02 آذر 1403
سيدعبداللطيف هاشمي فرد

سیدعبداللطیف هاشمی فرد

مرتبه علمی: دانشیار
نشانی: دانشکده مهندسی نفت، گاز و پتروشیمی - گروه مهندسی شیمی
تحصیلات: دکترای تخصصی / مهندسی شیمی
تلفن: 09177755574
دانشکده: دانشکده مهندسی نفت، گاز و پتروشیمی

مشخصات پژوهش

عنوان Predicting the structural parameters of integrally skinned porous membranes
نوع پژوهش مقالات در نشریات
کلیدواژه‌ها
ثبت نشده‌است!
مجله JOURNAL OF MEMBRANE SCIENCE
شناسه DOI
پژوهشگران سیدعبداللطیف هاشمی فرد (نفر اول) ، احمد فائوزی اسماعیل (نفر دوم) ، T. Matsuura (نفر سوم) ، نیدال هلال (نفر چهارم)

چکیده

The objectiveofthisstudyistoproposeanovelapproachforpredictingthestructuralparametersof integrallyskinnedporousmembranesusinggaspermeationdata.Itisintendedtoovercomethe limitation oftheconventionalgaspermeationtesting(GPT)method,sincethelattermethodseemsto suffer fromseveralconceptualdrawbacks.Inparticular,acomparisonismadebetweenthetheoretical calculation andtheexperimentaldatatoshowthesuperiorityofthenewlyproposedmodel.Thenew model isamodification ofWakaoetal.0s model,inwhich,unliketheconventionalGPTmethod,the contribution oftheslip flow isconsidered.AlthoughWakaoetal.0s modelwasfoundsuperiortothe conventionalGPTmethod,themodel fitting totheexperimentaldatawasnotcompletelysatisfactory.It waslikelythattheslip flow,althoughitseffectcannotbeneglected,isnotfullydeveloped.Therefore,a factor ? is introducedtoshowtheextentofthecontributionoftheslip flowmechanismtothetotalgas permeation rate.Asaresult,thenewmethodcanovercometheshortcomingsoftheconventionalGPT method bymanifestingthefollowingadvantages:(i)itcancovertheentirerangeof J versus P diagram, (ii) itcanspecifythecontributionoftheindividualmechanismsinvolvedinthetotalgaspermeationand (iii) unliketheconventionalGPTmethod,itisnotlimitedbyanyconstraintsorconditionsofdata acquisition.Insummary,themodelcanpredictporesizeandeffectiveporosity,andalsosimulatethe experimental J versus P trends withsufficient accuracy(within 2% overthepressurerangestudied)for all typesofmembranes,i.e.NF,UF,MF,MDandmembranecontactors.Inviewofthisfact,theproposed model issimplertoapplythanRangarajanetal.0s modelandmoreaccuratethantheconventionalGPT method.