基于BP神经网络的甘蔗收获机切割器振动性能研究

针对小型甘蔗收获机切割器不平衡对切割器轴向振动的影响,为实现切割器振动的有效预测以及自动控制信号的获取,通过正交试验并利用BP神经网络技术与回归分析构建出了切割器螺旋以及刀盘振动的BP神经网络模型和回归模型。分析结果表明:基于BP神经网络建立模型的切割器螺旋与刀盘的振动正确拟合率达到了88.89%,且相对误差基本上在5%以内,而回归模型的切割压力正确拟合率只有38.89%。因此,基于BP神经网络建立的模型具有较高的精度,通过此BP神经网络模型,有效地解决了复杂信息特征的提取问题,减少了试验研究的次数与成本,为进一步的切割器刀盘以及螺旋振动的自动控制系统的研发奠定了基础。     

甘蔗收获机切割性能的模糊综合评价与优化

由于甘蔗收获机整机性能的切割质量受到多因素的综合影响,综合应用了正交试验与模糊综合评价方法,对反映甘蔗根部切割质量的破头率进行了研究。首先通过正交试验研究不同参数组合对不同考察指标的影响,然后根据模糊评价方法对破头率进行了综合评价,并依据评价值结合正交试验进行极差分析确定了最优参数组合,从而将多指标试验转换为单指标试验。研究结果表明,采用模糊综合评价方法可取得较好的应用效果。     

甘蔗切割器切割功率与破头率关系的试验研究

为了减少甘蔗切割器的切割功率耗损、切割损失并满足切割甘蔗破头率小的要求,在双刀盘甘蔗切割试验台上,通过对刀盘转速、台车行走速度、刀盘前倾角、刀片刃角进行四因素与二指标(切割功率、破头率)进行试验研究,采用二次回归旋转组合设计、综合平衡法等分析方法,得出四因素的优化值下切割功率与破头率最小.最优组合是:刀盘转速581.7r/min,行走速度0.818m/s,刀盘前倾角16°,刀片刃角7.5°.优化后的破头率和切割功率分别是3.259%和1.708kW.     

小型甘蔗收获机根部切割器结构设计

根据小型甘蔗收获机的特点和最优切割参数设计了具有合理结构型式的刀片.进而设计出根部切割器.运用工程分析软件对刀片和根部切割器进行结构运动学和动静力学分析,验证了其结构可靠性和切割性能.并获得机构的固有频率和可能出现的破坏形式.运用3-D建模软件确定了根部切割器的三维模型图,用于小型甘蔗收获机根部切割器物理样机的开发.     

甘蔗收获机切割器入土深度自动控制系统设计与试验

针对甘蔗收获机切割器无法根据蔗地地形的变化而自动调节现象,设计并建立一种以系统的负载压力信号间接反映入土切割深度的甘蔗收获机切深自动控制系统.通过数学建模的方法,得到电液比例控制传递函数.计算控制系统各个环节的增益并对系统进行误差分析,得出系统的最大误差为2.2 mm,满足甘蔗收获生产的实际要求.将所建立的系统应用于试...     

两种形式甘蔗切割器对破头率影响的因素分析

针对两种形式甘蔗切割器在收获甘蔗过程中造成的甘蔗破头率大小不同的问题,对甘蔗切割器的工作参数和结构参数进行因素分析,探讨相同影响因素与甘蔗破头率之间的关系以及两种形式的甘蔗切割器与甘蔗破头率的差异,为甘蔗切割器的设计提供理论和实际依据,具有重要的理论意义和指导价值。     

基于动态特性的甘蔗收获机切割器拓扑优化设计

根据甘蔗收获机切割器动态分析结果中应力集中区域较多、振动较大的问题,针对减小甘蔗破头率和能耗及提高整体刚度的需求,在满足工作条件的情况下,以最小柔度为优化目标,对切割器结构进行拓扑优化设计,以优化所得构型为基础,提取并建立切割器新模型。最后,对新模型进行有限元分析,结果表明:优化后的切割器的1阶固有频率提高了10.05%,2阶固有频率提高了15.15%,Z向位移和综合位移分别减少了55.58%和44.58%,质量也减少了3.37%,应力集中区域刚性得到明显提升,为同类甘蔗收获机切割器的优化设计提供了参考和理论依据。     

单圆盘甘蔗切割器切割破头率影响机理研究

为了降低甘蔗切割器切割甘蔗的破头率,提高切割质量,在已建立的不同工况下切割器结构因素及振动因素对切割器切割破头率影响的数学模型基础上,分析了各因素对破头率的影响.利用动力学仿真分析软件ADAMS进行了切割器连续切割甘蔗的运动学仿真,通过观察每一根甘蔗的切割状态,并结合图解法研究了各因素对破头率的影响机理.结果表明:频率与振幅对破头率影响显著,切割器设计时应考虑增加减振措施.     

单圆盘甘蔗切割器切割破头率影响因素的试验

利用甘蔗切割综合试验台,对影响甘蔗切割破头率的因素进行了室内试验。采用数理统计方法及优化、仿真技术,建立了相应的数学模型,探讨了田间因素和结构因素对甘蔗破头率的影响机理。在频率、振幅取最小值和软、硬2种土壤条件下,分别对因素进行了优化,结果表明频率、振幅对破头率影响大,因素较优组合为:刀片刃角21°,刀片切割角30.5°,刀盘倾角11.5°,刀片4片。破头率小于11%。     

甘蔗收割机单圆盘切割器工作参数优化

利用甘蔗切割综合试验台,采用二次回归正交旋转设计方法,对影响甘蔗切割破头率的因素进行了室内物理模拟试验研究,建立了不同工况下切割器结构因素及地面不平度引起的振动因素对工作性能指标影响的数学模型。在此模型基础上,采用数理统计方法及优化技术,在频率、振幅取最小值和不同工况条件下,对结构因素进行了优化,同时进行了综合优化。结果表明,频率与振幅对破头率影响大,优化后的切割器工作参数降低了破头率。     

双刀盘甘蔗切割器工作参数的试验优化研究

采用二次回归正交旋转设计的试验方法,模拟甘蔗在湿土和干土里的固定情况,对双刀盘甘蔗切割器切割甘蔗破头率的影响因素(刀盘转速、前进速度、切割角、刀片数量、刀片刃角、刀盘前倾角)进行了室内物理模拟试验;运用数理统计分析、数学建模及计算机优化方法,建立了在湿土和干土两种条件下的影响因素与甘蔗破头率之间的数学模型;在湿土和干土综合条件下,对影响因素进行优化,结果使甘蔗破头率降至8.18%以下。     

甘蔗收获机切刀负载压力的神经网络预测

为了实现切刀负载压力预测以及入土切割自动控制信号获取,结合正交试验和BP神经网络与回归分析分别建立了切刀负载压力的预测数学模型.结果表明:BP神经网络构建的切割负载压力数学模型准确拟合率达到了85.2％,而回归分析构建的切割负载压力模型准确拟合率只有33.3％;对构建的切刀负载压力BP神经网络模型在新的试验因素下得到的...     

小型甘蔗收获机刀盘螺旋提升装置对输送影响的研究

为了分析刀盘螺旋提升装置结构与工作参数对甘蔗输送顺畅性的影响,对不同结构设计方案进行仿真分析,并采用二次回归通用旋转组合试验研究刀盘螺旋杆高度、刀盘转速、相邻输送辊高度等3个因子对甘蔗输送率指标的影响。利用SPSS软件进行回归分析和响应面分析,研究单因素与交互作用对响应值的影响。综合非线性优化方法,得到最佳参数组合,即在刀盘转速为400r/min、螺旋高203mm、输送辊高236mm时最优输送通过率可达到97.72%。     

切断式甘蔗联合收获机的试验与分析

为了探索窄行距的甘蔗收获,对引进的凯斯4000型切断式甘蔗联合收获机作业性能和收获机组系统的性能进行了测试,分别测定甘蔗破头率、损失率、含杂率、油耗和生产效率,并针对凯斯7000与凯斯4000进行了对比试验。结果表明:引进的凯斯4000型甘蔗联合收获机适应窄行距作业,符合农户的作业要求。其破头率为7.45%、损失率为11.68%、含杂率为8.46%、油耗为2.23 L/t、生产效率为15.46 t/h。     

小型甘蔗收获机分动箱性能优化及试验研究

针对小型甘蔗收获机分动箱工作过程中的因受力变形而导致振动过大和工作失效问题,根据分动箱的薄弱环节,提出了分动箱结构改进方案,并对结构改进优化前后的分动箱进行振动测试分析。试验结果表明:振动加速度强度峰峰值同比下降15.4%~32.2%,有效值下降6.5%~30.1%;改进后箱体有效避开了发动机的振动频率,分动箱性能得到了提高,并且得出了分动箱的主要振源,为分动箱的减振处理提供了依据。     

甘蔗收割机刀盘轴的疲劳分析和优化设计

通过实测甘蔗收割机作业工况的载荷信号,利用nCode Glphyworks进行信号处理,得到了能反映实际工作载荷的载荷谱。通过UG建立刀盘轴的三维实体模型,将三维实体模型导入ANSYS Workbench中进行网格划分和静力分析,得到刀盘在静力作用下的应力结果。根据载荷谱、有限元分析结果和材料的S-N曲线,利用nCode Designlife对刀盘轴进行了疲劳寿命预测,再根据静力分析和疲劳的结果,利用ANSYS Workbench对刀盘轴进行优化,最后验证优化后的刀盘轴是否满足实际使用的需求。     

凯斯A8000甘蔗联合收割机切割质量影响因素的试验

针对凯斯A8000甘蔗联合收获机实际操作参数对切割质量影响大的问题,采用二次回归通用旋转组合设计和田间物理试验方法,对其切割质量影响因素(实际操作参数)进行了研究,探明了各影响因素对切割质量的影响规律和影响机理,且优化了影响因素。结果表明:随刀盘转速x1增大,甘蔗破头率先减小后增大,随前进速度x2的增大,甘蔗破头率y增大;使用大的刀盘倾角时,小深度的入土切割有利于降低甘蔗破头率,但采用大深度的入土切割,甘蔗破头率增大;使用小的刀盘倾角时,贴地切割对降低甘蔗破头率最有利。使用小的刀盘倾角时,因素优组合为:刀盘转速为516.4r/min,前进速度为4km/h,刀盘的离地高度为0,相应可靠性为99%的甘蔗破头率预测区间为(3.9%~8.12%)。使用大的刀盘倾角时,因素优组合为:刀盘转速为544r/min,前进速度为4km/h,刀盘的离地高度为-2.78cm,相应可靠性为99%的甘蔗破头率预测区间为(5.85%~9.34%)。