مدلسازی اثر توام پلاسمای سرد و توان فراصوت بر خشک شدن دانههای زیره سبز در یک خشککن هوای گرم با استفاده از شبکه عصبی مصنوعی | ||
| ماشین های کشاورزی | ||
| دوره 15، شماره 1 - شماره پیاپی 35، بهار 1404، صفحه 1-22 اصل مقاله (1.56 M) | ||
| نوع مقاله: مقاله پژوهشی انگلیسی | ||
| شناسه دیجیتال (DOI): 10.22067/jam.2024.85744.1209 | ||
| نویسندگان | ||
| مسلم نامجو* 1؛ مهدی مرادی2؛ محمد امین نعمت اللهی2؛ حسین گلبخشی3 | ||
| 1گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه جیرفت، جیرفت، ایران | ||
| 2گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران | ||
| 3گروه مکانیک، دانشگاه جیرفت، جیرفت، ایران | ||
| چکیده | ||
| این مطالعه بهمنظور بررسی اثر زمان پلاسمای سرد (CPt) و توان امواج فراصوت (USp) بر خشک شدن دانه زیره سبز در یک خشککن هوای گرم انجام شد. در این راستا، از یک دستگاه تولید پلاسمای سرد و یک خشککن هیبریدی هوای گرم- فراصوت در مقیاس آزمایشگاهی استفاده شد و روشهای خشک کردن به گونهای برنامهریزی شد که اثرات CPt و USp در خشک کردن دانهها بهصورت منفرد یا ترکیبی دخالت داشته باشند. زمانهای مختلف پیشتیمار پلاسمای سرد (15 و 30 ثانیه)، توانهای امواج فراصوت (60، 120 و 180 وات) و دمای هوای خشک شدن (30، 35 و 40 درجه سانتیگراد) برای مطالعه تغییرات زمان خشک کردن، ضریب نفوذپذیری مؤثر رطوبت، مصرف انرژی، تغییر رنگ کل، نیروی گسیختگی بذر زیره سبز انجام گرفت. از سه شبکه عصبی مصنوعی معروف شامل شبکه عصبی مبتنی بر موجک (WNN)، پرسپترون چندلایه (MLPNNs)، تابع پایه شعاعی (RBFNNs) و تحلیل رگرسیون چندگانه درجه دوم (MQR) برای مدلسازی ورودیهای مذکور و پارامترهای خشککردن استفاده شد. بر اساس نتایج مدلسازی، بهترین برازش خطی بین دادههای تجربی و مقادیر پیشبینیشده توسط مدلسازی شبکه عصبی WNN با حداکثر R2،0.92 و 0.83 بهترتیب برای دادههای آموزش و تست بهدست آمد. | ||
| کلیدواژهها | ||
| پلاسمای سرد؛ خشک کردن؛ دانههای زیره سبز؛ شبکه عصبی مصنوعی؛ فراصوت | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,112 تعداد دریافت فایل اصل مقاله: 922 |
||