کاربرد روش بهینه‌سازی الگوریتم ژنتیک جهت بررسی افت وزن سیب‌زمینی طی خشک کردن با سامانه مادون‌قرمز

روش بهینه‌سازی الگوریتم ژنتیک یکی از روش‌های نوین بهینه‌سازی است که عملکرد بالایی در حل مشکلات سیستم‌های مختلف دارد. این الگوریتم با الگوبرداری از ساختار ژنتیکی انسان، قادر است تا همواره بهینه‌ترین جواب را ارائه نماید. در این مطالعه رفتار خشک شدن سیب‌زمینی در یک سامانه مادون‌قرمز بررسی گردید. اثر توان لامپ مادون‌قرمز در سه سطح 150، 250 و 375 وات، فاصله نمونه از لامپ در سه سطح 5، 10 و 15 سانتی‌متر، ضخامت نمونه‌ها در دو سطح 0.5 و 1 سانتی‌متر و زمان بر خشک شدن سیب‌زمینی مورد بررسی قرار گرفت. نتایج خشک کردن سیب‌زمینی به روش مادون‌قرمز نشان داد با افزایش توان لامپ و کاهش فاصله نمونه‌ها از منبع حرارتی، سرعت خشک کردن افزایش می‌یابد. با افزایش توان لامپ از 150 به 375 وات، مقدار کاهش وزن از 29.87 به 78.03 درصد افزایش یافت. با افزایش فاصله لامپ از 5 به 15 سانتی‌متر، درصد کاهش وزن از 69.34 به 37.94 درصد، کاهش یافت. با افزایش زمان فرآیند خشک شدن، مقدار کاهش وزن نمونه‌ها افزایش یافت. در این پژوهش همچنین مدل‌سازی فرآیند به روش الگوریتم ژنتیک شبکه عصبی مصنوعی با 4 ورودی (توان، فاصله لامپ، ضخامت نمونه و زمان خشک کردن) و 1 خروجی جهت پیشگویی کاهش وزن انجام شد. نتایج مدل‌سازی به روش الگوریتم ژنتیک شبکه عصبی مصنوعی نشان داد شبکه‌ای با تعداد 18 نرون در یک لایه پنهان و با استفاده از تابع فعال‌سازی تانژانت هیپربولیک می‌توان به خوبی درصد کاهش وزن در طی فرآیند خشک کردن سیب‌زمینی به روش مادون‌قرمز را پیشگویی نمود (0.997=r). نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که فاصله لامپ پرتودهی مادون‌قرمز از نمونه‌ها به عنوان موثرترین عامل در کاهش وزن سیب‌زمینی می‌باشد.