| 基于RSM和GA-BP-GA优化的油茶籽仿真参数标定 |
| |
| 引用本文： | 丁辛亭,李凯,郝伟,杨其长,闫锋欣,崔永杰.基于RSM和GA-BP-GA优化的油茶籽仿真参数标定[J].农业机械学报,2023,54(2):139-150. |
| |
| 作者姓名： | 丁辛亭 李凯 郝伟 杨其长 闫锋欣 崔永杰 |
| |
| 作者单位： | 西北农林科技大学;中国农业科学院都市农业研究所 |
| |
| 基金项目： | 国家重点研发计划项目（2019YFD1002401）、国家自然科学基金项目（31971805）和陕西省重点研发计划项目（2019ZDLNY02-04） |
| |
| 摘 要： | 采用逆向工程技术，在EDEM软件中建立了油茶籽离散元模型；通过物理试验测得油茶籽堆积角为(27.93±1.46)°,以及密度、碰撞恢复系数和油茶籽-钢板间静摩擦因数的参数区间，采用Plackett-Burman Design和最陡爬坡试验筛选显著性因素；以堆积角为响应值，采用响应面(RSM)和机器学习对显著性参数进行优化和对比。结果显示，基于遗传算法(GA)的BP人工神经网络的预测能力与稳定性优于随机森林、支持向量机和BP人工神经网络；采用GA寻优得到油茶籽-油茶籽间静摩擦因数为0.443、油茶籽-钢板间静摩擦因数为0.319、油茶籽-油茶籽间滚动摩擦因数为0.063,测得仿真堆积角为27.63°,与实际堆积角的相对误差为1.09%;采用RSM得到油茶籽-油茶籽间静摩擦因数为0.383、油茶籽-钢板间静摩擦因数为0.335、油茶籽-油茶籽间滚动摩擦因数为0.064,测得仿真堆积角为26.99°,相对误差为3.33%。研究结果表明，在油茶籽参数标定中，GA-BP-GA的参数优化效果优于RSM,并且该研究所建油茶籽模型与参数标定结果可用于离散元仿真。
|
| 关 键 词： | 油茶籽 离散元 参数标定 遗传算法 BP神经网络 |
| 收稿时间： | 2022/11/5 0:00:00 |
Calibration of Simulation Parameters of Camellia oleifera Seeds Based on RSM and GA-BP-GA Optimization |
| |
| DING Xinting,LI Kai,HAO Wei,YANG Qichang,YAN Fengxin,CUI Yongjie.Calibration of Simulation Parameters of Camellia oleifera Seeds Based on RSM and GA-BP-GA Optimization[J].Transactions of the Chinese Society of Agricultural Machinery,2023,54(2):139-150. |
| |
| Authors: | DING Xinting LI Kai HAO Wei YANG Qichang YAN Fengxin CUI Yongjie |
| |
| Institution: | Northwest A&F University;Institute of Urban Agriculture, Chinese Academy of Agricultural Sciences |
| |
| Abstract: | |
| |
| Keywords: | Camellia oleifera seeds discrete element parameter calibration genetic algorithm BP neural network |
|
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
