logo
calendar28 Noyabr 2024
view41
Основной язык:Узбекский

ПРОГНОЗИРОВАНИЕ ДИНАМИКИ ТЕМПЕРАТУРЫ КОСВЕННЫХ СОЛНЕЧНЫХ СУШИЛОК НА ОСНОВЕ НЕЧЁТКОЙ ЛОГИКИ

Область науки:
pdf

674847947546d.pdf

PDF

Наука инновационое развитие

Наука инновационое развитие

Опубликовать статьюsee more

АННОТАЦИЯ СТАТЬИ

quote
Процесс сушки продуктов в косвенных солнечных сушилках, работающих в условиях изменяющихся погодных условий, представляет собой сложную нелинейную систему. Моделирование таких систем имеет важное значение для определения их эффективности, анализа и прогнозирования работы сушилок в будущем. Моделирование помогает оптимизировать процесс сушки, учитывая сложную динамику системы. Прогнозирование динамики температуры в камере сушилки играет важную роль в повышении эффективности процесса сушки и улучшении качества продукции. Контроль температуры позволяет максимально сохранить питательные свойства продукта, эффективно снижая уровень его влажности. По этой причине предварительное точное прогнозирование температурных значений является необходимым условием для улучшения качества продукта в процессе сушки и повышения эффективности процесса. В этой статье был проведён ряд экспериментов на косвенной сушилке для различных погодных условий, изучены её статические и динамические свойства. На основе результатов эксперимента с использованием метода Мамдани были сформированы относительная функция и разработана база правил механизма вывода. При обучении модели по алгоритму Мамдани было точно спрогнозировано, что при солнечной радиации 700 W/м² и температуре окружающей среды 46 °C температура в камере сушки составит 50,9 °C, а при солнечной радиации 750 W/м² и температуре окружающей среды около 50 °C температура в камере достигнет 52 °C, что полностью соответствует экспериментальным данным. Точность предлагаемой модели показала, что среднеквадратичная ошибка (RMSE) составила 0,38 °C, а процент среднеквадратичной ошибки (RMSE %) – 0,82 %. Этот метод открывает возможности для создания автоматических систем регулирования в солнечных сушилках и совершенствования технологий сушки в будущем.

АВТОРЫ

K.Usmanov

Toshkent kimyo-texnologiya instituti

S.Rejabov

Toshkent kimyo-texnologiya instituti

B.Usmonov

Toshkent kimyo-texnologiya instituti

A.Artikov

Toshkent kimyo-texnologiya instituti

Теги

# моделирование# prediction# нечеткая логика# fuzzy logic# прогнозирование# modeling# солнечное излучение# solar radiation# modellashtirish# bashoratlash# quyosh radiatsiyasi# noqat’iy mantiq# tabiiy konveksiyali quritgich# Mamdani algoritmi modeli# естественная конвекция сушилки# модель алгоритма Мамдани# natural convection dryer# mamdani algorithm model

ДРУГИЕ СТАТЬИ ЭТОГО ЖУРНАЛА

Оценить статью

0
оценок: 0
5
4
3
2
1

Идентификаторы статьи

ROI:

https://eroi.uz/11.0094/A1124-0006

DOI:

Недоступно

Список литературы

Abduvaxitovna, S. S., & Isroilovich, U. K. (2024). Dorivor o‘simliklarni gelioquritish qurilmasida quritish jarayonini matematik modellashtirish [Mathematical modeling of the drying process of medicinal plants in a helio-drying device]. (In Uzbek). Science and Innovative Development, 7 (4), Article 4.

Arslankaya, S. (2023). Comparison of performances of fuzzy logic and adaptive neuro-fuzzy inference system (ANFIS) for estimating employee labor loss. Journal of Engineering Research, 11 (4), 469–477. https://doi.org/10.1016/j.jer.2023.100107

Bala, B. K., & Woods, J. L. (1995). Optimization of natural-convection, solar drying systems. Energy, 20 (4), 285–294. https://doi.org/10.1016/0360-5442(94) 00083-F

Belessiotis, V., & Delyannis, E. (2011). Solar drying. Solar Energy, 85 (8), 1665–1691. https://doi. org/10.1016/j.solener.2009.10.001

Deng, Z., Li, M., Xing, T., Zhang, J., Wang, Y., & Zhang, Y. (2021). A literature research on the drying quality of agricultural products with using solar drying technologies. Solar Energy, (229), 69–83. https://doi.org/10.1016/j.solener. 2021.07.041

Eshbobaev, J., Norkobilov, A., Usmanov, K., Khamidov, B., Kodirov, O., & Avezov, T. (2024). Control of Wastewater Treatment Processes Using a Fuzzy Logic Approach. The 3rd International Electronic Conference on Processes (p. 39). https://doi.org/10.3390/engproc2024067039

Gulyamov, Sh. M. (2018). Intelligent control technology, the reliability of the measuring information. Chemical Technology, Control and Management, 3, 128–131.

Hamdi, I., Kooli, S., Elkhadraoui, A., Azaizia, Z., Abdelhamid, F., & Guizani, A. (2018). Experimental study and numerical modeling for drying grapes under solar greenhouse. Renewable Energy, (127), 936–946. https://doi.org/10.1016/j.renene. 2018.05.027

Hernández, A. L., & Quiñonez, J. E. (2018). Experimental validation of an analytical model for performance estimation of natural convection solar air heating collectors. Renewable Energy, 117, 202–216. https://doi.org/10.1016/j.renene. 2017.09.082

Ho, C.-D., Yeh, H.-M., & Chen, T.-C. (2011). Collector efficiency of upward-type double-pass solar air heaters with fins attached. International Communications in Heat and Mass Transfer, 38 (1), 49–56. https://doi.org/10.1016/j.icheat masstransfer.2010.09.015

Jain, D., & Tiwari, G. N. (2004). Effect of greenhouse on crop drying under natural and forced convection II. Thermal modeling and experimental validation. Energy Conversion and Management, 45 (17), 2777–2793. https://doi.org/10.1016/j. enconman.2003.12.011

Lamidi, R. O., Jiang, L., Pathare, P. B., Wang, Y. D., & Roskilly, A. P. (2019). Recent advances in sustainable drying of agricultural produce: A review. Applied Energy, (233–234), 367–385. https://doi. org/10.1016/j.apenergy.2018.10.044

López-Vidaña, E. C., Méndez-Lagunas, L. L., & Rodríguez-Ramírez, J. (2013). Efficiency of a hybrid solar–gas dryer. Solar Energy, (93), 23–31. https://doi.org/10.1016/j.solener.2013.01.027

Madhankumar, S., Viswanathan, K., Taipabu, M. I., & Wu, W. (2023). A review on the latest developments in solar dryer technologies for food drying process. Sustainable Energy Technologies and Assessments, 58, 103298. https://doi.org/10.1016/j.seta.2023.103298

Mohammadi, B., Ranjbar, S. F., & Ajabshirchi, Y. (2018). Application of dynamic model to predict some inside environment variables in a semi-solar greenhouse. Information Processing in Agriculture, 5 (2), 279–288. https://doi.org/10.1016/j.inpa.2018.01.001

Mukhamedieva, D.T. (2020). Yechim optimizatsiya vazifalarini hal qilish yondashuvlari, tabiiy hisoblash algoritmlariga asoslangan [The solution is based on approaches to solving optimization tasks, natural computing algorithms]. (In Uzbek). Scientific and Technical Journal, 24 (2), 58–67.

Prakash, O., & Kumar, A. (2014). ANFIS modelling of a natural convection greenhouse drying system for jaggery: An experimental validation. International Journal of Sustainable Energy, 33 (2), 316–335. https://doi.org/10.1080/ 14786451.2012.724070

Prakash, O., Kumar, A., Kaviti, A. K., & Kumar, P. V. (2015). Prediction of the rate of moisture evaporation from jaggery in greenhouse drying using the fuzzy logic. Heat Transfer Research, 46 (10), 923–935. https://doi.org/10.1615/HeatTrans Res.2015007463

Rejabov, S., Usmonov, B., Usmanov, K., & Artikov, A. (2024). Experimental Comparison of Open Sun and Indirect Convection Solar Drying Methods for Apricots in Uzbekistan. The 3rd International Electronic Conference on Processes (p. 26). https://doi.org/10.3390/engproc2024067026

Rejabov, S. A., Usmonov, B. Sh., & Artiqov, A. A. (2024). Oʻrik mevasini majburiy konveksiyali quyosh quritgichida quritish vaqtini hisoblash [Calculation of the drying time of apricots in a forced convection solar dryer]. (In Uzbek). Science and Innovative Development, 7 (2), 48–60. https:// cyberleninka.ru/article/n/o-rik-mevasini-majburiy-konveksiyali-quyosh-quritgichida-quritishvaqtini-hisoblash

Sidikov, S. I., Usmanov, K. I., Yakubova, N. S., & Kazakhbayev, S. A. (2020). Nechetkoye sinergeticheskoye upravleniye nelineynykh sistem [Fuzzy synergetic control of nonlinear systems]. (In Russian). Journal of Advances in Engineering Technology, (2), 16–19. https://doi.org/10.24412/2181- 1431-2020-2-16-19

Simo-Tagne, M., Zoulalian, A., Rémond, R., & Rogaume, Y. (2018). Mathematical modelling and numerical simulation of a simple solar dryer for tropical wood using a collector. Applied Thermal Engineering, (131), 356–369. https://doi.org/10.1016/j.applthermaleng.2017.12.014

Sultanova, S., Usmanov, K., Ungbayeva, D., & Tadjibayeva, D. (2024). Development of adaptive neural-fuzzy models for predicting solar dryer performance. Universum: Technical Sciences, 122 (5). https://doi.org/10.32743/ UniTech.2024.122.5.17503

Vafamand, N., Arefi, M. M., & Khayatian, A. (2018). Nonlinear system identification based on Takagi-Sugeno fuzzy modeling and unscented Kalman filter. ISA Transactions, 74, 134–143. https:// doi.org/10.1016/j.isatra.2018.02.005

Yusupbekov, N. R., Aliyev, R. A., Aliyev, R. R., & Yusupbekov, N. A. (2014). Intellektualniy sistemalar boshqaruvi va qaror qabul qilish [Management of intelligent systems and decision-making]. (P. 490). (In Uzbek). Tashkent: O‘zbekiston milliy entsiklopediyasi.

Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8 (3), 338–353. https://doi. org/10.1016/S0019-9958(65)90241-X

Zoukit, A., El Ferouali, H., Salhi, I., Doubabi, S., & Abdenouri, N. (2019). Design of mamdani type fuzzy controller for a hybrid solar-electric dryer: Case study of clay drying. 2019 6th International Conference on Control, Decision and Information Technologies – CoDIT (pp. 1332–1337). https://doi. org/10.1109/CoDIT. 2019.8820581