مدل‌سازی استخراج روغن از دانۀ کتان به کمک پیش‌تیمار مایکروویو با استفاده از شبکه‌های عصبی مصنوعی

Abstract

در تکنولوژی استخراج روغن، تیماردهی مناسب دانه قبل از استخراج یکی از مهم‌ترین و ضروری‌ترین مراحل برای تولید محصولی با کیفیت و راندمان بالاست. در این تحقیق به‌منظور مدل‌سازی فرایند استخراج روغن از دانه‌های کتان به کمک پیش‌تیمار مایکروویو از زمان‌های مختلف فرایند (90، 180 و 270 ثانیه) و توان‌های مختلف (180، 540 و 900 وات) استفاده گردید و میزان راندمان استخراج، اسیدیته، ضریب شکست، دانسیته، عدد اسیدی و رنگ روغن استخراج‌شده با پرس مورد بررسی قرار گرفت. جهت پیش‌بینی روند تغییرات از ابزار شبکه‌های عصبی مصنوعی در نرم‌افزار MATLAB R2013a استفاده شد. نتایج نشان داد که با افزایش توان و زمان مایکروویو، راندمان استخراج روغن، اندیس اسیدی و اسیدیته، دانسیته و رنگ روغن افزایش یافت. آنالیز واریانس داده‌ها مشخص کرد که استفاده از پیش‌تیمار مایکروویو تأثیری در میزان ضریب شکست روغن‌ها ندارد. با بررسی شبکه‌های مختلف شبکۀ پس‌انتشار پیش‌خور با توپولوژی‌های 2-8-6 با ضریب همبستگی بیشتر از 0/999 و میانگین مربعات خطای کمتر از 0/001 و با به‌کارگیری تابع فعال‌سازی لگاریتم سیگموئیدی، الگوی یادگیری جهنده و چرخۀ یادگیری 1000 به‌عنوان بهترین مدل‌ عصبی مشخص گردید. نتایج حاصل از مدل‌های بهینۀ انتخاب‌شده نیز ارزیابی گردید و این مدل‌ها با ضرایب همبستگی بالا (بیش از 0/844) قادر به پیش‌بینی روند تغییرات بودند. باتوجه‌به دقت بالای مدل عصبی می‌توان با اطمینان بالا به پیش‌بینی این مدل‌ها اعتماد کرده و از این مدل‌ها برای بهینه‌سازی و کنترل فرایند استفاده نمود که این امر می‌تواند به صرفه‌جویی در انرژی و زمان منجر شده و ازطرف‌دیگر محصول نهایی مطلوب‌تری را ایجاد کند.