محسن مختاریان؛ مجتبی حیدری مجد؛ امیر دارائی گرمه‌خانی؛ الهام زایرزاده
چکیده
امروزه، استفاده از شبیه‌ساز ریاضی و مدل‌سازی منحنی‌های خشک‌کردن، ابزار مفیدی برای بهبود سیستم‌های کنترل کیفیت محصول نهایی در شرایط مختلف است. این روش‌ها معمولاً برای مطالعۀ عوامل موجود در فراآیند، بهینه‌سازی شرایط و فاکتورهای کاری و پیش‌بینی سینتیک خشک‌شدن محصول اعمال می‌شود. در مقالۀ حاضر به‌منظور پیش‌بینی نسبت رطوبت ورقه‌های ...
بیشتر
امروزه، استفاده از شبیه‌ساز ریاضی و مدل‌سازی منحنی‌های خشک‌کردن، ابزار مفیدی برای بهبود سیستم‌های کنترل کیفیت محصول نهایی در شرایط مختلف است. این روش‌ها معمولاً برای مطالعۀ عوامل موجود در فراآیند، بهینه‌سازی شرایط و فاکتورهای کاری و پیش‌بینی سینتیک خشک‌شدن محصول اعمال می‌شود. در مقالۀ حاضر به‌منظور پیش‌بینی نسبت رطوبت ورقه‌های گوجه‌فرنگی خشکشده از دو ابزار هوشمند ازجمله شبکۀ عصبی مصنوعی (ANN) و الگوریتم ژنتیک (GA) استفاده شده است. برایاینمنظور، ابتدا 4 مدل ریاضی از سایر مطالعهها گرفته شد و سپس با دادههای تجربی مطابقت داده شدند. سپس بهترین مدل برازش برای منحنی خشک‌کردن گوجه‌فرنگی انتخاب شد. طبق نتایج، مدلی که توسط آغباشلو و همکاران پیشنهاد شده است، عملکرد بسیار خوبی به‌منظور پیش‌بینی نسبت رطوبت ورقه‌های گوجه‌فرنگی خشکشده نشان داد. علاوهبر این، از الگوریتم ژنتیک برای بهینه‌سازی بهترین مدل تجربی استفاده شد. درنهایت، نتایج این تحقیق با نتایج مشاهدهشده در مدلهای شبکۀ عصبی مصنوعی و الگوریتم ژنتیک مقایسه شد. نتایج نشان داد که مدل الگوریتم ژنتیک دقت بالاتری را به‌منظور پیش‌بینی نسبت رطوبت گوجه‌فرنگی خشک با ضریب همبستگی (R2) 0/9987 ارائه میدهد.
