---

چکیده هدف اصلی از اجرای این پژوهش، بررسی امکان استفاده از آنزیم لیپاز به عنوان بیوامولسیفایر برای تهیه نان باگت بود. لیپاز در سه سطح ۱۰ ،۳۰ و ۵۰ ppm  مورد استفاده قرار گرفت . در این تحقیق ویژگی های شیمیایی آرد تعیین گردید و تأثیر استفاده از آنزیم در سه سطح به طور مجزا بر ویژگی های حجم، رطوبت، بیاتی و رنگ ارزیابی شد و ویژگی های حسی توسط ۱۰ ارزیاب  آموزش دیده مورد بررسی قرار گرفتند. نتایج نشان داد که در ارزیابی حسی تفاوت معنی داری بین تیمارها از نظر صفت عطر و بو، حجم، مزه، رنگ پوسته، تناسب شکل، ترک و پارگی و مجموع امتیازات ویژگیهای ظاهری نسبت به یکدیگر و تیمار شاهد وجود نداشت ( P>۰/۰۵). نان های تهیه شده در مقادیر ۱۰و ۳۰ پی پی ام آنزیم لیپاز امتیاز بیشتری در صفات ویژگی های بافت داخلی، ویژگی های پوسته، بهبود قابلیت جویدن، حفره بندی مناسب بافت نسبت به تیمار شاهد نشان دادند ولی در این بین استفاده از ۱۰ پی پی ام لیپاز بیشترین امتیاز را در پذیرش کلی صفات حسی نشان داد. بنا به نتایج حاصل از آزمونهای  بافت سنجی مشخص گردید لیپاز در دو غلظت ۱۰و۳۰ پی پی ام از نظر کاهش سفتی مطلوب تر و نان حاصل از۳۰ پی پی ام لیپاز  دارای حداکثر حجم نسبت به سایر مقادیر می باشد.  نتایج آزمون رنگ سنجی نیز نشانگر این مطلب بود که آنزیم لیپاز در میزان ۱۰ پی پی ام بهترین رنگ مغز نان و در غلظت ۳۰ پی پی ام بهترین رنگ پوسته را نسبت به سایر تیمارها ایجاد می کند و حداکثر رطوبت مشاهده شده بین تیمارها مربوط به نان حاصل از ۳۰ پی پی ام آنزیم لیپاز بود که نسبت به سایر تیمارها اختلاف معنی دار بود ( P<۰/۰۵).

---

در این تحقیق، طراحی سیستم کنترل پسخور-پیشخور و بهینه‌سازی عملکرد کوره فرآیندی نفت خام برای بازیابی از شرایط غیرعادی احتمالی، مورد بررسی قرار گرفته است. در ابتدا با توسعه یک مدل تحلیلی غیرخطی دقیق، اثرات تغییرات پارامترهای ورودی و شرایط مختلف عملکردی بر خروجی سیستم تعیین شده است. سپس به منظور حذف اثر اغتشاشات وارده به کوره، یک ساختار کنترلی پیشخور-پسخور برای کنترل احتراق پیشنهاد و با استفاده از الگوریتم ژنتیک (GA) عملکرد کنترلرها، بهینه‌سازی شده است. همچنین، به منظور افزایش پایداری حرارتی سیستم و حفظ کیفیت محصول خروجی، سیستم کنترل اختلاف دما بر اساس تقسیم بار بین مسیرهای کوره بکار گرفته شده است. به علاوه یک سیستم کنترل نظارتی برای تنظیم مقادیر مطلوب آتشباری، به منظور بازیابی سیستم از شرایط غیرعادی ناشی از خرابی مشعل‌ها، ارائه شده است. با توجه به سناریوهای مختلف خرابی، مقادیر بهینه آتشباری توسط مشعلها، با اعمال الگوریتم ژنتیک به مدل سیستم، بدست آمده است. از شبکه عصبی پرسپترون چند لایه به عنوان هسته مرکزی این کنترلر و میان‌یابی بین شرایط مختلف استفاده شده است. نتایج بدست آمده در شرایط مختلف، عملکرد مناسب سیستم‌های کنترلی طراحی شده را تایید می‌کند.