بهینه سازی و پیش بینی نیروی کوبش برای رقم برنج هاشمی با استفاده از شبکه عصبی مصنوعی و الگوریتم تکاملی

این مطالعه به بررسی نیروی مورد نیاز برای جداسازی دانه های برنج از خوشه در رقم هاشمی که به طور رایج در شمال ایران کشت می شود، می پردازد. متغیر وابسته نیروی کوبش بود در حالی که متغیرهای مستقل شامل موقعیت دانه در خوشه ابتدای وسط، انتها، محتوای رطوبت دانه (۱۲، ۱۶، ۲۳ بر پایه تر) جهت اعمال نیرو به محور خوشه (کششی عمود بر سطح جلو، عمود بر سطح کناری) و سرعت اعمال نیرو (۵، ۲۰، ۳۵، ۵۰ میلیمتر بر ثانیه) بودند. آزمایش ها با استفاده از دستگاه کشش-فشاری سانتام با فک های مخصوص انجام شد. داده ها با استفاده از یک شبکه عصبی مصنوعی (ANN) برای پیش بینی و یک الگوریتم تکاملی مشابه الگوریتم ژنتیک برای بهینه سازی به منظور کمینه کردن نیروی کوبش تجزیه و تحلیل شدند. مدل شبکه عصبی مصنوعی به مقادیر ۰.۹۴۸ و ۰.۱۵۳ MSE در داده های آزمون دست یافت که نشان دهنده قابلیت پیش بینی قوی است. بهینه سازی نشان داد که حداقل نیروی کوبش حدود ۲۲ نیوتن در رطوبت ۱۲.۵، سرعت ۲۵ میلیمتر بر ثانیه، اعمال نیروی عمود بر سطح جلو و برای دانه های واقع در ابتدای خوشه قابل دستیابی است. این یافته ها می توانند در طراحی ماشین آلات کارآمد کوبش برنج مفید باشند.

کلیدواژه ها:

کوبش ، برنج رقم هاشمی ، شبکه عصبی مصنوعی ، الگوریتم ژنتیک ، بهینه سازی ، نیروی کوبش