https://jsse.uk.ac.ir/ نشریه علوم و مهندسی جداسازی fa daily 1 Mon, 22 Jun 2026 00:00:00 +0330 Mon, 22 Jun 2026 00:00:00 +0330 https://jsse.uk.ac.ir/article_5435.html هدف: هدف این پژوهش، بررسی فرآیند استخراج برگشتی اورانیوم و توریم از فاز آلی حاوی تری‌بوتیل‌فسفات (TBP) بارگذاری‌شده و ارزیابی اثر پارامترهای فرآیندی بر افزایش درصد بازیابی و بهبود راندمان جداسازی درمقیاس آزمایشگاهی می‌باشد.مواد و روش: فرآیند تهی‌سازی به ‌صورت تجربی انجام گردید و اثر pH محلول آبی، دما، زمان تماس، شدت اختلاط و نسبت حجمی فاز آلی به آبی (O/A) مورد بررسی قرار گرفت.نتایج: نتایج نشان داد با کاهش غلظت یون هیدروژن، راندمان استریپ اورانیوم به‌طور قابل‌توجهی افزایش می‌یابد، در حالی‌که تغییر pH تأثیر محسوسی بر رفتار توریم ندارد. این تفاوت رفتاری به‌ صورت کیفی به وابستگی بیشتر تعادل استخراج و تهی‌سازی اورانیوم به شرایط فرآیندی، به‌ویژه pH و دما، نسبت داده می‌شود، در حالی‌که رفتار توریم عمدتاً تحت کنترل ماهیت شیمیایی گونه‌های نیتراتی آن بوده و حساسیت کمتری به تغییر پارامترهای فرآیندی نشان می‌دهد. ازاین‌رو، بازده توریم در محدوده‌ای نسبتاً ثابت باقی می‌ماند، در حالی‌که راندمان اورانیوم به‌طور محسوسی تحت تأثیر شرایط فرآنیدی تغییر می‌کند. افزایش دما تا 55 درجه سانتی‌گراد موجب بهبود راندمان استریپ اورانیوم گردید و در دماهای بالاتر تغییر قابل‌توجهی مشاهده نشد. بررسی اثر زمان تماس و شدت اختلاط نشان داد افزایش این پارامترها تأثیر چشمگیری بر راندمان نهایی نداشته و پس از مقدار مشخص، تغییر محسوسی در انتقال جرم مشاهده نمی‌شود. همچنین نسبت فازی 1:1 ضمن حفظ بازده مناسب، از نظر مصرف فاز آبی اقتصادی‌تر است.نتیجه‌گیری: در شرایط بهینه شامل دمای 55 درجه سانتی‌گراد، زمان تماس 30 دقیقه، سرعت اختلاط 400 دور بر دقیقه و نسبت فازی 1:1، درصد تهی‌سازی اورانیوم و توریم به‌ترتیب 89.3 و 72.4 درصد به‌دست آمد که بیانگر کارایی مناسب فرآیند تحت این شرایط است. https://jsse.uk.ac.ir/article_5527.html هدف: توسعه غشاهای انتقال تسهیل یافته عمدتاً به دلیل افزایش حجم آزاد زمینه پلیمری با چالش کاهش انتخاب‌گری روبه‌رو هستند. هدف  این تحقیق، بررسی نحوه توزیع  اکسید گرافن اصلاح سطحی نشده (GO) و اصلاح شده با اسید آمینه (M-GO) در زمینه پلیمری PEBA و همچنین تاثیر اکسید گرافن اصلاح سطحی شده بر روی افزایش انتخاب‌گری غشایPEBA/ کیتوسان است.مواد و روش: جهت تهیه غشاهای انتقال تسهیل یافته ابتدا اکسید گرافن  در داخل حلال آب / اتانول توسط دستگاه التراسونیک توزیع شد. سپس  PEBA با 2% وزنی در داخل محلول تهیه شده حل شد. در ادامه محلول کیتوسان از قبل تهیه شده با 1% درصد وزنی و با نسبت 1:1  با محلول همگن    PEBA تهیه شده توسط همزن مغناطیسی در دمای محیط مخلوط شدن .غشاهای تهیه شده جهت بررسی توزیع یکنواخت نانو پرکن در زمینه پلیمری توسط آزمون‌های SEM و  AFM و نحوه برهمکنش بین پرکن و زمینه پلیمری توسط آزمون  FTIR ارزیابی شد. سپس تست عبوردهی گازها از روش عبوردهی با  فشار ثابت و حجم متغیر استفاده شد.نتایج:  براساس آنالیز,FTIR   SEMو  AFMغشای تهیه شده با اکسید گرافن اصلاح سطحی شده به دلیل سازگاری بیشتر با زنجیرهای پلیمری و توزیع یکنواخت در ساختار غشا، دارای مورفولوژی سطح صاف نسبت به نمونه غشای بدون اصلاح سطحی است. نتایج نشان داد که غشاهای حاویM-GO در مقایسه با GO اصلاح سطحی نشده باعث بهبود عبوردهی CO₂ و انتخاب‌گری CO₂/N₂  شد.نتیجه‌گیری: M-GO به دلیل برهم‌کنش‌های بین‌سطحی از طریق پیوندهای هیدروژنی قوی‌تر و همچنین افزایش سازگاری فصل مشترک بین نانولایه‌های GO و پلیمر باعث بهبود بیش از 314 درصد در انتخاب‌گری  CO₂/N₂ و 440 درصد در عبوردهی CO₂ شد. https://jsse.uk.ac.ir/article_5554.html هدف: طراحی آزمایش­ها ابزاری مفید برای کاهش تعداد آزمایش­ها و به تبع آن کاهش هزینه­ها به شمار می­رود و افزون بر آن مدلی ارائه می­کند که در بازه آزمایش معتبر است. همچنین مدلسازی به عنوان روشی در جهت پیش­بینی رفتار سیستم و صرفه­جویی در هزینه­ها استفاده می­شود. هدف از این پژوهش مدلسازی آزمایش­های انجام شده در یک برج تقطیر پرشده و پیش­بینی ارتفاع معادل سینی تئوری(HETP)، می باشد.مواد و روش: این پژوهش بر پایه داده­های تجربی موجود برای یک برج تقطیر پر شده انجام شده است. ماده مورد آزمایش سیکلوهگزان و نرمال هپتان است. برج با آکنه حلقه پال یک اینچی پر و آزمایش­ها در دو فشار bar 35/0 و bar 65/1 انجام شده است. از میان روش­های گوناگون، سه روش پرکاربرد الگوریتم ژنتیک، حداقل مربعات و طراحی آزمایش­ها برای مدلسازی انتخاب شد.نتایج :مدل­های بدست آمده با دو روش الگوریتم ژنتیک و حداقل مربعات، اگرچه ضرایب متفاوتی داشتند اما نتایج مشابهی ارائه نمودند. در مورد روش طراحی آزمایش­ها تحلیل واریانس نشان داد که داده­ها برای تحلیل مناسب نیستند لذا نتایج مطلوبی بدست نیامد. چرا که آزمایش­های انجام شده، بر این مبنا طراحی نشده بود. مدلسازی به سه روش، می­بایست نتایج مشابهی داشته باشد. علت متفاوت بودن مدل طراحی آزمایش، نامناسب بودن داده­های تجربی بود.نتیجه‌گیری :با استفاده از مدل‌های ارائه‌ شده با دو روش حداقل مربعات و الگوریتم ژنتیک می‌توان عملکرد برج پرشده را در محدوده آزمایش‌ با دقت مناسبی پیش‌بینی کرد و ارتفاع معادل را بدون نیاز به آزمایش‌های پرهزینه و زمان‌بر محاسبه نمود. همچنین این مطالعه نشان داد که روش طراحی آزمایش‌ها تنها در صورتی نتایج معتبری ارائه می‌کند که داده‌ها از ابتدا بر اساس اصول آن همچون تصادفی‌ بودن، رعایت پراکندگی، تکرارپذیری و ... گردآوری شده باشند. https://jsse.uk.ac.ir/article_5699.html هدف: بازیابی فلزات استراتژیک، به دلیل ماهیت پیچیده و غیرخطی فرآیند لیچینگ، نیازمند آزمایش‌های تجربی متعددی است که زمان و هزینه قابل‌توجهی به همراه دارد. بنابراین، مدل‌سازی این فرآیندها با استفاده از ابزارهای هوش مصنوعی و یادگیری ماشین می‌تواند به کاهش هزینه‌ها، تسریع فرآیند و دستیابی به بازدهی بالای بازیابی فلزات منجر شود. این مطالعه با هدف ارزیابی عملکرد الگوریتم‌های یادگیری ماشین جهت پیش‌بینی لیچینگ لیتیوم از کاتد باتری‌های لیتیوم-یون مصرف‌شده انجام شد.مواد و روش‌ها: داده‌های این مدل‌سازی از منابع پژوهشی معتبر در زمینه لیچینگ لیتیوم از کاتد باتری‌های لیتیوم-یون، بین سال‌های ۲۰۱۵ تا ۲۰۲۵ جمع‌آوری، پردازش و نرمال‌سازی شدند. پس از پیش‌پردازش داده‌ها، پایگاه داده‌ای شامل ۵ متغیر ورودی و ۱ متغیر هدف (راندمان لیچینگ لیتیوم) تهیه شد. برای مدل‌سازی بهینه‌تر، نوع اسید (اسید سولفوریک) و عامل کاهنده (هیدروژن پراکسید) ثابت در نظر گرفته شد. چهار الگوریتم پرکاربرد در مدل‌سازی لیچینگ انتخاب شدند و مدل یادگیری ماشین برای هرکدام در دو بخش آموزش و ارزیابی با ضرایب ریاضی مختلف ارزیابی شد. سپس مدل بهینه برای پیش‌بینی نرخ لیچینگ لیتیوم بر اساس این ضرایب انتخاب گردید.نتایج: چهار الگوریتم انتخابی شامل جنگل تصادفی، پرسپترون چندلایه، گرادیانت تقویتی و ماشین بردار پشتیبان بودند. مدل‌سازی برای هر الگوریتم با تقسیم تصادفی داده‌ها جهت آموزش و ارزیابی توسعه یافت و ضرایب مربوطه محاسبه گردید. عملکرد مدل‌ها با استفاده از ضریب تعیین (R2) و ریشه میانگین مربعات خطا (RMSE) ارزیابی شد. طبق نتایج، بهترین عملکرد در میان مدل‌های انتخابی توسط مدل گرادیانت تقویتی با مقدار ضریب تعیین94/0 و 86/0 به ترتیب برای بخش آموزش و ارزیابی به دست آمد. در ادامه، میزان اهمیت هر یک از پارامترهای آزمایشگاهی با استفاده از آنالیز SHAP محاسبه و تحلیل شد.نتیجه‌گیری: نتایج این پژوهش نشان می‌دهد که الگوریتم گرادیانت تقویتی بهترین عملکرد را در پیش‌بینی نرخ لیچینگ لیتیوم دارد.