کاربرد روش بهینه سازی الگوریتم ژنتیک جهت بررسی افت وزن سیب زمینی طی خشک کردن با سامانه مادون قرمز

روش بهینه سازی الگوریتم ژنتیک یکی از روش های نوین بهینه سازی است که عملکرد بالایی در حل مشکلات سیستم های مختلف دارد. این الگوریتم با الگوبرداری از ساختار ژنتیکی انسان، قادر است تا همواره بهینه ترین جواب را ارائه نماید. در این مطالعه رفتار خشک شدن سیب زمینی در یک سامانه مادون قرمز بررسی گردید. اثر توان لامپ مادون قرمز در سه سطح 150، 250 و 375 وات، فاصله نمونه از لامپ در سه سطح 5، 10 و 15 سانتی متر، ضخامت نمونه ها در دو سطح 5/0 و 1 سانتی متر و زمان بر خشک شدن سیب زمینی مورد بررسی قرار گرفت. نتایج خشک کردن سیب زمینی به روش مادون قرمز نشان داد با افزایش توان لامپ و کاهش فاصله نمونه ها از منبع حرارتی، سرعت خشک کردن افزایش می یابد. با افزایش توان لامپ از 150 به 375 وات، مقدار کاهش وزن از 87/29 به 03/78 درصد افزایش یافت. با افزایش فاصله لامپ از 5 به 15 سانتی متر، درصد کاهش وزن از 34/69 به 94/37 درصد، کاهش یافت. با افزایش زمان فرآیند خشک شدن، مقدار کاهش وزن نمونه ها افزایش یافت. در این پژوهش همچنین مدل سازی فرآیند به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی با 4 ورودی (توان، فاصله لامپ، ضخامت نمونه و زمان خشک کردن) و 1 خروجی جهت پیشگویی کاهش وزن انجام شد. نتایج مدل سازی به روش الگوریتم ژنتیک - شبکه عصبی مصنوعی نشان داد شبکه ای با تعداد 18 نرون در یک لایه پنهان و با استفاده از تابع فعال سازی تانژانت هیپربولیک می توان به خوبی درصد کاهش وزن در طی فرآیند خشک کردن سیب زمینی به روش مادون قرمز را پیشگویی نمود (997/0R=). نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که فاصله لامپ پرتودهی مادون قرمز از نمونه ها به عنوان موثرترین عامل در کاهش وزن سیب زمینی می باشد.