پیش بینی برخی خواص خشک کردن دانه های انار، انگور و بنه به کمک شبکه های عصبی مصنوعی

پیش بینی برخی خواص مکانیکی و خشک کردن دانه آفتابگردان به کمک شبکه های عصبی مصنوعی

آفتابگردان یکی از دانه های روغنی مهم جهان می باشد، که سطح زیر کشت آن در ایران 100 هزار هکتار با عملکرد یک تن در هکتار می باشد و ارقام روغنی آن محتوی بیش از 29 درصد روغن بوده و ماده ی خام مناسبی برای صنایع فرآوری به شمار می آید. برای جلوگیری از تلفات به دلیل شکسته شدن ساقه، آسیب توسط پرندگان و شرایط آب و هوایی نامساعد، آفتابگردان اغلب در رطوبت بالاتر از سطح ذخیره سازی ایمن، برداشت می شود. از این...

پیش‌بینی برخی خصوصیات خشک کردن پسته، آلبالو و بنه به کمک شبکه‌های عصبی مصنوعی

هدف از این تحقیق تخمین مقادیر ضریب نفوذ مؤثر رطوبت، انرژی مصرفی ویژه، آهنگ خشک کردن و نسبت رطوبت در فرایند خشک کردن سه محصول پسته، آلبالو و بنه با خشک­کن مادون قرمز- جابجایی به کمک شبکه­های عصبی مصنوعی می باشد. به منظور پیش­بینی این پارامترها از پنج عامل مؤثر نوع محصول، سرعت هوای ورودی، دمای هوای ورودی، توان تابش مادون قرمز و زمان خشک کردن استفاده گردید. از شبکه­ها و الگوریتم­های متعددی برای آم...

پیش بینی برخی خصوصیات حرارتی، فیزیکی و مکانیکی میوه بنه پس از خشک کردن با خشک کن پیوسته نیمه صنعتی به کمک شبکه های عصبی مصنوعی

چکیده هدف از این پژوهش، پیش­بینی برخی خصوصیات حرارتی (ضریب پخش مؤثر رطوبت و انرژی ویژه مصرفی)، فیزیکی (چروکیدگی و تغییرات کلی رنگ) و مکانیکی (نیروی شکست) میوه بنه در طی فرآیند خشک­کردن با خشک­کن پیوسته نیمه صنعتی به کمک شبکه­های عصبی مصنوعی بود. سه عامل موثر شامل دمای هوای ورودی، سرعت هوای ورودی و سرعت تسمه در عملکرد خشک­کن جریان پیوسته به عنوان متغیرهای مستقل در نظر گرفته شد. آزمایش­ها در سه س...

یش بینی برخی خصوصیات فیزیکی، مکانیکی و خشک کردن بنه (پسته وحشی) به کمک شبکه های عصبی مصنوعی

خشک کردن، حذف حداکثر آب از محصول با هدف افزایش مدت نگهداری است و از قدیمی ترین روش های حفظ مواد غذایی و محصولات کشاورزی می باشد. سالانه میلیون ها تن فراورده های زراعی، باغی، دامی، شیلاتی، و غیره توسط روش های مختلف خشک کردن، خشک می شوند که ضمن ایجاد تنوع در محصول و افزایش زمان ماندگاری، باعث کاهش قابل توجهی در هزینه های حمل ونقل و انبار داری می شود (توکلی پور، 1385؛ آغباشلو و همکاران، 2009). در ...

انتخاب نمودارهای بهینه در پیش بینی اشباع و تخلخل به کمک شبکه های عصبی مصنوعی

پیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی

Optimization of machining parameters is very important and the main goal in every machining process. Surface finishing prediction is a pre-requirement to establish a center for automatic machining operations. In this research, a neuro-fuzzy approach is used in order to model and predict the surface roughness in dry turning. This approach has both the learning capability of neural network and li...