در این تحقیق به منظور مدل‌سازی فرایند استخراج روغن از دان سیاه با استفاده از پیش‌تیمار ترکیبی ریزموج- میدان الکتریکی پالسی از 3 سطح زمان ریزموج (0، 100 و 200 ثانیه) و سه سطح شدت میدان الکتریکی (0، 5/2 و 5 kV/cm) استفاده گردید و بعد از اعمال این پیش‌تیمارها، روغن دانه‌ها با پرس مارپیچی و با سرعت‌های متفاوت (11 تا 57 دور در دقیقه) استخراج گردید و میزان کارایی فرایند استخراج روغن، دانسیته، رنگ، پایداری اکسیداتیو، ترکیبات فنولی و پروتئین کنجاله مورد بررسی قرار گرفت. جهت پیش‌بینی روند تغییرات از ابزارشبکه‌های عصبی مصنوعی استفاده شد. با بررسی شبکه‌های مختلف شبکه‌ی پس‌انتشار پیشخور با توپولوژی‌های 3-9-6 با ضریب همبستگی بیشتر از 995/0 و میانگین مربعات خطای کمتر از 001/0 و با بکارگیری تابع فعال‌سازی لگاریتم سیگموئیدی، الگوی یادگیری جهنده و چرخه یادگیری 1000 به عنوان بهترین مدل‌ عصبی مشخص گردید. از طرفی نتایج نشان داد که افزایش زمان ریزموج و همچنین شدت میدان الکتریکی در ابتدا منجر به افزایش میزان کارایی فرایند استخراج روغن گردید ولی با افزایش بیشتر این دو پارامتر میزان کارایی فرایند استخراج روغن کاهش یافت. میزان اسیدیته روغن‌ها نیز با افزایش زمان ریزموج، شدت میدان الکتریکی و سرعت دورانی پرس مارپیچی افزایش یافت. یافته‌های حاصل از مدل‌های بهینه‌ی انتخاب شده نیز ارزیابی گردید و این مدل‌ها با ضرایب همبستگی بالا )بیش از 918/0( قادر به پیش‌بینی روند تغییرات نمونه‌های روغن تولیدی با پیش تیمار ریزموج- میدان الکتریکی پالسی بودند.
 

واژه‌های کلیدی: استخراج روغن، دان سیاه، پیش تیمار ترکیبی مایکروویو- میدان الکتریکی پالسی، شبکه‌های عصبی مصنوعی

متن کامل [PDF 817 kb]   (1556 دریافت)