مدلسازی فرایند پخت در حین استخراج روغن از دانههای آفتابگردان با استفاده از شبکههای عصبی مصنوعی در مقیاس صنعتی | ||
| مجله علوم و صنایع غذایی ایران | ||
| Article 10, Volume 14, Issue 70, 1396, Pages 113-122 PDF (410.97 K) | ||
| Authors | ||
| حمید بخش آبادی1; مرضیه وحدانی2; معصومه مقیمی* 3; مسعود بذرافشان4; شیلان رشیدزاده5; ابولفضل بوژمهرانی6 | ||
| 1دانشجوی دکتری مهندسی مواد و طراحی صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان | ||
| 2دانش آموخته کارشناسی ارشد علوم و صنایع غذایی، دانشگاه آزاد اسلامی، دامغان، ایران | ||
| 3گروه شیمی، واحد گنبد کاووس، دانشگاه آزاد اسلامی، گنبد کاووس، ایران | ||
| 4دانش آموخته دکتری تکنولوژی مواد غذایی، دانشگاه آزاد اسلامی، سبزوار، ایران | ||
| 5مدرس دانشگاه پیامنور شهرستان گرگان | ||
| 6عضو هئیت مدیره شرکت پنبه و دانههای روغنی خراسان | ||
| Abstract | ||
| چکیده مرسومترین روشهای استخراج روغن از دانههای روغنی، استفاده از پرس و حلال میباشد که موثرترین روش استخراج روغن آفتابگردان، مانند سایر دانههای با درصد روغن بالا نظیر کلزا، پرس مکانیکی و به دنبال آن استخراج با حلال میباشد. در این تحقیق به منظور مدلسازی فرایند استخراج روغن از دانههای آفتابگردان در مقیاس صنعتی از 3 سطح دمای پخت (70، 80 و 100 درجه سانتیگراد) و سه سطح رطوبت دانههای خروجی از دیگ پخت (7، 5/7 و 8 درصد) استفاده گردید و میزان روغن، رطوبت و پروتئین کنجاله و درصد مواد ریز نامحلول در روغن و اسیدیته روغن مورد بررسی قرار گرفت. جهت پیشبینی روند تغییرات از ابزارشبکههای عصبی مصنوعی در نرمافزار MATLAB R2013a استفاده شد. با بررسی شبکههای مختلف شبکهی پسانتشار پیشخور با توپولوژیهای2-5-10 با ضریب همبستگی بیشتر از 999/0 و میانگین مربعات خطای کمتر از 003/0 و با بکارگیری تابع فعالسازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ– مارکوات و چرخه یادگیری 1000 به عنوان بهترین مدل عصبی مشخص گردید. نتایج حاصل از مدلهای بهینهی انتخاب شده نیز ارزیابی گردید و این مدلها با ضرایب همبستگی بالا )بیش از 96/0( قادر به پیشبینی روند تغییرات بودند. | ||
| Keywords | ||
| کلید واژگان: دانههای آفتابگردان; روغنکشی; مدلسازی; شبکه عصبی | ||
|
Statistics Article View: 98 PDF Download: 94 |
||
| Number of Journals | 45 |
| Number of Issues | 2,160 |
| Number of Articles | 24,577 |
| Article View | 20,124,789 |
| PDF Download | 16,164,047 |