پیش بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک
نویسنده:
چکیده:
سابقه و هدف
خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و موثر بر ویژگی های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه های عصبی مصنوعی در آموزش پذیری و پردازش موازی داده ها با روابط غیر خطی، هدف از این پژوهش تهیه مدل هایی مناسب به منظور پیش بینی خصوصیات رئولوژیکی خمیر با توجه به ویژگی های فیزیکوشیمیایی آرد است.مواد و روش ها
طیف وسیعی از آردهای تهیه شده در کارخانه های مختلف کشور جمع آوری و هفت ویژگی فیزیکوشیمیایی آنها مورد ارزیابی قرار گرفت. آزمون های نوسانی روبش کرنش و روبش فرکانس بر خمیر حاصل از نمونه ها انجام و دو پارامتر مهم حاصل از آنها به منظور مدل سازی انتخاب شدند. پس از آموزش شبکه ها و تعیین پارامترهای آنها با استفاده از الگوریتم بهینه ساز ژنتیک و آزمودن هر شبکه، بررسی حساسیت پارامترهای خروجی به فاکتورهای ورودی شبکه صورت گرفت.یافته ها
شبکه های طراحی شده از انواع پرسپترون چهار لایه ای هستند که اولی با حذف دو پارامتر گلوتن مرطوب و اندیس ابعاد ذرات آرد، دارای 5 نرون در لایه ورودی و 15 نرون در لایه های پنهان اول و دوم جهت پیش بینی عرض از مبدا و دومی با 7 نرون لایه ورودی، 24 نرون در لایه پنهان اول و 17 نرون در لایه پنهان دوم جهت پیش بینی شیب مدل برازش یافته بر روبش فرکانس مورد استفاده قرار گرفت. با استفاده از شبکه های گسترش یافته، پیش بینی خصوصیات رئولوژیکی خمیر با ضریب همبستگی بیش از 97% صورت گرفت. اندیس گلوتن و عدد زلنی به عنوان موثرترین پارامترها بر تغییر ویژگی های رئولوژیکی خمیر شناسایی شدند.نتیجه گیری
شبکه های عصبی مصنوعی-الگوریتم ژنتیک ابزار توانمندی در پیش بینی خصوصیات رئولوژی خمیر هستند. آزمون حساسیت شبکه بهینه به خوبی اهمیت پیش بینی کنندگی ویژگی های فیزیکوشیمیایی آرد بر تغییرات خصوصیات رئولوژیکی بنیادی خمیررا نشان می دهد.کلیدواژگان:
زبان:
فارسی
صفحات:
67 تا 77
لینک کوتاه:
magiran.com/p1450980
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!