بررسی آزمایشگاهی و مدلسازی سینتیک خشک کردن شلتوک در خشک کن هوای گرم توسط شبکه عصبی مصنوعی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 459

فایل این مقاله در 9 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_JIFT-6-4_004

تاریخ نمایه سازی: 2 تیر 1399

چکیده مقاله:

برنج در هنگام برداشت رطوبت بالایی دارد که یکی از روش های رایج جهت کاهش سرعت فساد، فرآیند خشک کردن است. در این تحقیق سینتیک خشک کردن شلتوک با هوای گرم با استفاده از 3 متغیر سرعت هوای گرم ((m/s)65/0 و 8/0)، دمای هوای گرم ((0C)50،65) و رطوبت نهایی (11 و 13%) بررسی شد. مدل سازی سینتیک خشک کردن شلتوک توسط شبکه عصبی پرسپترون چند لایه انجام شد. به منظور بررسی عملکرد الگوریتم های آموزش و توابع انتقال مختلف در پیش بینی رفتار خشک کردن شلتوک، از 3 الگوریتم لونبرگ مارکوارت، پس انتشار ارتجاعی و گرادیان نزولی مقیاسی و 2 تابع انتقال تانژانت سیگموئید و سیگموئید لگاریتمی استفاده شد. نتایج حاصل از این بررسی بدین گونه بوده که حداکثر زمان خشک شدن در دمای 0C50، سرعت هوای گرم (m/s)65/0 و رطوبت نهایی 11٪ تقریبا برابر با 8 ساعت و حداقل زمان خشک شدن در دمای 0C 65، سرعت هوای گرم(m/s) 8/0و رطوبت نهایی 13٪ معادل با 1ساعت و 21 دقیقه بوده است. بنابراین به طور کلی می توان گفت با افزایش دما، سرعت و رطوبت، زمان خشک شدن کاهش می یابد. همچنین، نتایج حاصل از مدل سازی نشان داد که مدل سازی بوسیله ی شبکه عصبی با الگوریتم آموزش لونبرگ مارکوارت نسبت به سایر الگوریتم ها بهترین عملکرد را داشته و به طورکلی توپولوژی 1-11-3 با الگوریتم آموزش لونبرگ مارکوارت و تابع انتقال سیگموئید لگاریتمی کمترین خطا و بیشترین ضریب همبستگی نسبت به سایر حالات داشته است.

کلیدواژه ها:

شلتوک ، سینتیک خشک کردن ، خشک کن هوای گرم ، شبکه عصبی پرسپترون چندلایه

نویسندگان

محمد ابراهیم محمدپور میر

دانشجوی کارشناسی ارشد، گروه ترموسینتیک و کاتالیست، دانشکده مهندسی شیمی، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

کامیار موقرنژاد

استاد، گروه ترموسینتیک و کاتالیست، دانشکده مهندسی شیمی، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

سارا نانواکناری

دانشجوی دکترا، گروه ترموسینتیک و کاتالیست، دانشکده مهندسی شیمی، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

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 :
  • اصغری، م.؛ ابراهیمی، ر.؛ حسین زاده، ب.؛ قنبریان، د. (1396) ...
  • یوسفی، ع.؛ قاسمیان، ن.؛ سالاری، ا. (1396) مدل­سازی سینتیک خشک­کردن ...
  • Rafiee, S. (1998). An investigation on paddy drying techniques. MS ...
  • Discala, J. K., Meschino, G., Vega-Galvez, A., Lemus- Mondaca,  R., ...
  • Cao, C., Wang, X. B. (2002). Automatic control of grain ...
  • Dayhoff, J. E. (1990) . Neural Network Principles. Prentice – ...
  • Akin, D., Akba, B. (2010). A Neural Network (NN) Model ...
  • Satish, S., Setty, Y. P. (2005). Modeling of a continuous ...
  • Cubillos, F., Reyes, A. (2003). Drying of carrots in a ...
  • Momenzadeh, L., Zomorodian, A., Mowla, D. (2011). Experimental and theoretical ...
  • Cakmak, G., Yildiz, C. (2011). The prediction of seedy grape ...
  • Rad, S.J., Kaveh, M., Sharabiani, V.R., Taghinezhad, E. (2018). Fuzzy ...
  • Yadollahnia, A. R.(2006). A thin layer drying model for paddy ...
  • Dinani, S.T., Hamdami, N., Shahedi, M., Havet, M. (2014). Mathematical ...
  • Niamnuy, C., Kerdpiboon, S., Devahastin, S. (2012). Artificial neural network ...
  • Azadbakht, M., Aghili, H., Ziaratban, A., Torshizi, M.V. (2016). Application ...
  • نمایش کامل مراجع