مدل سازی فرآیند خشک کردن بادمجان توسط سامانه مادون قرمز به روش الگوریتم ژنتیک-شبکه عصبی مصنوعی

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 565

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_EJFPP-9-1_007

تاریخ نمایه سازی: 11 آبان 1398

چکیده مقاله:

در این مطالعه رفتار خشک کردن لایه نازک ورقه های بادمجان در یک خشک کن مادون قرمز (IR) بررسی گردید. اثر توان لامپ مادون قرمز (150، 250 و 375 وات)، فاصله نمونه از لامپ (5، 10 و 15 سانتی متر)، ضخامت نمونه ها (5/0 و 1 سانتی متر) و زمان خشک کردن بر خشک شدن ورقه های بادمجان موردبررسی قرار گرفت. نتایج خشک کردن بادمجان به روش مادون قرمز نشان داد با افزایش توان لامپ و کاهش فاصله نمونه ها از منبع حرارتی، سرعت خشک کردن افزایش می یابد. مقدار کاهش وزن، با افزایش توان لامپ از 150 به 375 وات، از 08/31 به 44/92 درصد افزایش یافت. میزان وزن، با افزایش فاصله لامپ از 5 به 15 سانتی متر، از 44/92 به 15/31 درصد، کاهش یافت. در این پژوهش مدل سازی فرآیند به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی با 4 ورودی (توان، فاصله لامپ، ضخامت نمونه و زمان خشک کردن) و 1 خروجی جهت پیشگویی کاهش وزن انجام شد. نتایج مدل سازی به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی نشان داد شبکه ای با تعداد 14 نرون در یک لایه پنهان و با استفاده از تابع فعال سازی سیگموئیدی می توان به خوبی درصد کاهش وزن در طی فرآیند خشک کردن بادمجان به روش مادون قرمز را پیشگویی نمود (99/0R=). نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که توان لامپ مادون قرمز به عنوان موثرترین عامل برای کنترل کاهش وزن بادمجان است.

نویسندگان

علیرضا اسدی امیر آبادی

دانشجوی کارشناسی ارشد دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

مهدی کاشانی نژاد

دانشیار دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

فخرالدین صالحی

دانشجوی دکتری، دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Afzal, M.T.T., and Hilida, Y. 1999. Energy and quality aspect ...
  • convection drying of barely. Journal of Food Engineering. 42: 177-188. ...
  • Akpinar, E.K., and Bicer, Y. 2005. Modeling of the drying ...
  • International Journal of Food Science and Technology. 40: 273–281 ...
  • Amiri Chayjan, R., Tabatabaei Bahrabad, S.M., and Rahimi, S.F. 2013. ...
  • Processing and Preservation. 38: 1224-1233. ...
  • BahramParvar, M., Salehi, F., and Razavi, S.M.A. 2014. Predicting total ...
  • cream using artificial neural network. Journal of Food Processing and ...
  • Das, I., Das, S., and Satish, K. 2004. Specific energy ...
  • dried. Journal of Food Engineering. 62: 9–14 ...
  • Doymaz, I. 2011. Drying of eggplant slices in thin layers ...
  • temperatures. Journal of Food Processing and Preservation. 35 (2): 280-289. ...
  • Erenturk, S., and Erenturk, K. 2007. Comparison of genetic algorithm ...
  • approaches for the drying process of carrot. Journal of Food ...
  • Ertekin, C., and Yaldiz, O. 2004. Drying of eggplant and ...
  • drying model. Journal of Food Engineering. 63: 349-359. ...
  • Hebbar, H.U., Vishwanathan, K.H., and Ramesh, M.N. 2004. Development of ...
  • infrared and hot air dryer for vegetables. Journal of Food ...
  • Lertworasirikul, S., and Saetan, S. 2010. Artificial neural network modeling ...
  • during osmotic dehydration of kaffir lime peel. Journal of Food ...
  • Nimmol, C. 2010. Vacuum far-infrared drying of foods and agricultural ...
  • Journal of the King Mongkut’s University of Technology North Bangkok. ...
  • Ramzi, M., Kashaninejad, M., Salehi, F., Sadeghi Mahoonak, A.R., and ...
  • Modeling of rheological behavior of honey using genetic algorithm–artificial neural ...
  • and adaptive neuro-fuzzy inference system. Food Bioscience. 9: 60-67. ...
  • Rastogi, N.K. 2012. Recent trends and developments in infrared heating ...
  • Critical Review in Food Science and Nutrition. 52: 737-760. ...
  • Salehi, F., Abbasi Shahkoh, Z., and Godarzi, M. 2015. Apricot ...
  • using genetic algorithm- artificial neural network. Journal of Innovation in ...
  • Technology. 7: 65-76. ...
  • Salehi, F., Kashaninejad, M., Asadi, F., and Najafi, A. 2016a. ...
  • attributes of sponge cake using infrared dried button mushroom. Journal ...
  • Technology. 53: 1418-1423. ...
  • Salehi, F., Kashaninejad, M., and Jafarianlari, A. 2017. Drying kinetics ...
  • combined infrared-vacuum drying of button mushroom slices. Heat Mass Transfer. ...
  • Salehi, F., and Razavi, S.M.A. 2016b. Modeling of waste brine ...
  • artificial neural network and adaptive neuro-fuzzy inference system. Desalination and ...
  • Treatment. 57: 14369-14378. ...
  • نمایش کامل مراجع