بررسی اثر سرعت دورانی، دما، نوع پیچ فشاری و قطر دای بر میزان روغن استخراجشده از دانه روغنی کنجد
Publish place: Journal of Agricultural Machinery، Vol: 10، Issue: 2
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 368
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAM-10-2_017
تاریخ نمایه سازی: 6 دی 1399
Abstract:
در سالهای اخیر همگام با رشد جمعیت و بهبود سطح زندگی، مصرف روغنهای گیاهی رو به افزایش نهاده و موجب افزایش سطح زیر کشت دانههای روغنی شده است. اخیراً کنجد بهعنوان یک گیاه مناسب روغنی برای کشت در شرایط آب و هوایی ایران مورد توجه قرار گرفته است. در این پژوهش یک دستگاه عصارهگیری از دانهی روغنی کنجد، به روش پیچ پرسی طراحی و ساخته شد. آزمایشهای مختلفی برای تعیین میزان روغن استخراج شده بر اساس پارامترهای قابل تغییر همچون شکل هندسی پیچهای پرسی، سرعت دورانی پیچ پرسی، دمای استخراج و قطر دای انجام شد. آزمایشها در سه سطح دمایی (°C 30، 60 و 90)، سه سطح سرعت دورانی (20، 50 و 80 rpm)، سه مدل پیچ پرسی (سر راست با گام ثابت، سر راست با گام متغیر و مخروطی) و سه قطر دای (6، 8 و 10mm)، بهصورت فاکتوریل در قالب طرح کاملاً تصادفی انجام گردید. نتایج تحقیق نشان داد که اثر نوع پیچ پرسی، سرعت دورانی، دمای استخراجی و اندازه دای بر میزان استخراج روغن در سطح یک درصد معنیدار است بهگونهای که پیچ پرسی مخروطی با سطح سرعت rpm 50 و سطح دمایی°C 60 و قطر دای mm6 بیشترین میزان استخراج روغن را داشت. برای پیشبینی میزان روغن کنجد استخراج شده از شبکه عصبی مصنوعی از نوع پرسپترون چندلایه و مقایسه آن با مدلهای رگرسیونی استفاده شد. نتایج نشان داد که مدل شبکه عصبی مصنوعی با توپولوژی 1-8-3 با ضریب همبستگی 4۷/97 درصد و مجذور میانگین مربعات خطای، 65/0 در مقایسه با مدلهای رگرسیون خطی و درجه دوم کارایی بالاتری در پیشبینی میزان روغن استخراجی دارد.
Authors
منصور عسافی
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
رسول معمار دستجردی
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
محمد نوشاد
دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :