مدل سازی استخراج روغن از دانه کتان با پیش تیمار میدان الکتریکی پالسی با استفاده از شبکه عصبی مصنوعی

دانه کتان یکی از منابع تامین کننده روغن می باشد که به دلیل میزان بالای اسید چرب ضروری امگا۳ مورد توجه قرار گرفته است. در تکنولوژی استخراج روغن، تیماردهی مناسب دانه قبل از استخراج یکی از مهمترین مراحل برای تولید محصولی با کیفیت و راندمان بالا می باشد. در تحقیق حاضر به منظور مد ل سازی فرآیند استخراج روغن دانه های کتان به کمک پیش تیمار میدان الکتریکی پالسی، از شدت های ۰/۵، ۳/۵ و ۶/۵ کیلوولت بر سانتی متر و سرعت های ۱۱، ۲۲ و ۳۳ دور در دقیقه پرس مارپیچی استفاده شد و میزان راندمان استخراج، اسیدیته، دانسیته، رنگ، ضریب شکست، پراکسید و اندیس اسیدی روغن استخراج شده مورد بررسی قرار گرفت. جهت پیش بینی روند تغییرات از ابزار شبکه های عصبی مصنوعی در نرم افزار Matlab R۲۰۱۳a استفاده شد. نتایج نشان داد که با افزایش شدت میدان الکتریکی پالسی و افزایش سرعت دورانی پرس، راندمان استخراج روغن، شاخص رنگ، دانسیته، اسیدیته و اندیس اسیدی افزایش یافت. همچنین افزایش شدت میدان الکتریکی پالسی تاثیر معنی داری بر ضریب شکست و میزان پراکسید نداشت در حالی که با افزایش سرعت پرس میزان پراکسید افزایش یافت. با بررسی شبکه های مختلف، شبکه پیش خور با توپولوژی ۷-۱۰-۲ با ضریب همبستگی بیش از ۰/۹۸۴۳ و میانگین مربعات خطا برابر با ۰/۰۰۰۱ و با به کارگیری تابع فعال سازی لگاریتم سیگموئیدی، الگوی یادگیری لونبرگ _مارکوات و چرخه یادگیری ۱۰۰۰ به عنوان بهترین مدل عصبی مشخص گردید. در نهایت با توجه به نتایج مشخص شد که اعمال پیش تیمار میدان الکتریکی پالسی با شدت ۶/۵ کیلوولت بر سانتی متر و سرعت پرس ۲۲ دور در دقیقه منجر به تولید محصول با راندمان مناسب و خصوصیات فیزیکوشیمیایی مطلوب تر گردید.

کلیدواژه ها:

شبکه عصبی مصنوعی