پیش بینی ضرایب انتقال حرارت سطحی و کینتیک های انتقال جرم نمونه های بادمجان طی فرایند سرخ کردن عمیق با استفاده از شبکه عصبی مصنوعی (ANN)

انتقال رطوبت و روغن بر توزیع دما در سیستم نقش داشته و باعث ایجاد شار حرارتی متغیر در فرایند می گردد. لذا در این پژوهش با استفاده از شبکه عصبی مصنوعی به بررسی و پیش بینی ضرایب انتقال حرارت سطحی و کینتیک های انتقال جرم (رطوبت و روغن) طی فرایند سرخ کردن نمونه های بادمجان پرداخته شد. اثر پیش تیمار خشک کردن با هوای داغ در چهار سطح دمایی (40، 70، 100 و 130 درجه سانتی گراد) تا رسیدن به سطوح رطوبتی 12 و 5 گرم بر گرم ماده خشک، دماهای مختلف سرخ کردن (130، 150 و 170 درجه سانتی گراد) طی مدت زمان 6 دقیقه در فواصل زمانی یک دقیقه ای بر محتوی روغن و رطوبت برش های بادمجان طی فرایند سرخ کردن عمیق با سه بار تکرار مورد بررسی قرار گرفت. پروفیل های دمایی در سطوح بالا و پایین نمونه ها طی فرایند سرخ کردن عمیق با قرار دادن ترموکوپل نوع K نیز ثبت گردید. ارتباط بین ضریب انتقال حرارت سطحی وکینتیک های انتقال جرم نمونه های بادمجان، طی فرایند سرخ کردن عمیق با استفاده از تحلیل مولفه اصلی (PCA) نشان داد که داده های موجود در 3 ناحیه مختصاتی PC، متفاوت قرار داشتند. نتایج حاصل از بررسی ضرایب انتقال حرارت سطحی و کینتیک های انتقال جرم نمونه های بادمجان طی فرایند سرخ کردن عمیق با استفاده از شبکه عصبی مصنوعی پس انتشار با ساختار پرسپترون چند لایه (MLP)، حاکی از وجود یک رابطه پیچیده بین پارامترهای انتقال حرارت سطحی و جرم نمونه های بادمجان طی فرایند سرخ کردن عمیق بود. شبکه مورد استفاده شامل تابع سیگموئید در لایه مخفی و الگوریتم آموزش لونبرگ-مارکوارت (ML) با توپولوژی سه لایه 4-5-4 با ضریب تبیین (R2) 97/0 و متوسط مربع خطای (MSE) 0013/0، بهترین شبکه برای پیش بینی کینتیک های انتقال رطوبت، روغن و ضریب انتقال حرارت سطحی به دست آمد. با توجه به نتایج فوق می توان بیان نمود که این شبکه امکان دست یابی به دما و زمان سرخ کردن با کمترین مقادیر رطوبت و روغن در نمونه های بادمجان سرخ شده را در کمترین زمان ممکن فراهم می کند.