مدل‌سازی استخراج روغن از دانۀ کتان به کمک پیش‌تیمار مایکروویو با استفاده از شبکه‌های عصبی مصنوعی

Authors

  • حمید بخش آبادی گروه صنایع غذایی، واحد گنبد کاووس، دانشگاه آزاد اسلامی، گنبد کاووس، ایران
  • مسعود بذرافشان گروه صنایع غذایی، واحد گنبد کاووس، دانشگاه آزاد اسلامی، گنبد کاووس، ایران
  • معصومه مقیمی گروه شیمی، واحد گنبد کاووس، دانشگاه آزاد اسلامی، گنبد کاووس، ایران
Abstract:

در تکنولوژی استخراج روغن، تیماردهی مناسب دانه قبل از استخراج یکی از مهم‌ترین و ضروری‌ترین مراحل برای تولید محصولی با کیفیت و راندمان بالاست. در این تحقیق به‌منظور مدل‌سازی فرایند استخراج روغن از دانه‌های کتان به کمک پیش‌تیمار مایکروویو از زمان‌های مختلف فرایند (90، 180 و 270 ثانیه) و توان‌های مختلف (180، 540 و 900 وات) استفاده گردید و میزان راندمان استخراج، اسیدیته، ضریب شکست، دانسیته، عدد اسیدی و رنگ روغن استخراج‌شده با پرس مورد بررسی قرار گرفت. جهت پیش‌بینی روند تغییرات از ابزار شبکه‌های عصبی مصنوعی در نرم‌افزار 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 داده‌ها مشخص کرد که استفاده از پیش‌تیمار مایکروویو تأثیری در میزان ضریب شکست روغن‌ها ندارد. با بررسی شبکه‌های مختلف شبکۀ پس‌انتشار پیش‌خور با توپولوژی‌های 2-8-6 با ضریب همبستگی بیشتر از 0/999 و میانگین مربعات خطای کمتر از 0/001 و با به‌کارگیری تابع فعال‌سازی لگاریتم سیگموئیدی، الگوی یادگیری جهنده و چرخۀ یادگیری 1000 به‌عنوان بهترین مدل‌ عصبی مشخص گردید. نتایج حاصل از مدل‌های بهینۀ انتخاب‌شده نیز ارزیابی گردید و این مدل‌ها با ضرایب همبستگی بالا (بیش از 0/844) قادر به پیش‌بینی روند تغییرات بودند. باتوجه‌به دقت بالای مدل عصبی می‌توان با اطمینان بالا به پیش‌بینی این مدل‌ها اعتماد کرده و از این مدل‌ها برای بهینه‌سازی و کنترل فرایند استفاده نمود که این امر می‌تواند به صرفه‌جویی در انرژی و زمان منجر شده و ازطرف‌دیگر محصول نهایی مطلوب‌تری را ایجاد کند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدل‌سازی استخراج روغن از دانه‌ کتان با پیش تیمار میدان الکتریکی پالسی با استفاده از شبکه عصبی مصنوعی

دانه کتان یکی از منابع تأمین کننده روغن می باشد که به دلیل میزان بالای اسید چرب ضروری امگا3 مورد توجه قرار گرفته است. در تکنولوژی استخراج روغن، تیماردهی مناسب دانه قبل از استخراج یکی از مهمترین مراحل برای تولید محصولی با کیفیت و راندمان بالا می باشد. در تحقیق حاضر به منظور مد‌‌ل‌سازی فرآیند استخراج روغن دانه‌های کتان به کمک پیش تیمار میدان الکتریکی پالسی، از شدت های 0/5، 3/5 و 6/5 کیلوولت بر سا...

full text

استخراج ترکیبات فنلی از برگ‌های درخت اکالیپتوس (Eucalyptus camaldulensis Dehn.) به کمک مایکروویو و پیش گویی روند استخراج با استفاده از شبکه‌های عصبی مصنوعی

روش‌های استخراج جدید همچون استخراج به کمک مایکروویو، روش‌های سریع و مؤثر برای استخراج ترکیب‌های موثره از بافت‌های گیاهی هستند. با انتخاب صحیح و مناسب روش استخراج می‌توان حداکثر غلظت ترکیب‌های فنلی را با خلوص بالا از ماده مورد نظر در مقایسه با روش‌های سنتی استخراج کرد. در این تحقیق تاثیر غلظت اتانول (10، 20، 30، 40، 50، 60، 70، 80، 90 و 100درصد) و زمان استخراج (5/0، 1، 2، 5، 7، 9، 11، 13 و 15 دق...

full text

استخراج ترکیبات فنلی از برگ‌های درخت اکالیپتوس (Eucalyptus camaldulensis Dehn.) به کمک مایکروویو و پیش گویی روند استخراج با استفاده از شبکه‌های عصبی مصنوعی

روش‌های استخراج جدید همچون استخراج به کمک مایکروویو، روش‌های سریع و مؤثر برای استخراج ترکیب‌های موثره از بافت‌های گیاهی هستند. با انتخاب صحیح و مناسب روش استخراج می‌توان حداکثر غلظت ترکیب‌های فنلی را با خلوص بالا از ماده مورد نظر در مقایسه با روش‌های سنتی استخراج کرد. در این تحقیق تاثیر غلظت اتانول (10، 20، 30، 40، 50، 60، 70، 80، 90 و 100درصد) و زمان استخراج (5/0، 1، 2، 5، 7، 9، 11، 13 و 15 دق...

full text

پیش‌بینی کارایی به کمک تأثیرپذیری غیرخطی از تأخیرهای زمانی در تحلیل پوششی داده‌ها با شبکههای عصبی مصنوعی

هدف: یکی از شیوه‌های مرسوم ارزیابی کارایی هر سازمان یا بنگاه، مقایسه آن با سایر رقبا یا نمونه‌های متناظر آن است. با این حال، در برخی پژوهش‌ها به سنجش کارایی یک واحد در مقایسه با خود در مرور زمان پرداخته شده و روند عملکرد یک واحد نسبت به گذشته خود ارزیابی شده است. هدف پژوهش جاری، پیش‌بینی کارایی یک واحد با استفاده از سری‌های زمانی عملکرد گذشته آن است. روش: این پژوهش به کمک مدل SBM و با استفاده ا...

full text

مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 6  issue 2

pages  199- 210

publication date 2017-09-02

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023