پیش بینی محتوای رطبتی مدت زمان خشک شدن نیروی لازم برای شکست دانه شلتوک با استفاده از شبکه عصبی در خشک کن ترکیبی مادون قرمز- هوای گرم

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 842

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCAMEM07_368

تاریخ نمایه سازی: 8 بهمن 1391

چکیده مقاله:

هدف از این تحقیق پیش بینی محتوای رطوبتی شلتوک، زمان خشک شدن و نیروی لازم برای شکست دانه شلتوک در طی خشک کردن با روش ترکیبی مادون قرمز- هوای گرم به عنوان تابعی از توان تابش ، دمای هوای ورودی و سرعت هوای ورودی به کمک شبکه های عصبی مصنوعی است. در این تحقیق اثر عوامل تاثیر گذار توان تابشی د رچهار سطح صفر، 0/2 و 0/4 و 0/6 W/cm2 دمای هوای ورودی در سه سطح (30 و 40 و 50 درجه سلسیوس) و سرعت هوا در چهار سطح (0/1 و 0/15 و 0/2 متر بر ثانیه) استفاده شد. برای ایجاد الگوهای آموزش و ارزیابی و تست به کمک یک خشک کن آزمایشگاهی، آزامایش های خشک کردن انجام گرفت. با بدشت آمدن تغییرات محتوای رطوبتی با زمنان از شبکه MLP و الگوریتم های یادگیری scg و lm برای آموزش الگوها استفاده شد. در پایان یک مدل با دو لایه 8 و 14 نرونی برای پیش بینی محتوای رطوبتی رد طی فرآیند خشک شدن با خطای ارزیابی (MSE) 0/0012 با ضریب تبیین 0/998، یک مدل با دو لایه 10 و 10 نرونی برای زمان خشک شدن با خطایی ارزیابی (MSE) 0/0012 با ضریب تبیین 0/997 و در نهایت یک مدل با دو لایه 8 و 12 نرونی با خطای ارزیابی (MSE) 0/0024 و با ضریب تبیین 0/998 برای تخمین نیروی شکست در شلتوک بدست آمد.

کلیدواژه ها:

خشک کن مادون قرمز- هوای گرم ، شبکه عصبی ، محتوای رطوبتی

نویسندگان

داریوش زارع

استادیار بخش مکانیک ماشین های کشاورزی دانشگاه شیراز

حسین نادری

دانشجوی فارغ التحصیل کارشناسی ارشد بخش مکانیک ماشین های کشاورزی دانش

عبدالعباس جعفری

استادیار بخش مکانیک ماشین های کشاورزی دانشگاه شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • بخشی پور زیارتگاهی، ع. 1389. کاربرد ماشین بینایی و شبکه ...
  • دانشگاه شیراز، 14 الی 16 شهریور 1391 ...
  • بهروزی، ن . توکلی، ت. امیری، ر. خوش تقاضا، _ ...
  • دانشگاه شیراز، 14 الی 16 شهریور 1391 ...
  • دانشگاه شیراز، 14 الی 16 شهریور 1391 ...
  • Cubillos, F., A. Reyes. 2003. Design of a model based ...
  • DiMattia, D.G., Amyotte, P.R. and Hamdullahpur, F. 1996. Fluidized bed ...
  • Erentork, S., K. Erentork. 2007. Comparison of genetic algorithm and ...
  • Farkas, I. Remenyi, P. and Biro, A. 2000. Modeling aspects ...
  • Giner, S.A. and DeMichelis, A. 1988. Evaluation of the thermal ...
  • Hebbar, H., K.H. Vishwanathan, M.N. Rames. 2004. Development of combined ...
  • Khanna, T. 1990. Foundation ofneural network. Addison-We sley Publishing Company ...
  • Lu, R., T.J. Seibenmorgen. 1995. Correlation of HRY to selected ...
  • Martynenko, A.I. and Yang, S.X. 2006. Biologically inspired neural computation ...
  • Momenzadeh, L., Zomorodian, A. and Mowla, D., 2011, Experimental and ...
  • Prasad, B.V.S., Chandra. P.K and Bal, S. 1994. Drying parboiled ...
  • Siebenmorgen, T.J., G. Qin. 2005a. Influence of drying on rice ...
  • Siebenmorgen, T.J., G. Qin. 2005b. Relating Rice Kernel Breaking Force ...
  • Soponronnarit, S. 1999 _ Fluidized bed paddy drying. Science Asia, ...
  • Teter, N. 1987. Paddy Drying Manual. Rome: Food and Nutrition ...
  • Tripathy, p., S. Kumar. 2008. Neural network approach for food ...
  • Widrow, B., D.E. Rumelhart, M.N. Lehr. 1994. Neural Networks: Application ...
  • Yildiz, C., Cakmak, G. 2011. The prediction of seedy grape ...
  • نمایش کامل مراجع