Alojamiento de la Tesis en el Repositorio Institucional

Abstract

En este trabajo de Tesis se presenta una estrategia de optimización que utiliza un modelo de red neuronal artificial inversa (ANNi) aplicado a una técnica de optimización metaheurística, denominada algoritmos genéticos, para determinar las condiciones óptimas en la velocidad de secado (Vd) en dos tipos de frutas de la región de clima tropical húmedo del sureste de México: plátano y malanga. En la etapa experimental se evaluaron ambas frutas mediante un secador solar indirecto por convección forzada, durante periodos de tiempo de prueba programada de 9:00 a 17:00 h por día. La ventilación forzada se realizó con un ventilador extractor de aire, operando a 6V, 9V y 12 V, este voltaje corresponde a la velocidad de giro del ventilador. Los resultados mostraron que las máximas velocidades de secado se lograron para un voltaje de 9V tanto para la malanga como para el plátano. En el caso de la malanga el tiempo total de secado fue de 465 min, con tres etapas de velocidad de secado, 1.5, 0.9, y 0.55 g/min. En el caso del plátano el tiempo total de secado fue de 495 min, con dos etapas de velocidad de secado, 1.46 y 0.36 g/min. Como resultado de las curvas de secado se observó que la velocidad de secado es mayor en la malanga que en el plátano. La arquitectura de la red neuronal fue entrenada utilizando la base de datos generada en la etapa experimental del secador solar. Las variables de entrada del modelo neuronal fueron: Radiación solar (GT), temperatura ambiente (Ta), humedad relativa (RH), velocidad del viento (wv), temperatura de entrada (Ti), temperatura de salida (To) y voltaje del ventilador (Vf). Se realizó una correlación cruzada entre los datos experimentales y simulados de la velocidad de secado (vd), con un coeficiente de regresión lineal R = 0.9822. Se realizó un análisis de sensibilidad para determinar el impacto de todas las variables de entrada. El mejor resultado fue obtenido por algoritmos genéticos (ANNi-GA) con un porcentaje de error de 0.83% y un tiempo de cómputo de 0.93 s. La estrategia de optimización utilizada en esta investigación, nos brinda un aporte teórico importante, para establecer mejores prácticas de control, así como la posibilidad de implementar la estrategia de hibridación ANNi-Algoritmo Metaheurístico para trabajos de la misma naturaleza de este estudio.