排序方式: 共有10条查询结果,搜索用时 0 毫秒
1
1.
农业物料在收获、加工和运输等过程中易出现碰撞损伤,直接影响农产品质量。深入研究其碰撞损伤机理对于降低农业物料损伤具有重要意义。农业物料损伤来源主要为碰撞接触损伤,为了解典型农业物料碰撞损伤机理,在研究大量国内外文献的基础上,基于撞击式损伤原理,针对农业物料碰撞损伤机理综述了经典接触力学中小变形碰撞接触的研究现状和典型物料碰撞接触的损伤规律,从碰撞理论、碰撞模型、碰撞检测及数值仿真等方面,分别阐述了脱粒型、脱壳型和柔性果型农业物料碰撞特性的研究进展和技术难点,并探讨了典型农业物料在逆向建模、碰撞损伤模型改进、碰撞算法改进以及开发高精度损伤传感器等方面研究的可能性,为农业工程装备设计及改进提供参考。 相似文献
2.
搓压式蓖麻脱壳机脱壳过程运动分析与试验 总被引:1,自引:0,他引:1
为优化蓖麻蒴果柔性脱壳装置的脱壳过程参数,基于离散元粘结接触理论,构建蓖麻蒴果脱壳过程仿真模型,对物料在脱壳室内运动过程进行分析。结果表明,当滚筒转速为250r/min、脱壳间隙为7mm、填充率为40%时,脱壳率最高。滚筒转速对颗粒受到的最大压力和最大速度影响显著,随着转速的增加,颗粒间最大挤压力从68.78N减小到68.10N,颗粒最大速度从8.92m/s增加到12.99m/s,脱壳率从91.23%增加到91.28%,然后下粒最大压力从76.93N下降到58.69N,颗粒最大速度先由12.14m/s增加至12.99m/s,后减小至10.05 m/s;脱壳率先由92.50%减小至89.59%,后增加至91.41%。蓖麻蒴果在脱壳过程中,颗粒在X轴方向运动的平均速度从4.17m/s减小到3.26m/s;颗粒在Y轴方向运动的平均速度从8.26m/s减小到7.59m/s;颗粒在Z轴方向运动的平均速度从6.58m/s减小到6.24m/s。开始脱壳阶段,蓖麻蒴果集中分布在脱壳室中部,部分呈堆积现象,其运动轨迹为接触内滚筒后弹起一定高度后下落并随内滚筒转动,向出料口方向运动;稳定脱壳阶段,蓖麻蒴果集中均匀分布在脱壳室出料口附近,并随着内滚筒一起转动;脱壳结束阶段,物料集中分布在脱壳室出料口底部位置,并不断向底部位置移动,大部分蓖麻从脱壳室右侧排出。通过仿真得到脱壳过程最优参数组合为:转速350r/min、脱壳间隙5mm、填充率40%。试验结果为:转速350r/min、脱壳间隙5mm、填充率30%,因3个因素中转速和脱壳间隙为极显著因素,填充率为显著因素,故差异在合理范围内。 相似文献
3.
为研究花生种子机械脱壳变形和等效应力变化规律,改进脱壳装备设计,以辽宁地区主栽品种花育23和鲁花1号花生种子为研究对象,以破壳力和变形量为试验指标,加载速度、含水率、加载方式和品种为影响因素,对花生种子作单因素试验分析,建立花生壳和花生仁有限元模型,采用ANSYS软件对其静力学仿真。结果表明,加载速度、含水率、加载方式和品种对破壳力均影响显著(P0.05);加载速度增加25%,破壳力和变形量下降7.54%及2.11%;含水率增加6.6%,破壳力和变形量上升19.7%及8.5%。花生壳不同加载方式有限元仿真最大变形量分别为2.34、3.23和3.86 mm,变形量与压缩载荷之间存在非线性关系,花生仁最大变形量约为花生壳的32%,试验结果与有限元仿真相近。研究为优化花生种子脱壳设备关键部件设计,降低脱壳破损提供参考。 相似文献
4.
为研究蓖麻蒴果在脱壳时与脱壳部件之间的碰撞模型,揭示恢复系数的影响规律,基于蓖麻蒴果碰撞动力学原理和运动学方程,分别建立蓖麻蒴果碰撞过程中恢复系数的理论模型和试验装置。1)采用L8(4×23)型混合正交试验方案研究碰撞材料、含水率、下落高度和品种对蓖麻蒴果恢复系数的影响,并对碰撞材料、下落高度和品种进行单因素试验分析。2)利用高速摄影捕捉哲蓖4号和通蓖17号蓖麻蒴果碰撞时的反弹轨迹,并对其进行遍历循环计算,得出了蓖麻蒴果碰撞恢复系数。3)采用龙格库塔算法对碰撞动力学模型进行数值计算,采用遗传算法改进的Lsqcurvefit算法对恢复系数模型进行参数估计,得出了下落高度对恢复系数影响的解析表达式。试验结果表明:蓖麻蒴果恢复系数(COR)为0.268 8~0.426 4,影响其碰撞恢复系数因素主次顺序为碰撞材料、下落高度、品种和含水率,且碰撞材料对蓖麻蒴果恢复系数影响极显著;随下落高度的增加,恢复系数依次减少,且理论解与试验值相近,改进后的算法在恢复系数求解精度上分别提高约3.25%和3.02%。 相似文献
5.
典型蓖麻蒴果离散元参数标定与分析 总被引:1,自引:0,他引:1
蓖麻蒴果离散元参数难以通过试验或文献直接获得,为获得蓖麻蒴果脱壳过程离散元参数需进行参数标定。以堆积试验为依据,对典型蓖麻蒴果离散元参数进行标定。选用通蓖11号和品种1987进行试验,以蓖麻休止角为响应值,应用PlackettBurman试验对物料离散元参数筛选出显著因素。利用最陡爬坡试验逼近最优参数组合区间,设计中心组合试验,选取最优参数组合。结果表明:通蓖11号的显著因素为蓖麻-蓖麻静摩擦系数、蓖麻-蓖麻动摩擦系数与蓖麻-Q235钢静摩擦系数,3个系数最优组合值分别为0.59,0.04,0.33,虚拟试验休止角平均值与真实值比值为94.48%;1987品种3个系数最优组合值分别为0.44,0.02,0.14,虚拟试验休止角平均值与真实值比值为96.44%。对通蓖11号3个参数进行优化,优化后各系数为0.6,0.05,0.4,此时虚拟试验休止角平均值与真实值比值为98%,仿真程度提高;通蓖11号各系数均大于1987品种,其中蓖麻-蓖麻静摩擦系数占比为0.27、蓖麻-蓖麻动摩擦系数占比为0.60、蓖麻-Q235钢静摩擦系数占比为0.65。3个参数越大,脱壳时的最大速度越小,仿真时间越长,最大压力及脱壳率越大。标定后的参数可为蓖麻蒴果离散元建模及分析提供参考。 相似文献
6.
为探究蓖麻蒴果破壳力变化规律及破裂机理,以1987品种、通蓖7号、通蓖9号及通蓖11号为研究对象,首先计算其球度,并采用WDW-2型微机电子万能试验机进行准静压力学特性试验,测得4个含水率下的蓖麻蒴果在顶部加载及中部加载下的破壳力,并根据试验结果将破壳过程分为达到破壳力、外种皮破裂及籽粒破损三个阶段。试验结果表明:品种对球度无显著影响;品种对破壳力有显著影响,1987品种蒴果破壳力最小,通蓖7号及通蓖11号次之,通蓖9号最大;含水率对破壳力有极显著影响,破壳力与含水率呈二次曲线关系;加载方式对破壳力有显著影响。其次将蓖麻蒴果视为球体,计算其在51.26N的作用下球心应力为0.80MPa。最后以通蓖11号蒴果为例,对破壳各阶段进行有限元分析。结果表明:顶部加载下达到破壳力时室与室结合破坏,在内侧形成缺口,外种皮破裂时裂纹在缺口处延伸,单室蒴果在法向最大轴线处种皮破裂,籽粒破损时籽粒裂纹在法向最大轴线处形成;中部加载下达到破壳力时,外种皮破裂阶段与顶部加载相同,籽粒破损阶段裂纹出现在切向最大轴线处。仿真分析得到的裂纹与试验结果一致,中心点处应力计算值与仿真结果比值为1.17。研究结果可为蓖麻蒴果脱壳机关键部件的设计提供参考。 相似文献
7.
8.
双圆台锥式蓖麻脱壳清选机设计与试验 总被引:1,自引:0,他引:1
为提高蓖麻脱壳效率,确定了滚搓式的脱壳方法,设计了双圆台结构的脱壳装置以及振动筛选与气吸相结合的清选机构。根据蓖麻蒴果的物理机械特性,设计脱壳装置的内层壳体为不对称双圆台结构。确定锥角并设计脱壳滚筒间隙与脱壳滚筒外层壳体,建立不同阶段脱壳滚筒位置与脱壳间隙的数学模型,为脱壳装置动力学模拟提供理论依据。利用ADAMS对蓖麻蒴果不同脱壳阶段进行运动学仿真,分析物料在压裂阶段与脱壳阶段的位移、速度变化规律,并分析不同脱壳滚筒出料口间隙对各阶段的影响。仿真结果表明:压裂阶段,随着上脱壳滚筒出料口间隙的增加,蓖麻蒴果到达特定压裂位置的时间延后、位移增加、运动速度在0.56s时达到最大。脱壳阶段,随着下脱壳滚筒出料口间隙的增加,蓖麻籽到达特定脱壳位置的时间延后;蓖麻籽到达破壳条件时的位移增加,运动速度先增大后减小。根据仿真结果,选取可调式蓖麻脱壳清选一体装置合理的工作参数区间,以脱壳滚筒转速、上脱壳滚筒出料口间隙、下脱壳滚筒出料口间隙为因素,以脱净率、破损率为指标,利用响应面分析法,对脱壳装置进行试验研究。经双目标优化,取滚筒转速为270r/min、上脱壳滚筒出料口间隙为13.54mm、下脱壳滚筒出料口间隙为5mm;经试验验证,此时脱壳装置工作性能最佳,脱净率为92.03%,破损率为3.1%。 相似文献
9.
蓖麻脱出物组分复杂,清选后含杂率高,且没有专用清选装置,清选效率低,为此设计一种双层倾斜振动风筛式蓖麻清选装置。首先对清选装置总体结构进行设计,采用双层风吹式同步振动结构。其次,对装置的振动筛、清选室、出料口等关键部件进行设计。采用离散元法对清选筛结构进行参数优化,以哲蓖4号为试验物料,测定物料离散元参数,通过单因素试验,分析上筛面筛孔排列型式、筛孔直径、筛面倾角对筛分效率和损失率的影响。确定最佳设计参数为U型筛孔排列、筛孔直径14mm、筛面倾角8°。为了获取最优的工作参数,采用离散元法与计算流体动力学(Computational fluid dynamics,CFD)耦合方法对清选过程进行仿真分析。对单目标函数进行参数优化,当振动筛振幅为8.43mm、振动筛振频为6.00Hz、气流横向角为40.00°时,蓖麻脱出物的最大筛分效率为98.20%。当振动筛振幅为7.00mm、振动筛振频为7.76Hz、气流横向角为40.81°时,蓖麻籽粒的最小损失率为2.02%。以振动筛的振幅、振频和气流横向角为试验因素,以筛分效率和损失率为试验指标,设计了正交组合试验,建立各因素与指标间的数学回归模型,并对模型进行参数优化。结果表明,当振动筛振幅9.00mm、振动筛振频6.16Hz、气流横向角40.00°时,蓖麻清选装置的筛分效率和蓖麻籽粒的损失率最优,分别为97.66%和2.32%。最后,设计出蓖麻清选装置,通过台架试验对最优参数组合进行试验,实际筛分效率与损失率分别为93.15%和6.94%,与预测结果误差在5%以内,同时实际所得到的籽粒含杂率为0.83%,满足使用要求。 相似文献
10.
不同形式的机械损伤对蓖麻种子发芽生长和榨油后的蓖麻油质量影响不同,因此对产生机械损伤的蓖麻种子进行识别分类非常重要。提出了基于卷积神经网络的蓖麻种子损伤分类算法。以种壳缺失、裂纹和完整蓖麻种子(无损伤)的分类为例,构建了蓖麻种子训练集和测试集,搭建2个卷积层(每个卷积层8个卷积核)、2个池化层和1个全连接层(128个节点),实现分类。为提高分类的准确性和实时性,调整网络结构以及优化批量尺寸参数,得到较优的网络结构和批量尺寸;利用上下左右翻转扩充样本,改变优化器、学习率以及正则化系数对该网络进行组合试验,获得准确率及效率较优的组合。通过Dropout优化减小卷积神经网络模型的过拟合。试验结果表明:卷积层为5层、池化层为5层、批量尺寸为32时,该网络模型平均测试准确率为92.52%。在组合试验中,Sgdm优化器更新网络可以提高网络的分类性能;数据扩增可以增加样本的多样性,减小过拟合现象;通过Dropout优化卷积神经网络模型的过拟合;选择学习率为0.01,正则化系数为0.0005时,模型分类准确率达到94.82%,其中种壳缺失蓖麻种子准确率为95.60%,裂纹蓖麻种子准确率为93.33%,完整蓖麻种子准确率为95.51%,平均检测单粒蓖麻种子的时间为0.1435s。最后,开发蓖麻种子损伤分类系统,验证结果为:种壳缺失蓖麻种子的准确率为96.67%,裂纹蓖麻种子的准确率为80.00%,完整蓖麻种子的准确率为86.67%。该卷积神经网络模型在损伤蓖麻种子分类时具有较高的识别准确率,可在蓖麻种子在线实时分类的检测系统中应用。 相似文献
1