پژوهش جدید در زمینه خصوصیات رئولوژیكی بنیادی خمیر
خمیر محصول میانی خطوط تولید صنایع نانوایی است كه ویژگی های رئولوژیكی آن نمایانگر خصوصیات فیزیكوشیمیایی مواد اولیه و موثر بر ویژگی های كیفی فرآورده نهایی است. با توجه به كارایی بالای شبكه های عصبی مصنوعی در آموزش پذیری و پردازش موازی داده ها با روابط غیر خطی، هدف از پژوهش انجام شده تهیه مدل هایی مناسب به منظور پیش بینی خصوصیات رئولوژیكی خمیر با توجه به ویژگی های فیزیكو شیمیایی آرد بوده است.
روش مورد استفاده این محققان در این پژوهش به این ترتیب بود که ابتدا طیف وسیعی از آردهای تهیه شده در كارخانه های مختلف كشور جمع آوری و هفت ویژگی فیزیكو شیمیایی آنها مورد ارزیابی قرار گرفت. آزمون های نوسانی روبش كرنش و روبش فركانس بر خمیر حاصل از نمونه ها انجام و دو پارامتر مهم حاصل از آنها به منظور مدل سازی انتخاب شدند. پس از آموزش شبكه ها و تعیین پارامترهای آنها با استفاده از الگوریتم بهینه ساز ژنتیك و آزمودن هر شبكه، بررسی حساسیت پارامترهای خروجی به فاكتورهای ورودی شبكه صورت گرفت.
یافته های حاصل از این تحقیقات نشان داد که شبكه های طراحی شده از انواع پرسپترون چهار لایه ای هستند كه اولی با حذف دو پارامتر گلوتن مرطوب و اندیس ابعاد ذرات آرد، دارای 5 نرون در لایه ورودی و 15 نرون در لایه های پنهان اول و دوم جهت پیش بینی عرض از مبدا و دومی با 7 نرون لایه ورودی، 24 نرون در لایه پنهان اول و 17 نرون در لایه پنهان دوم جهت پیش بینی شیب مدل برازش یافته بر روبش فركانس مورد استفاده قرار گرفت.
در ادامه نیز با استفاده از شبكه های گسترش یافته، پیش بینی خصوصیات رئولوژیكی خمیر با ضریب همبستگی بیش از 97% صورت گرفت. اندیس گلوتن و عدد زلنی به عنوان موثر ترین پارامترها بر تغییر ویژگی های رئولوژیكی خمیر شناسایی شدند.
به این ترتیب می توان نتیجه گیری کرد که شبكه های عصبی مصنوعی-الگوریتم ژنتیك ابزار توانمندی در پیش بینی خصوصیات رئولوژی خمیر هستند. آزمون حساسیت شبكه بهینه به خوبی اهمیت پیش بینی كنندگی ویژگی های فیزیكو شیمیایی آرد بر تغییرات خصوصیات رئولوژیكی بنیادی خمیر را نشان می دهد.
منبع: هاجر عباسی، محمدامین محمدی فر، 1394، پیش بینی خصوصیات رئولوژیكی بنیادی خمیر با استفاده از شبكه عصبی-الگوریتم ژنتیك. فصلنامه علوم تغذیه و صنایع غذایی ایران، سال دهم، شماره 3 (پیاپی 40).
No tags for this post.
