical extraction has been considered as an important method for separation because of environmental aspects. Amount of solubility is one of the important parameters to obtain optimal extraction with minimum supercritical fluid that is used in low time. An increase in pressure, increases fluid density and so raises solubility in supercritical dioxide carbon. An increase in temperature, increases vapor pressure and supercritical solubility in dioxide carbon significantly. However, an increase in temperature, decreases supercritical fluid density and supercritical solubility indioxide carbon, but an increase in temperature overall increases solubility in high pressures. In this work triphenylphosphine solubility in supercritical dioxide carbon is modeled using equations of state of Peng-Robinson and Soave-Redlich-Kowang with MATLAB. The results indicate that equations of state of Peng-Robinson has an AARD of 52.68% and 31.24% in 320 and 333K, respectively and equation of state of Soave-Redlich-Kowang has an AARD of 60.09% and 40.52%. In continue nineteen collected data of different solubility of solutes in supercritical dioxide carbon are investigated and the results are: Ln(y2) has a non-linear relation with Ln(?) (logarithm of supercritical CO2 density) in the range of investigation. Ln(y2) has a linear relation with temperature in constant-pressure and pressure in isothermal situation. In order to modeling used some proper softwares such as Eviews and MATLAB and derived below equation for prediction of solubility. Ln(y_2 )=C_0 Ln(?)+C_1 (1/T)+C_2 P^2+C_3 With calculation of average of AARD for nineteen collected data, it is resulted that error of suggested model is (66/9±)18/9 that is less than models of Bartle, Aguilera and Chrastil. Then is added another parameter for reducing error of the proper equation that caused the average of AARD changes to (35/10±)96/6. New model (have 5 constants) is: Ln(y_2 )=C_0^' Ln(?)+C_1^' (1/T)+C_2^' P^2+C_3^' (PT)^0.5+C_4^'
