بکارگیری روش شبکه های عصبی مصنوعی در بررسی و تخمین برخی مشخصه های خشک کردن بادنجان و شلغم در یک خشک کن ترکیبی مایکروویو- همرفتی
نویسندگان
چکیده
چکیده در این پژوهش، به منظور برآورد خواص خشککردن بادنجان و شلغم در یک خشککن مایکروویو- همرفتی از روش شبکههای عصبی مصنوعی استفاده شد. فرآیند خشککردن در سه سطح دمایی (40، 55 وc° 70)، سه سطح سرعت هوای ورودی (5/0 و 1/1 و m/s7/1) و سه سطح توان مایکروویو (270، 450 وw 630) در یک خشککن مایکروویو- همرفتی صورت گرفت که این سه پارامتر به عنوان ورودی در پیشبینی ضریب پخش رطوبت موثر و انرژی مصرفی ویژه، در شبکهی عصبی مصنوعی مورد استفاده قرار گرفت. همچنین برای پیشبینی نرخ خشککردن و نسبت رطوبت علاوه بر این سه پارامتر از زمان خشککردن نیز به عنوان پارامتر ورودی استفاده شد. برای ایجاد الگوهای آموزشی و ارزیابی فرآیند، از شبکه عصبی پس انتشار پیش خور و پیشرو با توابع آموزش لونبرگ – مارکوارت (lm) و تنظیم بیزی (br) برای آموزش الگوها استفاده شد. با توجه به نتایج بدست آمده، بیشترین مقدار ضریب پخش رطوبت موثر برای بادنجان و شلغم به ترتیب (9-10×39/3 وm2/s 9-10×05/3) حاصل شد. نتایج بررسیهای شبکه عصبی مصنوعی نشان داد که شبکهی بهینه پس انتشار پیش خور با توپولوژی 2-20-20-3 و تابع آموزش لونبرگ- مارکوارت توانست ضریب پخش رطوبت موثر و انرژی مصرفی ویژه را به ترتیب با ضرایب تبیین 9821/0 و 9952/0 و خطای میانگین مربعات 00014/0 در شرایط مختلف خشککردن بادنجان و شلغم پیشبینی نماید. همچنین بیشترین ضرایب تبیین برای پیشبینی نرخ خشککردن و نسبت رطوبت به ترتیب 9698/0 و 9988/0 با مقدار خطای میانگین مربعات 0045/0در شبکهی عصبی پیشرو با الگوریتم آموزشی لونبرگ- مارکوارت به دست آمد.
منابع مشابه
بکارگیری روش خشک کردن ترکیبی (پوشش دادن ،خشک کن هوا و مایکروویو) در خشک کردن برگههای نازک سیب
متن کامل
بکارگیری روش خشک کردن ترکیبی (پوشش دادن ،خشک کن هوا و مایکروویو) در خشک کردن برگههای نازک سیب
متن کامل
تخمین ضریب تبدیل شلتوک با استفاده از شبکه های عصبی مصنوعی در خشک کردن بستر سیال
The objective of this research was to predict head rice yield (HRY) in fluidized bed dryer using artificial neural network approaches. Several parameters considered here as input variables for artificial neural network affect operation of fluidized bed dryers. These variables include: air relative humidity, air temperature, inlet air velocity, bed depth, initial moisture content, final moisture...
متن کاملتخمین ضریب تبدیل شلتوک با استفاده از شبکه های عصبی مصنوعی در خشک کردن بستر سیال
The objective of this research was to predict head rice yield (HRY) in fluidized bed dryer using artificial neural network approaches. Several parameters considered here as input variables for artificial neural network affect operation of fluidized bed dryers. These variables include: air relative humidity, air temperature, inlet air velocity, bed depth, initial moisture content, final moisture...
متن کاملتخمین پارامترهای خشک کردن گوجه فرنگی با کمک شبکه های عصبی مصنوعی
در این پژوهش خشک کردن لایه ای نازک گوجه فرنگی به روش جابجایی هوای داغ شبیه سازی گردید. اسلایس های گوجه فرنگی در دو دمای (60 و 70 درجه سانتیگراد) خشک شدند. شبکه عصبی پرسپترون برای پیش بینی نسبت رطوبت و سرعت خشک کردن نمونه ها در طی خشک کردن بکار گرفته شد. بهترین چیدمان شبکه عصبی برای شبکه اول بر اساس یک لایه پنهان،2 و 8 نرون در لایه پنهان به ترتیب برای نسبت رطوبت و آهنگ خشک کردن بود. همچنین بهتری...
متن کاملبررسی تغییرات برخی ویژگی های فیزیکی برگه های سیب خشک شده با روش ترکیبی خشک کن هوای گرم و مایکروویو
در این تحقیق تغییرات رنگ و ویژگی های ساختمانی برشهای نازک سیب (به قطر22 میلیمتر و ضخامت 4 میلیمتر) واریتة گلدن دلیشس (golden delicious) پس از فرایند خشک کردن مورد بررسی قرار گرفت. فرآیند خشک کردن با استفاده از روش ترکیبی، پوشش دادن (1 دقیقه، در دمای اتاق)، خشک کردن با هوای داغ (70 درجه سانتیگراد و سرعت جریان 1 متر بر ثانیه)، و خشککردن با انرژی مایکروویو (300 وات، 10 ثانیه)، انجام شد. جهت ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
علوم و صنایع غذایی ایرانجلد ۱۴، شماره ۷۰، صفحات ۴۵-۲۷
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023