مدلسازی خشک شدن گیاه دارویی رزماری در خشک کن ترکیبی خورشیدی با گرمایش کمکی مادون قرمز با استفاده از روش های ریاضی و شبکه های عصبی مصنوعی

خشک شدن لایه نازک برگ های رزماری در یک خشک کن خورشیدی پیوسته ترکیبی با گرمایش کمکی لامپ مادون قرمز (IR) مورد بررسی قرار گرفت. آزمایش ها در دمای هوای ورودی ۵۰ درجه سلسیوس، در سه سطح سرعت هوای ورودی (۷، ۸ و ۹ متر بر ثانیه) و سه سطح توان لامپ IR (صفر، ۱۵۰ و ۳۰۰ وات) انجام شد. به منظور یافتن بهترین مدل ریاضی جهت توصیف فرایند خشک شدن رزماری، پنج معادله کاربری خشک شدن مورد ارزیابی قرار گرفتند. نتایج نشان داد که مدل Midilli and Kucuk با ضریب تبیین ((R(۲) در محدوده ۰/۹۹۳۲ تا ۰/۹۹۹۱ و مجذور میانگین مربعات خطا (RMSE) در محدوده ۰/۰۰۷۳ تا ۰/۰۱۵۷، بهترین مدل برای پیش بینی رفتار خشک شدن رزماری در شرایط مختلف آزمایشی بود. به منظور ارائه یک مدل جامع برای پیش بینی تغییرات نسبت رطوبت (MR) محصول، ساختارهای مختلفی از شبکه های عصبی مصنوعی (ANN) پس انتشار خطا ایجاد و مقایسه شدند. بهترین توپولوژی ANN برای پیش بینی سنتیک خشک شدن برگ های رزماری دارای ساختار ۱-۱۸-۱۷-۳ با الگوریتم آموزشی trainIm، تابع انتقال logsig در لایه های مخفی، و تابع انتقال purelin در لایه بیرونی بود. این مدل موفق شد تغییرات MR را با مقدار (R(۲ برابر با ۰/۹۹۹۷ و مقدار RMSE برابر با ۰/۰۰۰۹۲ پیش بینی کند. نتایج این پژوهش نشان داد که مدل سازی هوش مصنوعی یک رویکرد موثر برای پیش بینی دقیق سینتتیک خشک شدن برگ های رزماری در خشک کن هیبریدی خورشیدی با لامپ IR است.