ﺳﺎزﻣﺎن ﭘﮋوهشهای ﻋﻠﻤﯽ و ﺻﻨﻌﺘﯽ اﯾﺮان فناوری‌های جدید در صنعت غذا 2783-350X 6 2 2019 01 21 Study on infrared drying kinetics of quince slices and modelling of drying process using genetic algorithm-artificial neural networks (GA-ANNs) سینتیک خشک کردن مادون قرمز برش های میوه به و مدلسازی آن با روش الگوریتم ژنتیک-شبکه‌های عصبی مصنوعی 175 186 693 10.22104/jift.2018.2871.1694 FA علیرضا یوسفی استادیار، گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه بناب سونیا دیلمقانیان دانشجوی کارشناسی ارشد، مهندسی علوم و صنایع غذایی، دانشگاه آزاد اسلامی واحد مراغه امین ضیافروغی دانشجوی دکتری، مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه فردوسی مشهد میثم معزی استادیار، گروه مهندسی نساجی، دانشکده فنی و مهندسی، دانشگاه بناب Journal Article 2018 04 24 In this research infrared radiation was used for drying of quince slices. For this reason, the influence of drying temperature of 50, 60, 70 and 80 °C acquired by 51, 73, 98 and 12 W infrared lamp was investigated. Drying results showed that the drying rate increased with increasing temperature. The drying decreased up to 60% when temperature was increased from 50 to 80 °C. Affected by the lamp power from 51 to 125 W, the moisture content diminished from 453% (d.b.) to 16% (d.b.). Modeling of drying process using genetic algorithm-artificial neural networks (GA-ANNs) with 3 inputs (drying time, drying temperature and the slice enter temperature) and one output (the amount of moisture ratio (MR)) was done. The modeling results demonstrated a network with 7 neurons in hidden layer and tangent hyperbolic transport function could precisely predict the moisture content of slices during drying (R2 = 0.9997 and RMSE = 0.0044). This precision for optimized GA-ANNs was even higher than that of Midilli model -the best empirical model- (R2 = 0.9987-0.9994 and RMSE = 0.0068-0.0098) at all the temperatures tested. The results obtained from the sensitivity analysis by the optimized neural networks revealed that the center temperature of slices was the most pronounced factor (0.0044) to control the MR. Increase in temperature resulted in an increase in the effective diffusivity coefficient, so that this coefficient reached to 26.1×10-9 m2/s at 80 °C from the initial value of 10.8×10-9 m2/s at 50 °C. The activation energy (Ea) calculated for the quince slices were 28.68 kJ/mol. در این تحقیق جهت خشک کردن برش های میوه به از روش پرتودهی مادون قرمز استفاده شد. برای این منظور اثر دمای خشک کردن 50، 60، 70 و 80 درجه سانتیگراد که ناشی از توان های به ترتیب 51، 73، 98 و 125 وات لامپ مادون قرمز بود مورد مطالعه قرار گرفت. نتایج بدست آمده نشان دادند که با افزایش دما سرعت خشک کردن افزایش می یابد. با افزایش دما از 50 به 80 درجه سانتیگراد زمان خشک کردن حدود 60 درصد کاهش یافت. با اعمال توان های مختلف برای لامپ مادون قرمز از 51 وات تا 125 وات، مقدار رطوبت از 453 درصد (بر مبنای خشک) به 16 درصد (بر مبنای خشک) کاهش داده شد. مدلسازی فرایند خشک کردن به روش الگوریتم ژنتیک-شبکه‌های عصبی مصنوعی (GA-ANNs) با 3 ورودی (زمان خشک کردن، دمای خشک کردن و دمای مرکز برش) و یک خروجی (میزان نسبت رطوبتی (MR)( انجام شد. نتایج مدلسازی نشان داد شبکه ای با تعداد 7 نرون در یک لایه پنهان و با استفاده از تابع انتقال تانژانت هایپربولیک می تواند درصد رطوبت در طی فرایند خشک کردن را با دقت بالایی پیشگویی کند (9997/ 0 R2 =و 0044/0RMSE =). بر اساس نتایج، دقت تخمین بدست آمده برای شبکه بهینه بالاتر از بهترین مدل تجربی (مدل میدیلی) در تمام دماهای مورد آزمایش بود (9994/0-9987/0 R2 =و 0098/0-0068/0 RMSE =). نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که به دلیل حساسیت بالاتر (0044/0)، دمای مرکز برش های میوه به موثرترین عامل در کنترل میزان نسبت رطوبتی می باشد. افزایش دما از 50 به 80 درجه سانتیگراد سبب افزایش ضریب انتشار موثر (Deff) از 9-10×8/10 به 9-10×1/26 مترمربع بر ثانیه گردید. مقدار انرژی فعالسازی برای برش های میوه به، 68/28 کیلوژول بر مول تعیین شد. https://jift.irost.ir/article_693_d2d955650abe81c8bd26e2649204ffad.pdf