نوع مقاله : مقاله پژوهشی
نویسندگان
دانشگاه شیراز
چکیده
در این تحقیق خواص خشک شدن نخود سبز (Pisum satium ) با رطوبت اولیه 76% بر پایه خشک (db) در یک خشک کن بستر سیالی با کمک ماکروویو مورد مطالعه قرار گرفت. چهار سطح دمای هوای خشک کننده (30، 40، 50 و 60 درجه سانتیگراد) و پنج سطح توان ماکروویو از جمله پارامترهای مورد مطالعه می باشد. یکی از مهمترین تغییرات فیزیکی که در زمان خشک کردن مواد غذائی همراه با نفوذ رطوبت بخارج از ماده رخ می دهد، کاهش حجم پوسته خارجی یا چروکیدگی میباشد. برای اندازه گیری میزان چروکیدگی محصول، در ابتدا و انتهای هر آزمایش توسط یک کولیس سه بعد عمود بر هم نمونه ها اندازه گیری و یادداشت شد تغییرات حجم قرائت گردید. مشاهده شد که با افزایش توان ماکروویو و دمای هوای خشک کننده مورد استفاده میزان چروکیدگی محصول به دلیل سرعت بخشیدن به نرخ خروج رطوبت کاهش می یابد. در ادامه این تحقیق با استفاده از شبکه عصبی مصنوعی مدل مناسبی برای یافتن مدت میزان چروکیدگی (پارامتر خروجی شبکه) ارائه گردید. توان ماکروویو، دمای هوای خشک کننده و محتوای رطوبت دانه به عنوان پارامترهای ورودی مدل می باشد. نتیجه نشان داد که شبکه عصبی مورد استفاده با 4 نرون و تابعlogsig و الگوریتم پس انتشارtrainrp بهینه حالت ممکن برای پیش بینی میزان چروکیدگی محصول می باشد. برای اعتبار سنجی مدل از (RMSE)، (MAE) و(SE) استفاده شد و نتایج نشان داد که این مقادیر کمتر از 5% می باشد این در حالی است که ضریب همبستگی(R2) بیشتر از 98% می باشد.
واژه‌های کلیدی: نخودسبز، خشک کن بسترسیالی، ماکروویو، شبکه عصبی مصنوعی
عنوان مقاله [English]
Applying Artificial Neural Network for Shrinkage Prediction of Green Pea in a Microwave Assisted Fluidized Bed Dryer
نویسندگان [English]
- Leila Momenzadeh
- Ali Asghar Zomorodian
- Darioush Mowla
Shiraz University
چکیده [English]
In this search drying characteristics of green pea (Pisum satium) with an initial moisture content of 76% (db) was studied in a fluidized bed dryer assisted by microwave heating. Four drying air temperatures (30, 40, 50 and 60ºC) and five microwave powers (180, 360, 540, 720 and 900W) were adopted. At each drying operating conditions the volume of green pea was calculated by measuring the three principal characteristic dimensions and the variation of the ratio of mean diameter of the kernel to its initial mean diameter was investigated for different operating conditions. It has been shown that power of microwave and temperature of drying could reduce the shrinkage of particles considerably. Furthermore, in this study, the application of Artificial Neural Network (ANN) for predicting the drying time (output parameter) was investigated. Microwave power; drying air temperature and green pea moisture content were considered as input parameters for the model. An ANN model with 4 neurons was selected for studying the influence of transfer functions and training algorithms. The results revealed that a network with the logsig transfer function and trainrp back propagation algorithm made the most accurate predictions for the green pea drying system. In order to test the ANN model, (RMSE), (MAE) (SE) were calculated and found that the random errors were within and acceptable range of ±5% with correlation coefficient (R2) of 98%.
Keywords: Green pea, Fluidized bed dryer, Microwave, Artificial Neural Network
)
ارسال نظر در مورد این مقاله