螺旋叶片带板齿式轴流脱粒与分离装置试验台的研制

针对轴流脱粒机在实际生产中的广泛应用和人们对于脱粒机理的研究还不深入的现状,结合国内外同类技术研究经验,研制了螺旋叶片带板齿式轴流脱粒与分离装置试验台。该试验台可进行轴流脱粒与分离装置工作性能和结构参数的试验与研究,可用于科研、教学和生产等部门。     

钉齿间距对单轴流脱粒与分离装置性能影响的试验研究

利用自行研制的试验台,进行了钉齿间距对单轴流脱粒与分离装置脱粒性能影响的试验研究,得出了钉齿间距变化对功耗、断穗率、含杂率、糙米率、茎秆破碎程度以及损失率等性能指标的影响规律,确定钉齿间距的合理取值为16 cm,为该装置的进一步研究提供理论依据。     

纵置单轴流滚筒脱粒与分离装置功耗性能试验研究

考察脱粒与分离因子对功耗性能的影响，通过二次回归正交旋转组合试验，对影响钉齿式轴流滚筒脱粒与分离性能的3个因素(喂入量、滚筒转速及导向板导角)以及对脱粒与分离的主效应、单效应、两因素的交互效应进行分析，并且得出各因素水平之间的最佳组合工艺。     

杆齿-栅格凹板单轴流脱粒分离装置性能的试验研究

利用自行设计的杆齿—栅格凹板组成的脱粒分离装置,在实验室内对水稻进行单因素脱粒试验,分析出滚筒转速和喂入量的变化对夹带损失、总损失、未脱损失、糙米率以及功率消耗的影响规律,该种装置具有滚筒转速对脱粒损失的影响比较明显,喂入量对茎秆破碎程度和功耗的影响较大的特点。     

钉齿滚筒轴流脱粒与分离的试验研究

在纵置钉齿式轴流试验台上,进行了水稻脱粒试验,目的是研究脱出物在滚筒轴向的分步规律。试验结果为:脱出物(子粒和碎茎秆及轻杂)沿轴向分布受子粒分布影响最大;子粒沿轴向分布规律是,在20cm处为最高值84.3%,然后开始逐步下降,到100cm的位置时,就几乎没有子粒分布了。     

水稻轴流脱粒分离装置的研究现状及发展趋势

结合水稻的特点以及脱粒分离装置的应用情况,对脱粒分离装置的研究现状进行了系统的归纳,并针对目前收获机械化存在的主要问题,分析了脱粒分离装置今后的发展趋势,为联合收割机脱粒分离装置的进一步研究提供参考。     

组合式轴流装置脱分空间谷物流密度分布规律的研究

为对谷物脱粒装置的工作原理和规律加深了解,对螺旋叶片、板齿组合式轴流脱粒与分离装置脱分空间内谷物流密度沿轴向的分布规律进行了试验研究.结果表明,轴流装置脱分空间谷物流在设定喂入量下沿轴向分布不均匀,密度分布规律曲线沿轴向为Peal-Reed模型.     

横轴流脱粒分离装置的数学模型的建立与试验

横轴流脱粒分离装置滚筒长度限制了其脱粒分离能力,仅被应用于中小型联合收割机。为研究横轴流脱粒分离装置脱粒滚筒转速、喂入量、脱粒间隙等因素对脱粒分离性能的影响,优化装置结构,利用概率学理论建立了横轴流脱粒分离装置的未脱净率和夹带损失率数学模型。对模型正确性验证试验表明,模型对未脱净率的预测相对误差为8.23%,对夹带损失率的预测相对误差为2.90%。仿真分析和试验表明,该模型可反映籽粒轴向分布和脱粒滚筒转速、喂入量、脱粒间隙等参数对脱粒分离性能的影响。     

轴流式脱粒装置脱出物沿滚筒轴向分布规律研究

利用自行研制的螺旋叶片带板齿式轴流脱粒与分离装置,进行了水稻脱粒试验研究,目的是研究脱出物沿滚筒轴向的分布规律。试验结果表明,脱出物沿轴向分布规律受籽粒的分布影响较大,子粒分布曲线规律显著,在不同喂入量的情况下分布形式相似,喂入量大曲线的峰值较高。该研究为脱粒与分离装置的进一步研究提供了理论依据,使轴流技术能更好的应用于实践生产当中。     

花药脱粒工作部件的研究

在花药脱粒机上,脱粒部件是核心部分,在很大程度上决定脱粒质量和生产率,而且对分离清选也有很大影响。所以,本文对几种类型的脱粒工作部件的结构型式、特点、性能进行了分析,并根据试验结果提出了最终选择研制的工作部件。     

谷物脱粒与分离试验计算机数据采集与监控系统研制

利用基于ISA总线的定时计数器板卡PC-6503,模拟量输入/数字量输出接口卡PC-6310D, 开关量输入/输出板卡PC-6407,PC-6001继电器输出板,及温湿度传感器、位移传感器、转矩和转速传感器与微机组成谷物脱粒与分离试验数据采集与监控系统,并利用MCGS组态软件开发出具有良好人机界面的脱粒与分离试验数据采集及过程监控软件。     

轴流脱粒过程的动力学仿真研究

运用变质量系统的基本原理，建立轴流脱粒空间内谷物运动的非线性力学模型。在计算机上对轴流脱粒过程谷物的力学状态进行仿真，并对脱粒机理进行理论分析。领导 具结果表明，脱粒装置的反力和钉齿打击力都是谷物运动角位移的复杂周期函数，每一个周期又可分为冲击脱粒和茎秆疏松两个阶段，两者协调呼应交替出现，使谷物得以充分脱粒和分离。谷物这种交替出现的受力状态是保证籽粒有效脱粒的动力学条件。     

基于ANN的轴流脱粒与分离装置性能指标预测

影响水稻轴流脱粒与分离装置性能指标的因素很多,并且它们之间存在着复杂的非线性关系,用传统方法很难对其进行准确预测。神经网络算法简单、学习收敛速度快、具有线性、非线性逼近精度高等特性。本文以正交旋转组合实验获得的数据作为样本,对人工神经网络(ANN)模型进行训练学习,利用训练后所得到的模型,对性能指标进行了预测。结果表明,网络预测值与实测值之间具有很高的相关性和精确度,为机械性能指标研究提供了一定的理论辅助手段。