Pirolitik Yağ Üretim Sistemi ve YSA-Tabanlı Modellenmesi
Emirhan YELEKİN1, İbrahim MUTLU2, Murat ALCIN3, Murat TUNA4, ismail KOYUNCU51Pamukkale Üniversitesi, Teknoloji Fakültesi, Otomotiv Mühendisliği Bölümü, Denizli, Türkiye.2Afyon Kocatepe Üniversitesi, Teknoloji Fakültesi, Otomotiv Mühendisliği Bölümü, Afyonkarahisar, Türkiye.
3Mekatronik Mühendisliği Bölümü, Teknoloji Fakültesi, Afyon Kocatepe Üniversitesi, Afyonkarahisar, Türkiye.
4Elektrik Ve Enerji Bölümü, Teknik Bilimler Meslek Yüksekokulu, Kırklareli Üniversitesi, Kırklareli, Türkiye.
5Afyon Kocatepe Üniversitesi, Teknoloji Fakültesi, Elektrik-elektronik Mühendisliği Bölümü, Afyonkarahisar, Türkiye.
Bu çalışmada, orman atığı ürünü olarak değerlendirilebilecek meşe palamudu ile Yapay Sinir Ağları (YSA-Artificial Neural Network) kullanılarak Pirolitik yağ üretim sisteminin modellenmesi gerçekleştirilmiştir. Pirolitik yağ üretim sistemi için çalışmada kullanılan parametreler; reaktör sıcaklığı, azot gazı akış hızı, biyokütle parçacık boyutu ve ısıtma hızı olarak belirlenmiştir. Yapılan çalışmalarda, 500 C° sıcaklık, 1.5 L/dk azot gazı akış hızı, 5 C°/dk ısıtma hızı ve 0-2 mm biyokütle tanecik boyutunda en yüksek pirolitik yağ üretimi gerçekleştirilmiş olup ürün verimi %17.83 bulunmuştur. Pirolitik yağ üretim sisteminden elde edilen veriler kullanılarak Çok Katmanlı İleri Beslemeli YSA tabanlı ağ yapıları 20000 iterasyon için 164 farklı eğitim gerçekleştirilmiştir. Eğitimlerde, tek ve iki gizli katmana sahip TanSig, LogSig ve RadBas transfer fonksiyonları içeren farklı ağ yapıları kullanılmıştır. Çalışmalardan elde edilen sonuçlara göre, tek gizli katmanlı olan ve 16 LogSig doğrusal olmayan aktivasyon fonksiyonlu nöron içeren Çok Katmanlı İleri Beslemeli YSA-tabanlı Pirolitik Yağ Üretim Sistemi yapısı 1.08E-15 değeri ile en iyi performans elde edilen ağ yapısı olmuştur.
Anahtar Kelimeler: Aktivasyon fonksiyonları, Yapay Sinir ağları, Biyokütle, Biyo-yağ, Enerji, Piroliz, Pirolitik yağ üretimi.Pyrolytic Oil Production System and ANN-Based Modeling
Emirhan YELEKİN1, İbrahim MUTLU2, Murat ALCIN3, Murat TUNA4, ismail KOYUNCU51Department Of Automotive Engineering, Faculty Of Technology, Pamukkale University, Denizli, Turkey.2Department Of Automotive Engineering, Faculty Of Technology, Afyon Kocatepe University, Afyonkarahisar, Turkey.
3Department Of Mechatronics Engineering, Faculty Of Technology, Afyon Kocatepe University, Afyonkarahisar, Turkey.
4Department Of Electricity And Energy, Technical Sciences Vocational School, Kırklareli University, Kırklareli, Turkey.
5Department Of Electrical-electronics Engineering, Faculty Of Technology, Afyon Kocatepe University, Afyonkarahisar, Turkey.
In this study, modelling of the Pyrolytic oil production system using Artificial Neural Networks (ANNs) was conducted with oak acorn, which can be considered as forest waste. The parameters used in the pyrolytic oil production system were determined as reactor temperature, nitrogen gas flow rate, biomass particle size, and heating rate. In experimental studies, the highest pyrolytic oil production was achieved at 500 °C temperature, 1.5 L/min nitrogen gas flow rate, 5 °C/min heating rate, and 0-2 mm biomass particle size, with a product yield of 17.83%. 164 different Multi-Layer Feed Forward (MLFF) ANN-based network architectures were trained for 20,000 iterations using the data obtained from the pyrolytic oil production system. In the training process, various network architectures incorporating activation functions such as TanSig, LogSig, and RadBas with one and two hidden layers were utilized. According to the results obtained from the studies, the Multi-Layer Feed Forward ANN-based Pyrolytic Oil Production System structure, which has a single hidden layer and contains 16 LogSig non-linear activation function neurons, was the network structure with the best performance with a value of 1.08E-15.
Keywords: Activation functions, Artificial Neural networks, Biomass, Bio-oil, Energy, Pyrolysis, Pyrolytic oil production.Makale Dili: İngilizce