تخمین رطوبت لایه های محیط متخلخل در خشک کردن بستر ثابت به کمک شبکه های عصبی

پیش بینی رطوبت لایه های محصولات متخلل در انتهای مرحله خشک شدن به منظور کاهش خسارت ناشی از بیش یا کم خشک شدن محصولات مذکور حائز اهمیت است . در این تحقیق از محصول برنج به عنوان محصول متخلخل و از روش هوشمند شبکه عصبی مصنوعی برای پیش بینی رطوبت لایه های شلتوک در انتهای مرحله خشک شدن و در محدوده رطوبت متوسط نهایی 8/5 تا 15% پایه تر استفاده شده است . آزمایش ها با نمونه های شلتوک و در محدوده عمق های 5 تا 40 سانتی متر با میزان رطوبت اولیه متوسط 14/9 تا 21/83% پایه تر در شرایط کنترل شده محیطی با دمای 20 تا C °30 و رطوبت نسبی هوای 40 تا 90% انجام شد . در این آزمایشها سرعت های مختلف هوا بین 0/1m/s و سرعت حداقل سیال سازی اعمال شد و دمای هوای ورودی بین 40 تا 70°C بود . زمان خشک شدن نیز به عنوان پارامتر ورودی اعمال شد . رطوبت لایه های شلتوک به کمک هشت پارامتر فوق در هر آزمایش پیش بینی شد . کاربرد شبکه های عصبی پس انتشار پیشخور و پس انتشار به همراه الگوریتم های یادگیری لونبرگ – مارکوارت و بیزی در حل این مساله نشان داد که با استفاده از شبکه عصبی مصنوعی می توان رطوبت لایه های شلتوک را با ضریب هبستگی حدود 96% و خطای 0/19 در گستره بستر ثابت و در شرایط آزمایشگاهی پیش بینی کرد .