%34تخفیف

دانلود پروژه:مدل سازی فرایند خشک کردن ژل آلوئه ورا به کمک آون مایکروویو با استفاده از شبکه عصبی مصنوعی

تعداد 99صفحه در فایل word

چکیده

خشک کردن یکی از قدیمی ترین روشهاي نگهداري غذا است. کمبودن کارایی انرژي و طولانی بودن زمان خشک کردن طی دوره خشک شدن با سرعت نزولی، از معایب مهم خشک کردن با جریان هواي داغ (روش جابجایی) است .به دلیل کاهش ضریب هدایت حرارتی مواد غذایی در دوره سرعت نزولی، فرآیند خشک کردن با روش جابجایی، سرعت انتقال حرارت به قسمتهاي درونی ماده غذایی کاهش می‌یابد. به منظور برطرف کردن این مشکلات و جلوگیري از کاهش کیفیت معنی دار محصول و براي رسیدن به فرآیند مؤثرو سریع انتقال حرارت، استفاده از مایکروویو براي خشک کردن مواد غذایی توسعه یافته است. برخلاف سیستمهاي گرمایشی متداول، به دلیل نفوذ امواج مایکروویو به داخل ماده غذایی، حرارت در سرتاسر ماده غذایی انتشارمی‌‌‌یابد .به همین دلیل در روش مایکروویو سرعت انتقال گرما سریعتر از سایر روشهاي حرارتی است. هدف از اين تحقيق مطالعه فرآيند خشک کردن ژل آلوئه‌ورا با مایکروویو می باشد. هدف اصلی از خشک کردن، توليد محصولی با قابليت نگهداری بيشتر، هزينه بسته بندی و هزينه حمل و نقل کمتراست. انتخاب يک روش مناسب برای خشک کردن می‌تواند منجر به بهبود کيفيت نهايی محصول نيز گردد .در اين مطالعه، امکان سنجی استفاده از روش مایکروویوي براي خشک کردن آلوئه ورا و مطالعه پارامترهای موثر بر خشک کردن مورد بررسی و ارزیابی قرار گرفت. آزمایشات در سه توان (25/0، 50/0 و 75/0 وات) و در محدوده زمانی 2 تا 50 دقیقه انجام گرفت            ،  نتايج حاصل از برازش مدل‌ها، نشان می‌دهد که مدل رياضي هندرسون و «پابیس اصلاح شده» و دوجمله ای بیشترین انطباق را با داده های آزمایشگاهی دارد. همچنین شبکه عصبی با مشخصات ذکر شده سازگاري بسيار خوبي با داده‌هاي آزمايشگاهي دارد.

با توجه به جداول (4-3)، (4-4) و (4-5) از میان مدل ها. مدل 1-15-2 با مقدار ضریب تبیین بترتیب در توان های 25، 50 و 75 وات برابر 0.995R2=،  0.9994 =R2و 0.997 = R2  نسبت به سایر مدلها از دقت بالاتری برخوردارند.

کلمات کلیدی: آلوئه‌ورا، مایکروویو، خشک کردن نهایی، مدلسازی, شبکه عصبی

فهرست مطالب

2

1-1 مقدمه

3

1-1-1  کاربردهای امواج مایکروویو در صنایع غذایی

4

1-1-11 استخراج

4

1-1-1-2 غیرفعالسازی میکروبی

6

1-1-1-3  خشک کردن

7

1-2 ماهیت امواج مایکروویو

8

1-2-1 پارامترهای موثر در اثردهی امواج مایکروویو

8

1-22  دانسیته توان مایکروویو

9

1-2-3 خصوصیات امواج تولیدی

9

1-3 روش کار

9

1-3-1 اهداف مشخص تحقيق (شامل اهداف آرماني، کلی، اهداف ويژه و كاربردي)

9

1-3-2 جنبه جديد بودن و نوآوري در تحقيق

10

1-3-3 علل اصلی انتخاب امواج مایکروویو

10

1-3-4 سؤالات تحقیق

10

1-3-4-1 سئوالات اصلی

10

1-3-4-2 سئوالات فرعی

11

1-3-5 فرضيه‏هاي تحقیق

11

1-3-6 تعريف واژه‏ها و اصطلاحات فني و تخصصی (به صورت مفهومی و عملیاتی)

12

فصل دوم

12

2-1 خشک کردن توسط امواج مایکروویو

12

2-1-1 مایکروویو ها و ویژگی های آنان

13

2-1-2 مکانیسم روش گرمایشی و خشک کردن با امواج مایکروویو

15

2-2 ویژگی های مایکروویوی غذاها

16

2-3  پارامترهای موثر بر گرمایش مایکروویوی

16

2-3-1 بسامد

16

2-3-2 توان مایکروویو

17

2-3-3 جرم

17

2-3-4 میزان رطوبت

17

2-3-5 چگالی

18

2-3-6 دما

18

2-3-7 هندسه فیزیکی

18

2-3-8 رسانندگی

19

2-3-9 هدایت و رسانندگی گرمایی

19

2-3-10 گرمای ویژه

19

2-4 اجاق (فر) مایکروویو

20

2-5  خشک کردن مایکروویوی غذاها

22

2-6  کاهش سایز و خشک کردن به وسیله ی مایکروویو به صورت ترکیبی

24

2-7 انتقال جرم و گرما در پردازش مایکروویوی غذاها

24

2-7-1 انتقال گرما

26

2-7-2 انتقال جرم (توده – انبوه)

28

2-8 ضرایب انتشار موثر

29

2-9  کیفیت محصولات خشک شده

32

فصل سوم

32

3-1 انتخاب ماده

33

3-2 علل انتخاب تکنولوژی مایکروویو

34

3-2-1 برتری روش مایکروویو نسبت به سایر روش ها

34

3-3 سیستم مایکروویوی مورد استفاده

34

3-4 روش تحقیق

36

3-5 روند انجام آزمایشات

36

3-6 جامعه آماري، روش نمونه‏گيري و حجم نمونه (در صورت وجود و امکان)

37

3-7 روش‌ها و ابزار تجزيه و تحليل داده‏ها

38

3-8  شبکه عصبی مصنوعی

38

3-8-1 مفاهيم پايه در شبکه های عصبی مصنوعی

39

3-8-1-1 شبكه عصبي پرسپترون ساده

39

3-8-1-2 شبكه عصبي پرسپترون چند لايه

40

3-8-2 نورون مصنوعی

40

3-8-3 ساختار شبکه‌های عصبی

41

3-8-4 تقسیم بندی شبکه‌های عصبی

42

3-8-5 کاربرد شبکه‌های عصبی

43

3-8-6 معایب شبکه‌های عصبی

43

3-8-7  شبکه عصبی و هوش مصنوعی

44

3-8-8 آموزش شبكه به روش پس انتشار خطا

45

3-8-8-1 الگوريتم پس انتشار خطا

49

3-8-8-2 روند شبيه سازي مسائل

52

فصل چهارم

53

4-1 محاسبه مجموع مربعات خطا (مجموع توان دوم خطا) برای هر مدل

53

4-2  خطای جذر میانگین مربعات یا انحراف جذر میانگین مربعات یا خطای جذر میانگین مربع‌ها

54

4-3  خطای میانگین مربعات

55

4-4  شبکه‌ي عصبي

55

4-4-1 طراحي شبکه

58

4-5  نتایج حاصل از مدلسازی ریاضی و شبیه سازی شبکه عصبی

58

4-5-1 دسته داده های اول (زمان 2 تا 50 دقیقه و طول موج 25/0)

63

4-5-2  دسته داده های  دوم (زمان 2 تا 50 دقیقه و طول موج 5/0)

68

4-5-3  دسته داده های سوم (زمان 2 تا 50 دقیقه و طول موج 75/0)

78

80

4-6  نتیجه گیری و بحث

4-7  پیشنهادات

82

مراجع

 

 

فهرست شکل ها

عنوان شکل

صفحه

شکل (3-1) شرح آزمایشات طراحی شده برای بهینه سازی زمان و توان تابش امواج مایکروویو برای خشک کردن آلوورا

38

شکل (3-2) ساختار پرسپترون چندلايه با نورون‌هاي پنهان  tansigو نورون‌هاي خروجي با تابع خطي

40

شکل (4-1) منحنی سرعت خشک کردن ژل آلوئه ورا با روش مایکروویو در سطح توان 25/0، 50/0 و 75/0 وات، و زمان 2 تا 50 دقیقه

56

شکل (4-2) مقايسه داده‌هاي آزمايشگاهي و پيش‌بيني شبکه عصبی در سه توان 25/50،0/0 و 75/0

57

شکل (4-3) تطابق دسته اول داده های آزمایشگاهی با مدل هندرسون و پابیس

58

شکل (4-4) تطابق دسته اول داده های آزمایشگاهی با مدل دو جمله­ای

59

شکل (4-5) تطابق دسته اول داده های آزمایشگاهی با مدل ونگ و سینگ

60

شکل(4-6) دسته اول داده های آزمایشگاهی با مدل هندرسون و «پابیس اصلاح شده»

61

شکل(4-7) تطابق دسته اول داده های آزمایشگاهی با مدل فوریه

61

شکل (4-8) تطابق دسته اول داده های آزمایشگاهی با شبکه عصبی

62

شکل(4-9) تطابق دسته دوم داده های آزمایشگاهی با مدل هندرسون و پابیس

66

شکل(4-10 تطابق دسته دوم داده های آزمایشگاهی با مدل دو جمله­ای

66

شکل(4-11) تطابق دسته دوم داده های آزمایشگاهی با مدل ونگ و سینگ

67

شکل(4-12) تطابق دسته دوم داده های آزمایشگاهی با مدل هندرسون و «پابیس اصلاح شده»

68

شکل(4-13) تطابق دسته دوم داده های آزمایشگاهی با مدل فوریه

69

شکل (4-14) تطابق دسته دوم داده های آزمایشگاهی با شبکه عصبی.

70

شکل(4-15) تطابق دسته دوم داده های آزمایشگاهی با مدل هندرسون و پابیس

71

شکل (4-16) تطابق دسته دوم داده های آزمایشگاهی با مدل دو جمله­ای

71

شکل (4-17) تطابق دسته دوم داده های آزمایشگاهی با مدل ونگ و سینگ

72

شکل (4-18) تطابق دسته دوم داده های آزمایشگاهی با مدل هندرسون و «پابیس اصلاح شده»

73

شکل (4-19) تطابق دسته دوم داده های آزمایشگاهی با مدل هندرسون و «پابیس اصلاح شده»

73

شکل (4-20) تطابق دسته سوم داده های آزمایشگاهی با نتایج پیش بینی شده توسط شبکه عصبی مصنوعی

74

                                           فهرست جدول­ها

عنوان جدول

صفحه

جدول (3-1) قیمت جهانی محصولات خشک شده

32

جدول (4-1) مدل­هاي رگرسیون خشك­شدن توده بستر نازك مورد استفاده در مدلسازي

54

جدول (4-2)  دامنه تغييرات پارامترهاي ورودي شبکه

55

جدول (4-3) بهینه سازی مشخصات شبکه عصبی از طریق سعی و خطا

56

جدول (4-4) مشخصات ویژگیهای شبکه عصبی استفاده شده

68

جدول (4-5) مشخصات ویژگیهای شبکه عصبی استفاده شده

74

جدول (4-6) ثوابت حاصل از برازش مدلهای مورد استفاده ریاضی بهمراه شبکه عصبی و تطابق آنها با داده  های آزمایشگاهی

74

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo