مدل‌سازي استخراج روغن از دانۀ كتان به كمك پيش‌تيمار مايكروويو با استفاده از شبكه‌هاي عصبي مصنوعي

در تكنولوژي استخراج روغن، تيماردهي مناسب دانه قبل از استخراج يكي از مهم‌ترين و ضروري‌ترين مراحل براي توليد محصولي با كيفيت و راندمان بالاست. در اين تحقيق به‌منظور مدل‌سازي فرايند استخراج روغن از دانه‌هاي كتان به كمك پيش‌تيمار مايكروويو از زمان‌هاي مختلف فرايند (90، 180 و 270 ثانيه) و توان‌هاي مختلف (180، 540 و 900 وات) استفاده گرديد و ميزان راندمان استخراج، اسيديته، ضريب شكست، دانسيته، عدد اسيدي و رنگ روغن استخراج‌شده با پرس مورد بررسي قرار گرفت. جهت پيش‌بيني روند تغييرات از ابزار شبكه‌هاي عصبي مصنوعي در نرم‌افزار MATLAB R2013a استفاده شد. نتايج نشان داد كه با افزايش توان و زمان مايكروويو، راندمان استخراج روغن، انديس اسيدي و اسيديته، دانسيته و رنگ روغن افزايش يافت. آناليز واريانس داده‌ها مشخص كرد كه استفاده از پيش‌تيمار مايكروويو تأثيري در ميزان ضريب شكست روغن‌ها ندارد. با بررسي شبكه‌هاي مختلف شبكۀ پس‌انتشار پيش‌خور با توپولوژي‌هاي 2-8-6 با ضريب همبستگي بيشتر از 0/999 و ميانگين مربعات خطاي كمتر از0/001 و با به‌كارگيري تابع فعال‌سازي لگاريتم سيگموئيدي، الگوي يادگيري جهنده و چرخۀ يادگيري 1000 به‌عنوان بهترين مدل‌ عصبي مشخص گرديد. نتايج حاصل از مدل‌هاي بهينۀ انتخاب‌شده نيز ارزيابي گرديد و اين مدل‌ها با ضرايب همبستگي بالا (بيش از 0/844) قادر به پيش‌بيني روند تغييرات بودند. باتوجه‌به دقت بالاي مدل عصبي مي‌توان با اطمينان بالا به پيش‌بيني اين مدل‌ها اعتماد كرده و از اين مدل‌ها براي بهينه‌سازي و كنترل فرايند استفاده نمود كه اين امر مي‌تواند به صرفه‌جويي در انرژي و زمان منجر شده و ازطرف‌ديگر محصول نهايي مطلوب‌تري را ايجاد كند.