پیش بینی ضرایب انتقال حرارت سطحی و کینتیک های انتقال جرم نمونه های بادمجان طی فرایند سرخ کردن عمیق با استفاده از شبکه عصبی مصنوعی (ANN)
- سال انتشار: 1396
- محل انتشار: دوماهنامه پژوهشهای علوم و صنایع غذایی ایران، دوره: 13، شماره: 2
- کد COI اختصاصی: JR_IFST-13-2_011
- زبان مقاله: فارسی
- تعداد مشاهده: 609
نویسندگان
دانشجوی دکتری، گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
دانشیار، گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
استادیار، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
استاد، گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
چکیده
اتقال رطوبت و روغن بر توزیع دما در سیستم نقش داشته و باعث ایجاد شار حرارتی متغییر در فرایند می گردد. لذا در این پژوهش با استفاده از شبکه عصبی مصنوعی به بررسی و پیشبینی ضرایب انتقال حرارت سطحی و کینتیکهای انتقال جرم (رطوبت و روغن) طی فرایند سرخ کردن نمونه های بادمجان پرداخته شد. اثر پیش تیمار خشک کردن با هوای داغ در چهار سطح دمایی ( 40 و 70 و 100 و 130 درجه سانتیگراد) تا رسیدن به سطوح رطوبتی 12 و 5 گرم بر گرم ماده خشک، دماهای مختلف سرخ کردن (130 و 150 و 170 درجه سانتیگراد) طی مدت زمان 6 دقیقه در فواصل زمانی یک دقیقه ای بر محتوی روغن و رطوبت برش های بادمجان طی فرایند سرخ کردن عمیق با سه بار تکرار مورد بررسی قرار گرفت. پروفیل های دمایی در سطوح بالا و پایین نمونه ها طی فرایند سرخ کردن عمیق با قرار دادن ترموکوپل نوع K نیز ثبت گردید. ارتباط بین ضریب انتقال حرارت سطحی وکینتیک های انتقال جرم نمونه های بادمجان، طی فرایند سرخ کردن عمیق با استفاده از تحلیل مولفه اصلی (PCA) نشان داد که داده های موجود در 3 ناحیه مختصاتی PC، متفاوت قرار داشتند. نتایج حاصل از بررسی ضرایب انتقال حرارت سطحی و کینتیک های انتقال جرم نمونه های بادمجان طی فرایند سرخ کردن عمیق با استفاده از شبکه عصبی مصنوعی پس انتشار با ساختار پرسپترون چند لایه (MLP)، حاکی از وجود یک رابطه پیچیده بین پارامترهای انتقال حرارت سطحی و جرم نمونه های بادمجان طی فرایند سرخ کردن عمیق بود. شبکه مورد استفاده شامل تابع سیگمویید در لایه مخفی و الگوریتم آموزش لونبرگ-مارکوارت (ML) با توپولوژی سه لایه 4-5-4 با ضریب تبیین (R2) 0/97 و متوسط مربه خطای (MSE) 0/0013، بهترین شبکه برای پیش بینی کینتیک های انتقال رطوبت، روغن و ضریب انتقال حرارت سطحی به دست آمد. با توجه به نتایج فوق می توان بیان نمود که این شبکه امکان دستیابی به دما و زمان سرخ کردن با کمترین مقادیر رطوبت و روغن در نمونه های بادمجان سرخ شده را در کمترین زمان ممکن فراهم می کند.کلیدواژه ها
سرخ کردن، بادمجان، ضریب انتقال حرارت سطحی، انتقال جرم، شبکه عصبی مصنوعیمقالات مرتبط جدید
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.