بررسي تجربي و مدل‌سازي خشك‌كردن گياه جعفري با استفاده از شبكۀ عصبي مصنوعي

Investigation the Experimental Method and Modeling for Drying of Parsley Bulk by Using Artificial Neural Network

در اين تحقيق،گياه جعفري به‌صورت منفرد و توده‌اي، در دماهاي 46، 58 و 68 درجۀ سلسيوس و در ضخامت‌هاي13/0 تا 17/0 ميلي‌متر و بازه زماني 0 تا 140 دقيقه در يك خشك‌كن سيني‌دار آزمايشگاهي خشك شد. نيز، ﺗﺄثير عواملي مانند دما و زمان بر نرخ خشك‌شدن بررسي شد. زمان و رطوبت تعادلي به‌ترتيب 140 دقيقه و 0003/0 مشاهده شد. هم‌چنين، منحني جنبش‌شناسي فرايند نشان مي‌دهد كه خشك‌شدن بيشتر در مرحلۀ نزولي اتفاق مي‌افتد كه به‌دليل پايين‌بودن مقاومت خارجي در مقابل انتقال جرم و حرارت است. در مطالعۀ اثر دما، مشاهده شد كه با افزايش دما از 46 به 68 درجۀ سلسيوس، گياه جعفري با شيب بيشتر به رطوبت تعادلي مي‌رسد. سپس، فرايند خشك‌شدن تك‌برگ و تودۀ جعفري با استفاده از شبكه‌هاي عصبي مصنوعي پيش‌خور و پيش‌رو مدل‌سازي شد و داده‌هاي مدل با داده‌هاي تجربي مقايسه شدند، كه مناسب‌ترين نتيجه به‌وسيلۀ شبكۀ عصبي مصنوعي پيش‌خور براي تك‌برگ جعفري، با الگوريتم لونبرگ- ماركوارت و 13 نرون و ضريب تبيين 9987/0 و براي تودۀ جعفري با 9 نرون بهينه و ضريب تبيين 9993/0 به‌دست‌آمد كه نشان‌دهندۀ دقت بالاي شبكۀ عصبي مصنوعي است.

In this study, the single-leaf of parsley and also bulk of particles at temperatures of 46, 58, and 68°C and the thickness of 0.13 to 0.17 mm and the period from 0 to 140 minutes in a laboratory fixed bed dryer dried. Also, the single leaf of parsley and the mass dried in the sun. To dry the parsley in the dryer, five samples were considered for each temperature and the weight of samples during the drying process is continuously recorded until changes in the volume of samples to zero. Then the influence of parameters such as the temperature of the drying rate is examined. Equilibrium time and humidity were observed to be 140 minutes and 0.0003, respectively. Also, the process kinetics curve shows that more drying occurs in the descending phase due to the low external resistance to mass and heat transfer. In studying the effect of temperature, it was observed that with increasing temperature from 46 to 68℃, parsley reaches equilibrium humidity with a greater slope. Then drying process of a single leaf, and parsley mass, using feed-forward neural networks and leading, was modeled and the results of the neural network with the results obtained from experimental data were compared. The best result by a feed-forward neural network for single-leaf parsley with Levenberg - Marquardt algorithm, and 13 neurons and the coefficient of determination 0.9987 and parsley mass with nine neurons optimized and coefficient 0.9993obtainedwhich demonstrates the high accuracy of the artificial neural network.