عنوان

مدلسازی سینتیک خشک کردن ورقه‌های موز

‭۵۲۳۴پ‬

per

مدلسازی سینتیک خشک کردن ورقه‌های موز

/فاطمه کریمی

: کشاورزی

‮‭۱۳۳‬ص.‬

چاپی

کارشناسی ارشد

علوم و صنایع غذایی

‮‭۱۳۹۰/۰۳/۰۸‬

تبریز

در این مطالعه، خصوصیات خشک‌صشدن ورقه‌صهای نازک موز در خشک‌صکن آزمایشگاهی، مورد بررسی قرار گرفت .آزمایش‌صها در چهار سطح دمایی‮‭۵۰‬ ،‮‭۶۰‬ ، ‮‭۷۰‬ و ‮‭۸۰‬ درجه سلسیوس و سه ضخامت‮‭۲‬ ، ‮‭۴‬ و ‮‭۶‬ میلی‌صمتر و سه سرعت هوای‮‭۵/۰‬ ، ‮‭۰/۱‬ و ‮‭۵/۱‬ متر صبرص‍ ثانیه با سه تکرار انجام گرفت ‮‭۱۲‬ .مدل ریاضی خشک‌صشدن بر داده‌صهای آزمایشگاهی برازش داده شده و بر اساس دو شاخص آماری ضریب تبیین ‮‭(R۲)‬ و ریشه متوسط مربع خطای داده ها ‮‭(RMSE)‬ با هم مقایسه شدند .طبق نتایج به دست آمده، مدل پیج و پیج اصلاح شده، خشک شدن ورقه های موز را نسبت به مدل های دیگر بهتر پیش بینی کردند .نتایج آزمایشات نشان داد که مقدار ضریب انتشار موثر رطوبت در دماهای بین ‮‭۵۰‬ تا ‮‭۸۰‬ درجه سلسیوس، از‮‭۷۳۳۹۴/۱ -۱۰-۱۰‬تا‮‭۰۰۶۱/۲۷ -۱۰- ۱۰‬متر بر ثانیه تغییر می کند .همچنین، با استفاده از رابطه آرنیوس، انرژی لازم برای فعالسازی در محدوده ‮‭۲۴/۲۱‬ تا ‮‭kJ/mol ۱۷/۳۰‬ تعیین گردید .علاوه بر این موارد، مقدار انرژی مورد نیاز در دماها و سرعت‌صهای مختلف هوای خشک‌صکن و ضخامت‌صهای مختلف نیز محاس‍ شد .کمترین انرژی برای خشک شدن ورقه‌صهای موز با ضخامت ‮‭۲‬ میلی‌صمتر با ‮‭Wh ۴۳۲۳‬ و بیشترین انرژی برای خشک کردن ورقه‌صهای با ضخامت ‮‭۶‬ میلی‌صمتر با ‮‭Wh ۹۷۷۵‬ مصرف شد .همچنین، تغییر رنگ موز در هنگام خشک شدن در چهار سطح دمایی‮‭۵۰‬ ،‮‭۶۰‬ ، ‮‭۷۰‬ و ‮‭۸۰‬ درجه سلسیوس و سه سرعت هوای ورودی‮‭۵/۰‬ ، ‮‭۱‬ و ‮‭۵/۱‬ متر بر ثانیه و ضخامت ‮‭۴‬ میلی متر بر اساس پارامترهای رنگ هانترلب شامل) ‮‭L‬ روشنایی و تیرگی(،) ‮‭a‬ سبزتا قرمز (و) ‮‭b‬ آبی تا زرد (مورد بررسی قرار گرفت .با توجه به مقادیر شاخص‌صهای رنگ سنجی، با افزایش دما مقدار شاخص‌صهای ‮‭L‬ و ‮‭b‬ کاهش ولی شاخص ‮‭a‬ افزایش یافت .در این تحقیق توانایی تخمین روش سطح پاسخ و بهینه کردن مطلوبیت در خشک شدن ورقه‌صهای موز مورد بررسی قرار گرفت .تاثیرات ضخامت ورقه‌صهای موز، زمان، دما و سرعت هوای خشک شدن بر محتوای رطوبتی و نرخ خشک شدن به روش سطح پاسخ به صورت توابع درجه دوم مدل شد .بیشترین مطلوبیت به مقدار ‮‭۹۱/۰‬ به منظور کمینه کردن محتوای رطوبتی و بیشینه کردن نرخ خشک‌صشدن، در دمای ‮‭C‬ص‍‮‭۸۰‬، سرعت هوای‮‭m/s ۵/۱‬ ، زمان ‮‭min ۱۰۰‬ و ضخامت ‮‭mm ۲‬ به دست آمد.از شبکه عصبی مصنوعی نیز برای شبیه سازی استفاده شد .ورودی شبکه عبارت از زمان خشک کردن، دما و سرعت هوای خشک کن و خروجی شبکه، محتوای رطوبتی و نرخ خشک‌صشدن ورقه-های موز بود .از شبکه پس انتشار پیشخور با الگوریتم‌صهای یادگیری لونبرگ- مارکوارت استفاده شد و نتایج نشان داد که شبکه پس انتشار پیشخور با توپولوژی‮‭۱۵- ۲‬- ‮‭۳‬با الگوریتم آموزش لونبرگ- مارکوارت بهترین توپوگرافی شبکه بوده و با ضریب همبستگی ‮‭۹۹۸۴/۰‬ داده‌صهای آزمایشگاهی را پیش بینی نمود

2. The results showed that the topology was the best one with the correlation coefficient of 0.9984.kywords: Modeling, Drying kinetics of banana, Energy consumption, Color change, Response Surface Methodology, Artificial Neural Networks-15-Marquardt was designed with the topology of 3-C temperature, 1.5 m/s air velocity, 100 min time and 2 mm thickness.The Artificial Neural Networks (ANN) was also used for modeling the process. The network inputs were drying time, air temperature and velocity and the network outputs were moisture content and drying rate. A Back Propagation (BP) network based on the learning algorithms of the LevenbergC) and three air velocities (0.5, 1 and 1.5 m/s) for the bananas with 4 mm thickness. According to the values of the parameters, by increasing temperature, "L" and "b" decreased while "a" increased.In addition, estimation capabilities of the Response Surface Methodology (RSM) and optimization of the desirability functions in the drying process of banana slices were investigated. The effects of thickness, time, temperature and air velocity on drying rate and moisture content were modeled as the quadratic functions using RSM. Maximum desirability (0.91) in order to minimize the moisture content and maximize the drying rate was found at 809 m2/s. In addition, based on the Arrhenius equation, the activation energy ranged from 21.28 to 30.17 kJ/mol. he amount of energy consumption at different air velocities and temperatures as well as various thicknesses of banana slices was calculated. The lowest and highest energy (4323 Wh and 9775 Wh) was consumed in the banana slices with 2 and 6 mm thicknesses, respectively. Moreover, the banana's color change during drying based on the Hunterlab color parameters including L (lightness and darkness), a (green to red) and b (blue to yellow) was evaluated at four temperatures (50, 60, 70, 80-10-10 to 2.70061- 10-C), three thicknesses (2,4 and 6 mm) and three air velocities (0.5, 1 and 1.5 m/s) in triplicate. Twelve mathematical drying models were fitted with laboratory data and compared together using the coefficient of determination (R2) and root mean square error (RMSE). Results showed that the Page and modified Page models can predict the drying trends of sliced bananas better than the others. The effective moisture diffusion coefficient changed from 1.7339 Abstract.in this study, modeling of thin layer drying kinetics of banana was performed. Experiments were conducted at four temperatures (50, 60, 70, 80

Modeling

Banana

Energy Consumption

Discoloration

Artificial Neural Network

کریمی، فاطمه

دهقان نیا، جلال، استادراهنما

قنبرزاده، بابک، استاد راهنما

رفیعی، شاهین، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی