Wykorzystanie SSN w symulacji procesu brykietowania miskanta

• Autorzy: Francik S. , Frączek J.

Warianty tytułu

EN

Use of artificial neural networks in the miscanthus briquetting process simulation

• Języki publikacji: PL

Abstrakty

PL

Sztuczne sieci neuronowe (SSN) są uważane za jedno z najnowszych narzędzi, które są wykorzystywane do rozwiązywania skomplikowanych problemów, które nie mogą być rozwiązane za pomocą konwencjonalnych metod. W badaniach wykorzystano SSN jako narzędzia do symulacji i optymalizacji procesu produkcji brykietów. Proces ten składa się z trzech etapów: rozdrabniania wstępnego na sieczkarni toporowej, mielenia na młynie bijakowym i zagęszczania w brykieciarce tłokowej. Na podstawie przeprowadzonych symulacji opracowano zalecenia dotyczące optymalnych parametrów prowadzenia procesu produkcji brykietów z miskanta (teoretycznej długości sieczki, średnicy sita młyna i ciśnienia brykietowania). Stwierdzono, że najkorzystniejsze jest przyjęcie teoretycznej długości sieczki równej 10 mm i średnicy sita 15 mm. Zapewnia to minimalną energochłonność procesu produkcji brykietu. Parametry jakościowe brykietu (trwałość i gęstość) należy regulować wartością ciśnienia brykietowania.

EN

Artificial neural networks (ANN) are considered to be one of the newest tools that are used to solve complex problems that can not be solved by conventional methods. The study used an ANN as a tool to simulate and optimize the production of briquettes. This process consists of three stages: preliminary shredding process carried out using flywheel cutter, grinding in a beater wheel mill, and compacting in the briquetting piston machine. Based on simulations performed, we developed recommendations for the optimal production parameters of miscanthus briquette (theoretical chop length, diameter sieve mill and briquetting pressure). It was found that the best is to adopt a theoretical chop length equal to 10 mm and 15 mm diameter sieve. This ensures minimal energy consumption during production of briquettes. Quality parameters of briquette (durability and density) should be regulated by briquetting pressure value.

Słowa kluczowe

PL

sztuczne sieci neuronowe; miskant; brykietowanie; produkcja brykietów

EN

briquetting; artificial neural networks; production of briquettes; Miscanthus

• Wydawca: Instytut Naukowo-Wydawniczy "SPATIUM". sp. z o.o.
• Czasopismo: Autobusy : technika, eksploatacja, systemy transportowe
• Rocznik: 2012
• Tom: R. 13, nr 4
• Strony: 74--85
• Opis fizyczny: Pełny tekst na CD, Bibliogr. 13 poz.

Twórcy

autor

Francik S.

autor

Frączek J.

• Uniwersytet Rolniczy w Krakowie

Bibliografia

• 1. Abu Qdais H., Bani Hani K., Shatnawi N., Modeling and optimization of biogas production from a waste digester using artificial neural network and genetic algorithm. Resources, Conservation and Recycling, vol. 54, Issue 6, April 2010.
• 2. Francik S., Modele neuronowe etapów produkcji biopaliw kompaktowych [w:] Frączek J. (red.), Optymalizacja procesu produkcji paliw kompaktowych wytwarzanych z roślin energetycznych. PTIR, Kraków 2010.
• 3. Francik S., Symulacja produkcji biopaliw kompaktowych [w:] Frączek J. (red.), Optymalizacja procesu produkcji paliw kompaktowych wytwarzanych z roślin energetycznych. PTIR, Kraków 2010.
• 4. Francik S., Frączek J., Model development of the external friction of granular vegetable materials on the basis of artificial neural networks. Int. Agrophisics, 15.
• 5. Frączek J., Cieślikowski B., Ślipek Z., Ocena jakości biopaliw stałych kompaktowanych. Część I: Wymagania jakościowe. Autobusy-Technika, Eksploatacja, Systemy Transportowe 2011, nr 10.
• 6. Frączek J., Łapczyńska-Kordon B., Ślipek Z., Ocena jakości biopaliw stałych kompaktowanych. Część II: Ocena wartości użytkowej. Autobusy-Technika, Eksploatacja, Systemy Transportowe 2011, nr 10.
• 7. Łapczyńska-Kordon B., Francik S., Frączek J., Ślipek Z., Modelowanie skurczu suszarniczego wybranych warzyw korzeniowych za pomocą sztucznych sieci neuronowych. Inżynieria Rolnicza 2006, nr 13(88).
• 8. Łapczyńska-Kordon B., Francik S., Ślipek Z., Model neuronowy zmian temperatury podczas konwekcyjnego suszenia zrębków wierzby energetycznej. Inżynieria Rolnicza 2008, nr 11(109).
• 9. Wróbel M., Mudryk K., Jakość biopaliw stałych [w:] Frączek J. (red.), Przetwarzanie biomasy na cele energetyczne. PTIR, Kraków 2010.
• 10. Krajowy plan działania w zakresie energii ze źródeł odnawialnych. Ministerstwo Gospodarki, http://www.mg.gov.pl, 2010.
• 11. CEN/15210-2-Methods for the determination of the mechanical durability of briquettes.
• 12. CEN/TS 14774-1-Biopaliwa stałe-Oznaczanie zawartości wilgoci-Metoda suszarkowa. Część 1: Wilgoć całkowita-Metoda referencyjna, Część 2: Wilgoć całkowita-Metoda uproszczona, Część 3: Wilgoć w ogólnej próbce analitycznej.
• 13. CEN/TS 15150: Solid Biofuels-Methods for the determination of the particle density (of pellets and briquettes).