排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
针对砂盘式荞麦剥壳机存在效率较低、重复搓擦、能耗大等问题,改进了剥壳机主要工作部件,分析产生间隙调整误差的原因,在此基础上对提高荞麦剥壳机的出米率及降低相对碎米率进行研究。以粒径为4.6~4.8mm的荞麦为试验原料,将出米率和相对碎米率作为评价指标,对影响剥壳效率的主要因素:剥壳间隙、砂盘转速及间隙周向误差进行试验研究。试验结果表明:剥壳间隙接近5.0mm时,出米率较高而相对碎米率较低;随着砂盘转速的增大,相对碎米率呈二次函数逐渐递升,最佳转速为950r/min。正交试验结果表明:剥壳间隙周向误差对碎米率影响显著;剥壳间隙和砂盘转速对出米率、相对碎米率均有显著影响。最终优化方案为:剥壳间隙4.8mm,砂盘转速950r/min,间隙周向误差±0.05mm,此时出米率为35.4%,相对碎米率5.8%,出米率高于目前荞麦米生产水平10%~25%。 相似文献
5.
6.
针对荞麦剥壳机调节运行参数时需要对出料口混合物中各种成分进行定量分析,而传统人工分析方法耗时且主观性强的问题,研究了一种基于主成分分析和BP神经网络的荞麦剥壳混合物识别方法。采集未剥壳荞麦、已剥壳完整荞麦米和破损荞麦米的图像,对图像进行预处理后,提取了每个单独籽粒图像的12个颜色特征、10个形状特征和18个纹理特征。使用主成分分析法将40个特征参数映射为5个综合特征作为输入参数,构造了一个5-11-3结构的单隐层BP神经网络对荞麦剥壳混合物进行识别,试验结果表明:该BP神经网络对未剥壳荞麦、已剥壳完整荞麦米和破损荞麦米的识别正确率分别为98%、90%和98%,平均正确率为95%,能够对荞麦剥壳混合物进行有效的识别。 相似文献
7.
1