پیش بینی برخی خصوصیات حرارتی، فیزیکی و مکانیکی میوه بنه پس از خشک کردن با خشک کن پیوسته نیمه صنعتی به کمک شبکه های عصبی مصنوعی

  • سال انتشار: 1395
  • محل انتشار: مجله علوم و صنایع غذایی ایران، دوره: 13، شماره: 52
  • کد COI اختصاصی: JR_FSCT-13-52_015
  • زبان مقاله: فارسی
  • تعداد مشاهده: 71
دانلود فایل این مقاله

نویسندگان

Sasan Khayati

دانشجوی کارشناسی ارشد، گروه مهنسی بیوسیستم، دانشگاه بوعلی سینا، همدان

Reza Amiri Chayjan

دانشیار گروه مهندسی بیوسیستم، دانشگاه بوعلی سینا، همدان

چکیده

چکیده هدف از این پژوهش، پیش­بینی برخی خصوصیات حرارتی (ضریب پخش موثر رطوبت و انرژی ویژه مصرفی)، فیزیکی (چروکیدگی و تغییرات کلی رنگ) و مکانیکی (نیروی شکست) میوه بنه در طی فرآیند خشک­کردن با خشک­کن پیوسته نیمه صنعتی به کمک شبکه­های عصبی مصنوعی بود. سه عامل موثر شامل دمای هوای ورودی، سرعت هوای ورودی و سرعت تسمه در عملکرد خشک­کن جریان پیوسته به عنوان متغیرهای مستقل در نظر گرفته شد. آزمایش­ها در سه سطح دمای هوای ورودی (۴۵، ۶۰ و ۷۵ درجه سلسیوس)، سه سطح سرعت هوای ورودی (۱، ۵/۱ و ۲ متر بر ثانیه) و سه سطح سرعت تسمه (۵/۲، ۵/۶ و ۵/۱۰ میلی متر بر ثانیه) انجام شد. داده­های لازم با استفاده از یک خشک­کن جریان پیوسته نیمه صنعتی، جمع­آوری شد. از شبکه­های پس­انتشار پیشرو و پس­انتشار پیشخور با الگوریتم­های یادگیری لونبرگ- مارکوارت و تنظیم بیزی برای آموزش استفاده شد. برای پیش­­بینی ضریب پخش موثر رطوبت، شبکه پیشخور با تابع تنظیم بیزی، آرایش ۱-۱۳-۱۰-۳ و ۱۰۸ چرخه آموزش با ۹۹۹۹/۰=R۲ مطلوب بود. برای پیش­بینی انرژی ویژه مصرفی، شبکه پیشخور با تابع آموزش لونبرگ- مارکوارت، آرایش ۱-۱۰-۳ و ۱۱۷ چرخه آموزش با ۹۹۶۱/۰=R۲ مطلوب بود. بهترین شبکه برای پیش­بینی چروکیدگی، شبکه پیشخور با تابع تنظیم بیزی، توپولوژی ۱-۴-۶-۳ و ۱۰۱ چرخه با ۹۹۲۶/۰=R۲ آموزش بود. بهترین شبکه برای پیش­بینی تغییرات کلی رنگ، شبکه پیشخور با تابع آموزش لونبرگ-مارکوارت با توپولوژی ۱-۷-۶-۳ و ۲۴ چرخه آموزش با ۹۱۳۹/۰=R۲ بود. بهترین شبکه برای پیش­بینی نیروی شکست، شبکه پیشخور با تابع آموزش تنظیم بیزی، آرایش ۱-۶-۸-۳ و ۶۹ چرخه آموزش با ۹۹۹۰/۰=R۲ بود.

کلیدواژه ها

Diffusivity, Specific energy consumption, Shrinkage, Colorimeter, Rapture force, کلید واژگان: ضریب پخش موثر رطوبت, انرژی ویژه مصرفی, چروکیدگی, رنگ سنجی و نیروی شکست

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.