مشخصات پژوهش

عنوان	پیش بینی خواص حرارتی کیوی و خرمالو به کمک شبکه های عصبی مصنوعی و سیستم استنتاج عصبی-فازی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	میوه کیوی، خرمالو، خواص حرارتی، شبکه عصبی مصنوعی، سیستم استنتاج عصبی-فازی
چکیده	هدف از انجام این پروژه پیش بینی ضریب هدایت حرارتی، ضریب نفوذ حرارتی و ظرفیت گرمایی ویژه میوه ی کیوی و خرمالو بود. خواص حرارتی اصلی ترین پارامترهای موادغذایی برای نگه داری، تولید فرآورده، خشک کردن، خنک کردن، پاستوریزه و استرلیزه کردن و بسیاری فرآیندهای حرارتی بشمار می رود و در طراحی مهندسی تجهیزات پس از برداشت که شامل فرآیندهای حرارتی هستند مورد استفاده قرارمی گیرند. آزمایشها درچهار سطح دمایی در محدوده ی 40 تا 80 درجه سلسیوس و چهار سطح رطوبتی در محدوده ی 77/37 تا (w.b) 17/85% برای خرمالو و محدوده ی 16/47 تا (w.b) 55/81% برای کیوی انجام شد. تغییرات چگالی برای میوه ی خرمالودر محدوده ی رطوبتی از 3/1392تا kg/m32/1102 بدست آمد. ضریب هدایتی حرارتی به صورت خطی در محدوده ی 14/0تا W/m ºC 3819/1 افزایش یافت و نیز با افزایش دما از 40 تا 80 درجه سلسیوس این ضریب با افزایش همراه بود. برای ضریب نفوذ گرما از روش دیکرسون استفاده شد و افزایش خطی در محدوده ی 6-10×128 تا m²/h 6-10×163 برای میوه ی خرمالو مشاهده شد. ظرفیت گرمایی ویژه برای کمترین رطوبت (kJ/kgºC) 4982/3 و برای بیشترین رطوبت (kJ/kgºC) 0079/6 بدست آمد. آزمایشات برای میوه کیوی نتایجی مشابه داشت. چگالی با افزایش رطوبت به صورت خطی از 4/1159 تا kg/m3 9/1081 کاهش یافت و ضریب هدایت حرارتی از 2679/0 تا W/m ºC 7267/0 افزایش یافت. ضریب نفوذ گرما از 6-10× 148 تا m²/h6-10× 196 با افزایش خطی بدست آمد و ظرفیت گرمایی ویژه از0152/1 تا kJ/kgºC 0644/6 برای مخلوط میوه کیوی افزایش یافت. برای پیش بینی ضریب هدایت حرارتی از شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی استفاده شد. بهترین شبکه عصبی مصنوعی برای پیش بینی ضریب هدایت حرارتی در قالب پیشخور با تابع تنظیم بیزی، آرایش 1-10-2، 63 چرخه آموزشی، 0=MSE و 1= R2 بود. مناسب ترین شبکه عصبی- فازی با 25 چرخه آموزشی و تابع گوسی 0/06905=RMSE ، 0/09759 = MAE و 9472/0=R2 بدست آمد.
پژوهشگران	رضا امیری چایجان (استاد راهنما)، سمیه اکبری طایمه (دانشجو)