مدل سازی استخراج روغن از دانه کتان به کمک پیش تیمار مایکروویو با استفاده از شبکه های عصبی مصنوعی

در تکنولوژی استخراج روغن، تیماردهی مناسب دانه قبل از استخراج یکی از مهم ترین و ضروری ترین مراحل برای تولید محصولی با کیفیت و راندمان بالاست. در این تحقیق به منظور مدل سازی فرایند استخراج روغن از دانه های کتان به کمک پیش تیمار مایکروویو از زمان های مختلف فرایند (90، 180 و 270 ثانیه) و توان های مختلف (180، 540 و 900وات) استفاده گردید و میزان راندمان استخراج، اسیدیته، ضریب شکست، دانسیته، عدد اسیدی و رنگ روغن استخراج شده با پرس مورد بررسی قرار گرفت. جهت پیش بینی روند تغییرات از ابزار شبکه های عصبی مصنوعی در نرم افزار MATLAB R2013a استفاده شد. نتایج نشان داد که با افزایش توان و زمان مایکروویو، راندمان استخراج روغن، اندیس اسیدی و اسیدیته، دانسیته و رنگ روغن افزایش یافت. آنالیز واریانس داده ها مشخص کرد که استفاده از پیش تیمار مایکروویو تاثیری در میزان ضریب شکست روغن ها ندارد. با بررسی شبکه های مختلف شبکه پس انتشار پیش خور با توپولوژی های 2-8-6 با ضریب همبستگی بیشتر از 0.999 و میانگین مربعات خطای کمتر از 0.001 و با به کارگیری تابع فعال سازی لگاریتم سیگموییدی، الگوی یادگیری جهنده و چرخه یادگیری 1000 به عنوان بهترین مدل عصبی مشخص گردید. نتایج حاصل از مدل های بهینه انتخاب شده نیز ارزیابی گردید و این مدل ها با ضرایب همبستگی بالا (بیش از 0.844) قادر به پیش بینی روند تغییرات بودند. باتوجه به دقت بالای مدل عصبی می توان با اطمینان بالا به پیش بینی این مدل ها اعتماد کرده و از این مدل ها برای بهینه سازی و کنترل فرایند استفاده نمود که این امر می تواند به صرفه جویی در انرژی و زمان منجر شده و ازطرف دیگر محصول نهایی مطلوب تری را ایجاد کند.