سینتیک خشک کردن مادون قرمز برش های میوه به و مدلسازی آن با روش الگوریتم ژنتیک-شبکه های عصبی مصنوعی

در این تحقیق جهت خشک کردن برش های میوه به از روش پرتودهی مادون قرمز استفاده شد. برای این منظور اثر دمای خشک کردن 50، 60، 70 و 80 درجه سانتیگراد که ناشی از توان های به ترتیب 51، 73، 98 و 125 وات لامپ مادون قرمز بود مورد مطالعه قرار گرفت. نتایج بدست آمده نشان دادند که با افزایش دما سرعت خشک کردن افزایش می یابد. با افزایش دما از 50 به 80 درجه سانتیگراد زمان خشک کردن حدود 60 درصد کاهش یافت. با اعمال توان های مختلف برای لامپ مادون قرمز از 51 وات تا 125 وات، مقدار رطوبت از 453 درصد (بر مبنای خشک) به 16 درصد (بر مبنای خشک) کاهش داده شد. مدلسازی فرایند خشک کردن به روش الگوریتم ژنتیک-شبکه های عصبی مصنوعی (GA-ANNs) با 3 ورودی (زمان خشک کردن، دمای خشک کردن و دمای مرکز برش) و یک خروجی (میزان نسبت رطوبتی (MR)( انجام شد. نتایج مدلسازی نشان داد شبکه ای با تعداد 7 نرون در یک لایه پنهان و با استفاده از تابع انتقال تانژانت هایپربولیک می تواند درصد رطوبت در طی فرایند خشک کردن را با دقت بالایی پیشگویی کند (9997/ 0 R2 =و 0044/0RMSE =). بر اساس نتایج، دقت تخمین بدست آمده برای شبکه بهینه بالاتر از بهترین مدل تجربی (مدل میدیلی) در تمام دماهای مورد آزمایش بود (9994/0-9987/0 R2 =و 0098/0-0068/0 RMSE =). نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که به دلیل حساسیت بالاتر (0044/0)، دمای مرکز برش های میوه به موثرترین عامل در کنترل میزان نسبت رطوبتی می باشد. افزایش دما از 50 به 80 درجه سانتیگراد سبب افزایش ضریب انتشار موثر (Deff) از 9-10×8/10 به 9-10×1/26 مترمربع بر ثانیه گردید. مقدار انرژی فعالسازی برای برش های میوه به، 68/28 کیلوژول بر مول تعیین شد.

کلیدواژه ها:

الگوریتم ژنتیک-شبکه عصبی ، مدلسازی ، میوه به ، مادون قرمز ، ضریب انتشار ، انرژی فعالسازی