هادی عظیمی نژادیان؛ مهدی مرادی
چکیده
هدف اصلی این پژوهش، مقایسه دقت عملکرد سه روش پرکاربرد شبیه‌سازی شامل مدل‌های ریاضی لایه نازک، شبکه‌های عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی (انفیس) در تخمین نسبت رطوبت لحظه‌ای ورقه‌های سیب‌زمینی در فرآیند خشک کردن با توان مایکروویو است. برای پیش‌بینی نسبت رطوبت، از هفت مدل ریاضی استفاده شد. بر اساس داده‌های تجربی، توان ...
بیشتر
هدف اصلی این پژوهش، مقایسه دقت عملکرد سه روش پرکاربرد شبیه‌سازی شامل مدل‌های ریاضی لایه نازک، شبکه‌های عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی (انفیس) در تخمین نسبت رطوبت لحظه‌ای ورقه‌های سیب‌زمینی در فرآیند خشک کردن با توان مایکروویو است. برای پیش‌بینی نسبت رطوبت، از هفت مدل ریاضی استفاده شد. بر اساس داده‌های تجربی، توان مایکروویو، ضخامت نمونه‌ها و زمان فرآیند به عنوان پارامترهای ورودی و نسبت رطوبت به عنوان پارامتر خروجی شبکه‌های عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی در نظر گرفته شدند. شبکه‌های عصبی بر اساس ساختار پس‌انتشار پیش‌خور چند لایه (MFFBp ) و پس‌انتشار پیشرو زنجیره‌ای (CFBp )، توابع فعال‌سازی خطی (Lin)، تانژانت هایپربولیک سیگموئید (Tan) و لگاریتمی (Log) و الگوریتم‌های یادگیری لونبرگ-مارکوارت (LM) و تنظیم بیزی (BR) طراحی شد. برای شبیه‌سازی با استنتاج تطبیقی عصبی-فازی، سیستم فازی از نوع تاکاگی-سوگنو انتخاب، ساختار سیستم استنتاج فازی (FIS) به روش خوشه‌بندی شبکه‌ای (Grid partitioning) ایجاد و از توابع عضویت ANFIS در جعبه‌ابزار منطق فازی نرم‌افزار MATLAB استفاده شد. در میان روش‌های مدل‌سازی مورد مطالعه، مدل میدیلی (Midilli)، شبکه CFBp با توپولوژی 1-10-10-3، الگوریتم آموزش LM و تابع Tan-Tan-Lin و مدل ANFIS با تابع عضویت سیگموئید در ورودی و قوانین فازی 4×3×3 بهترین مدل‌ها شناخته شدند. با توجه به نتایج به دست آمده، هر سه روش مدل‌سازی با دقت مطلوبی قادر به برآورد نسبت رطوبت لحظه‌ای نمونه‌ها بودند. با این حال، مدل ANFIS با ضریب تبیین 0.9997 و میانگین مربعات خطای 5-10×4.53 در برآورد داده‌های تجربی عملکرد بهتری داشت.
