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 رو برای جلوگیری از رشد میکروب ها و حفاظت محصول برای عملیات روغن کشی، خشک کردن دانه های آفتابگردان امری ضروری است. در این پژوهش ابتدا فرآیند خشک شدن دانه های آفتابگردان نوع روغنی به صورت لایه نازک، با به کار گیری یک دستگاه خشک کن بستر سیال مادون قرمز آزمایشگاهی، انجام شد. سپس با استفاده از آزمون فاکتوریل در قالب طرح کاملاً تصادفی، تأثیر تغییرات شرایط بستر (ثابت m/s94/0، نیمه سیال m/s83/1 و سیال m/s71/2)، دمای هوای ورودی (30، 45، 60 و c° 75 ) و توان مادون قرمز (500، 1000 و w 1500) بر روی پارامترهای زمان خشک کردن، ضریب نفوذ موثر رطوبت، انرژی فعال سازی، انرژی مصرفی، نیروی شکست و انرژی شکست مورد ارزیابی قرار گرفت. ده مدل نیمه تجربی استاندارد بر داده های آزمایشگاهی برازش داده شد. کیفیت برازش مدل ها بر حسب سه پارامتر ضریب تعیین (r2)، مربع کای (?2) و ریشه متوسط مربع خطای داده ها (rmse) مورد تجزیه و تحلیل آماری قرار گرفت. در نهایت از شبکه های عصبی مصنوعی برای پیش بینی برخی از پارامترهای فوق استفاده شد. نتایج به دست آمده نشان داد که تأثیر عوامل دما و توان تابش مادون قرمز بر فرآیند خشک شدن معنی دار می باشد و با افزایش دمای هوا و توان مادون قرمز، زمان خشک شدن کاهش یافت. در فرآیند مدل سازی، مدل های میدیلی و همکاران، پیج و همکاران و دوجمله ای نسبت به سایر مدل ها دارای برازش بهتری بودند. حداکثرضریب نفوذ موثر رطوبت دانه آفتابگردان در بستر ثابت، دمای هوای ورودی c°75 و توان مادون قرمز w 1500 (10-10× 756/10( متر مربع بر ثانیه و مقدار حداقل آن (10-10× 71/0( متر مربع بر ثانیه در بستر ثابت، دمای هوای ورودی c°30 و توان مادون قرمز w 500 به دست آمد. حداقل و حداکثر انرژی فعال سازی نیز در حدود 77/37 تا 25/48 کیلوژول بر مول تغییر کرد. حداقل میزان انرژی مصرفی ( kj/kg 106×28/1) در بستر ثابت و دمای هوای ورودی c°30 و توان مادون قرمز w 500 محاسبه شد و حداکثر مقدار آن ( kj/kg 106×21/17) در بستر سیال و دمای هوای ورودی c°75 و توان مادون قرمز w 1500 به دست آمد. نتایج حاصل از انجام آزمایشات خواص مکانیکی با دستگاه آزمون مواد بر روی دانه های خشک شده در شرایط مختلف سرعت، دما و توان مادون قرمز، نشان داد که بیشترین نیرو و انرژی شکست (به ترتیب n 72/35 و n.mm73/348) در شرایط بستر سیال، دمای هوای ورودی c°75 و توان مادون قرمز w 1500 به دست آمد و کمترین مقدار آن ها (به ترتیب n 50/16 و n.m94/187) در شرایط بستر ثابت، دمای هوای ورودی c°30 و توان مادون قرمز w 500 به دست آمد. برای بررسی عملکرد شبکه mlp برای پیش بینی ضریب نفوذ موثر رطوبت با یک و دو لایه پنهان از توپولوژی های مختلف با تعداد نرون های مختلف مورد استفاده قرار گرفت. در مرحله اول بعد از آموزش شبکه بهترین توپولوژی بر اساس بیشترین ضریب همبستگی (r2) و کمترین میانگین خطای مطلق (mae) و کمترین میانگین مربعات خطا (mse)، که در قالب ساختار پس انتشار پیش خور (ffbp) و پس انتشار پیش رو (cfbp) و قاعده های آموزش لونبرگ- مارکوات (lm) وتنظیم بیزی(br) از میان توپولوژی های مختلف تعیین شد. نتایج حاصل از به کارگیری شبکه عصبی برای پیش بینی ضریب نفوذ موثر رطوبت با توپولوژی های مختلف نشان داد که ساختار cfbp با تابع آموزش لونبرگ - مارکوات (lm) و آرایش 1-3-5-3 و تابع محرک tansig-purelin-purelin با 989/0r2=، 00051/0mse=، 10-10×807/0mae= و 10-10×567/0=stdmae با 28 چرخه آموزش، به عنوان بهترین شبکه مطلوب بود. بهترین شبکه برای برآورد انرژی مصرفی دانه های آفتابگردان، دارای ساختار ffbp، با تابع تنظیم بیزی (br)، باآرایش شبکه 1-3-5-3 و تابع محرک tansig -purelin- purelin با 987/0r2=، 00140/0 =mse، 106×627/0mae=، 106×446/0=stdmae و چرخه آموزش 11 انتخاب شد. برای پیش بینی نیروی شکست دانه های آفتابگردان، بهترین شبکه با ساختار ffbp، تابع آموزش لونبرگ -مارکوات (lm) و با آرایش 1-3-3 و تابع محرک tansig-purelin با 988/0r2=، 00023/0mse=، 03/1mae= و 726/0=stdmae با 18 چرخه آموزش به دست آمد. برای پیش بینی انرژی شکست دانه های آفتابگردان، بهترین شبکه باساختار ffbp، تابع آموزش لونبرگ - مارکوات (lm) و با آرایش 1-5-4-3 و تابع محرک tansig-purelin-tansig با 986/0r2=، 00108/0mse=، 86/5mae= و 72/3=stdmae با 17 چرخه آموزش انتخاب شد.