محمد کاوه؛ رضا امیری چایجان؛ یوسف عباسپور گیلانده؛ ترحم مصری گندشمن
چکیده
در این پژوهش، بهمنظور برآورد خواص خشککردن بادمجان در یک خشککن پیوسته از روش شبکههای عصبی مصنوعی (ANN)، الگوریتم بهینهسازی توده ذرات (PSO) و الگوریتم گرگ خاکستری (GWO) استفاده شد. فرآیند خشککردن در سه سطح دمایی (45، 60 و C°75)، سه سطح سرعت هوا (1 و 5/1 و m/s2) و سه سطح سرعت خطی تسمه (5/2، 5/6 و mm/s 5/10) در یک خشککن پیوسته صورت گرفت که این سه پارامتر ...
بیشتر
در این پژوهش، بهمنظور برآورد خواص خشککردن بادمجان در یک خشککن پیوسته از روش شبکههای عصبی مصنوعی (ANN)، الگوریتم بهینهسازی توده ذرات (PSO) و الگوریتم گرگ خاکستری (GWO) استفاده شد. فرآیند خشککردن در سه سطح دمایی (45، 60 و C°75)، سه سطح سرعت هوا (1 و 5/1 و m/s2) و سه سطح سرعت خطی تسمه (5/2، 5/6 و mm/s 5/10) در یک خشککن پیوسته صورت گرفت که این سه پارامتر بهعنوان ورودی در پیشبینی ضریب پخش رطوبت موثر و انرژی مصرفی ویژه، در مدلهای ANN، PSO و GWO مورد استفاده قرار گرفت. آزمایشها برای خشک کردن بادمجان از رطوبت (d.b.%) 1025 تا زمانی که رطوبت نهایی به (d.b.%) 10 رسید انجام گرفت. با توجه به نتایج بهدست آمده، بیشترین مقدار ضریب پخش رطوبت موثر (Deff) برای بادمجان (m2/s 8-10×14/1) حاصل شد. همچنین کمترین مقدار انرژی مصرفی ویژه (SEC) MJ/kg62/130 بهدست آمد. پس از آن 27 نمونه آماده با توجه به استانداردهای مربوطه و مجموعه دادهها بهدست آمد. سپس با توجه به چندین شاخص عملکرد، از جمله ضریب تعیین (R2)، میانگین مربعات خطا (MSE) و میانگین خطای مطلق (MAE)، مدلها مورد بررسی و مقایسه قرار گرفتند و بهترین مدل پیشبینی انتخاب شد. با توجه به نتایج بهدست آمده مقدار R2 برای مدل GWO بهترتیب 9996/0 و 9994/0 برای ضریب پخش رطوبت موثر و انرژی مصرفی نشاندهنده برتر بودن مدل GWO نسبت به سایر مدلها میباشد، در حالی که این مقادیر بهترتیب 9992/0 و 9991/0 برای PSO و 9990/0 و 9988/0 برای ANN بهدست آمد. نتایج نشان داد که مدل GWO دارای ظرفیت بیشتری برای پیشبینی Deff و SEC در مقایسه با دیگر مدلها میباشد.