مدل سازی سینتیک خشک کردن پیاز در یک خشک کن بستر سیال مجهز به کنترل کننده رطوبت با استفاده از روش های رگرسیونی، منطق فازی و شبکه های عصبی مصنوعی

مدل سازی سینتیک خشک شدن با استفاده از روش های جدید مدل سازی از جمله منطق فازی و شبکه های عصبی مصنوعی می تواند به بهینه سازی فرایند و کاهش انرژی مصرفی کمک کند. در این پژوهش علاوه بر مدل سازی رگرسیونی، در رویکردی جدید اصول منطق فازی و شبکه های عصبی مصنوعی به صورت ترکیبی و مکمل هم به کار برده شده و مدلی فازی – عصبی ارائه ودر نهایت توپولوژی بهینه شبکه های عصبی مصنوعی برای خشک کردن پیاز معرفی شده و ماتریس های ضرایب وزنی آن داده شد.
در این پژوهش ورقه های نازک پیاز در یک خشک کن بستر سیال آزمایشگاهی با سه دمای 40، 50 و 60 درجه سانتیگراد و دو سرعت هوای 2 و 3 متر بر ثانیه در رطوبت هوای ثابت خشک گردید و جهت بررسی سینیتیک خشک کردن آن از سه روش مدلسازی رگرسیونی، منطق فازی و شبکه های عصبی مصنوعی استفاده شد.
در روش مدلسازی تجربی با برازش داده های آزمایشگاهی حاصل با معادلات جبری شناخته شده مربوط به سینتیک خشک کردن، با استفاده از ابزار برازش منحنی نرم افزار MATLAB و تکنیک رگرسیون غیر خطی، مدل تقریب دیفوزیون با ضریب همبستگی 9999/0، ریشه میانگین مربعات خطای 004157/0 و مجموع مربعات خطای 0005702/0 از بین 9 مدل موجود به عنوان بهترین معادله جبری بین متغیرها تعیین گردید. برای شبیه سازی، درون یابی و افزایش نسبت های رطوبت اندازه گیری شده، از ابزار منطق فازی در نرم افزار MATLAB با بکارگیری مدل ممدانی در قالب قواعد اگر-آنگاه و توابع عضویت مثلثی استفاده شد و با وارد کردن نتایج مستخرج از مدل فازی در ابزار شبکه های عصبی مصنوعی، شبکه پس انتشار پیشخور با توپولوژی 2-5-1، و ضریب همبستگی 99956/0 و میانگین مربعات خطای 000039385/0 با بکارگیری تابع فعال سازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ – مارکوات و چرخه یادگیری 1000 اپچ به عنوان بهترین مدل عصبی ارائه گردید.
در مجموع می توان گفت ترکیب اصول منطق فازی و شبکه های عصبی مصنوعی روشی مناسب و قابل اطمینان برای مدل سازی و پیش بینی سینیتیک خشک کردن پیاز و محصولات مشابه می باشد.