ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРЫ В ГЕЛИОСУШИЛКЕ
Аннотация
Лекарственные растения играют важную роль в здравоохра-нении и лечении различных заболеваний. Они широко используются в традиционной и современной медицине, содержат биологически активные соединения с различными терапевтическими свойствами. Изменения в составе растений происходят в основном в результате микробиологической деградации урожая, что связано с увеличением количества микроорганизмов в зависимости от условий хранения и уровня влажности. Для минимизации потерь в составе используются такие основные методы хранения, как замораживание, вакуумная упаковка, консервирование, облучение и сушка.
Процесс сушки считается наиболее экологически чистым методом минимизации потерь в составе, позволяющим сохранить качество, структуру и цвет продукции при длительном хранении. Сушёные продукты занимают значительно меньше места по сравнению с замороженными и консервированными. Процесс сушки происходит за счёт тепло- и массообмена в продукте сушки. Для повышения эффективности сушилок, анализа и прогнозирования их работы необходимо их моделирование. Моделирование позволяет учитывать сложную динамику процесса сушки и прогнозировать параметры управления. Прогнозирование температуры в сушильной камере повышает эффективность процесса и улучшает качество продукции.
Контроль температуры позволяет эффективно снижать уровень влажности продукта, сохраняя при этом его питательные свойства.
Поэтому предварительное прогнозирование значений температуры в процессе сушки является необходимым условием для улучшения качества продукции и повышения эффективности процесса. В данной работе проведён ряд экспериментов с гелиосушилкой, изучены её основные характеристики. На основе результатов экспериментов с использованием модели искусственной нейронной сети было предсказано, что при солнечной радиации 673 Вт/м² и температуре окружающей среды 44,3 °С температура в сушильной камере составит 49 °С, а при солнечной радиации 700 Вт/м² и температуре окружающей среды 45,7 °С – температура в сушильной камере 50,8 °С. Эти результаты полностью соответствуют экспериментальным данным.
Точность предложенной модели составила среднеквадратичную ошибку RMSE, равную 0,36 °С, а процент среднеквадратичной ошибки – 0,83 %. Данный метод позволяет прогнозировать эффективность сушилки и использовать его в будущих научно-практических исследованиях. Предложенный метод не ограничивается солнечными сушилками, он также позволяет оценивать другие типы солнечных сушильных технологий.