舒彩霞，楊 佳，萬(wàn)星宇，袁佳誠(chéng)，廖宜濤，廖慶喜

（1.華中農(nóng)業(yè)大學(xué)工學(xué)院，武漢 430070；2.農(nóng)業(yè)農(nóng)村部長(zhǎng)江中下游農(nóng)業(yè)裝備重點(diǎn)實(shí)驗(yàn)室，武漢 430070）

0 引 言

油菜是中國(guó)主要油料作物，其生產(chǎn)種植面積占全國(guó)油菜總種植面積85%以上，全程全面高質(zhì)高效推進(jìn)油菜機(jī)械化發(fā)展是保障食用油安全的重要措施。油菜聯(lián)合收獲是油菜機(jī)械化收獲的主要方式之一，可一次性完成切割、脫粒、分離、清選等工序，直接獲得干凈的油菜籽粒，生產(chǎn)效率高。在收獲時(shí)，過(guò)早收獲會(huì)產(chǎn)生脫粒不凈、青籽多等問(wèn)題；過(guò)晚收獲容易造成落粒、損失率增加；因此，最適宜收獲時(shí)期是田間油菜呈黃熟期后至完熟期之間，90%以上的油菜角果變成黃色和褐色，主分支向上收攏，果莢中黑籽粒在75%左右。

為提高油菜聯(lián)合收獲機(jī)清選裝置的清選性能，國(guó)內(nèi)外學(xué)者對(duì)清選裝置進(jìn)行了研究。油菜籽粒在進(jìn)行清選作業(yè)時(shí)，脫出物中的籽粒、短莖稈及莢殼間的相互作用關(guān)系難以通過(guò)數(shù)學(xué)模型進(jìn)行分析，采用離散元法（Discrete Element Method，DEM）和計(jì)算機(jī)流體力學(xué)（Computational Fluid Dynamics，CFD）對(duì)關(guān)鍵部件進(jìn)行數(shù)值模擬可以有效模擬出物料運(yùn)動(dòng)軌跡，替代繁雜的臺(tái)架試驗(yàn)，省時(shí)、省力，縮短研發(fā)周期，降低成本。在進(jìn)行油菜脫出物清選仿真試驗(yàn)時(shí)，脫出物間精確的離散元接觸參數(shù)和特征參數(shù)可以提高氣固耦合清選仿真中顆粒間相互作用及運(yùn)動(dòng)規(guī)律的準(zhǔn)確度，進(jìn)而實(shí)現(xiàn)關(guān)鍵部件的參數(shù)優(yōu)化。

為提高仿真模擬的準(zhǔn)確性，使仿真結(jié)果更加接近實(shí)際作業(yè)過(guò)程，國(guó)內(nèi)外學(xué)者基于堆積角試驗(yàn)針對(duì)不同物料的離散元接觸參數(shù)進(jìn)行了標(biāo)定。Guo等通過(guò)物理試驗(yàn)與仿真試驗(yàn)相結(jié)合方法建立了香蕉莖稈力學(xué)模型并對(duì)其生物力學(xué)特性進(jìn)行了研究。馬彥華等采用6個(gè)接觸參數(shù)測(cè)定試驗(yàn)，以此確定優(yōu)化試驗(yàn)的參數(shù)區(qū)間，依次通過(guò)Plackett-Burman試驗(yàn)、最陡爬坡試驗(yàn)以及Box-Behnken 試驗(yàn)對(duì)苜蓿秸稈的離散元仿真參數(shù)進(jìn)行標(biāo)定。侯占峰等通過(guò)物理試驗(yàn)和仿真試驗(yàn)相結(jié)合的方法對(duì)冰草種子進(jìn)行了參數(shù)標(biāo)定。石林榕等通過(guò)堆積試驗(yàn)、查閱參考文獻(xiàn)和計(jì)算了馬鈴薯基本物理參數(shù)和接觸力學(xué)參數(shù)。綜上所述，國(guó)內(nèi)外學(xué)者為不同作物的數(shù)值模擬提供了可參考的離散元參數(shù)。由于油菜脫出物組分糅雜、成熟度不一致、物料間特性差異大，國(guó)內(nèi)外學(xué)者圍繞油菜脫出物的空氣動(dòng)力學(xué)特性、特征參數(shù)及組分配比進(jìn)行了研究。陳立等對(duì)油菜脫出物中籽粒、莖稈、莢殼及輕雜的懸浮速度進(jìn)行了測(cè)定。Zhan等對(duì)整株植物的抗裂莢性、抗主莖剪斷性和共振頻率等生物力學(xué)特性進(jìn)行研究。雷小龍針對(duì)油菜籽粒的特征參數(shù)及接觸參數(shù)進(jìn)行了大量研究。袁佳誠(chéng)等開(kāi)展了脫出物質(zhì)量比試驗(yàn)，發(fā)現(xiàn)隨著切碎滾筒轉(zhuǎn)速增加，脫出物中油菜莖稈平均長(zhǎng)度逐漸降低，增加了脫出物中短莖稈的質(zhì)量比，影響旋風(fēng)分離清選裝置的清選性能。相關(guān)研究可為仿真模擬的基礎(chǔ)參數(shù)提供依據(jù)，但相關(guān)研究主要是對(duì)油菜單一組分的部分物理特性和油菜籽粒的部分特征參數(shù)及接觸參數(shù)進(jìn)行了研究，對(duì)于油菜脫出物（籽粒、短莖稈、莢殼）離散元接觸模型參數(shù)鮮有報(bào)道。

本文采用物理試驗(yàn)與仿真試驗(yàn)相結(jié)合的方法進(jìn)行相關(guān)參數(shù)標(biāo)定，對(duì)油菜脫出物組分間的靜摩擦系數(shù)，碰撞恢復(fù)系數(shù)進(jìn)行標(biāo)定，采用堆積試驗(yàn)對(duì)莖稈特征參數(shù)、莖稈間接觸參數(shù)及莖稈-鋼板接觸參數(shù)進(jìn)行標(biāo)定，在優(yōu)化標(biāo)定后參數(shù)下，通過(guò)DEM-CFD氣固耦合試驗(yàn)與臺(tái)架試驗(yàn)驗(yàn)證了標(biāo)定參數(shù)準(zhǔn)確性，以期為油菜聯(lián)合收獲機(jī)械化仿真模擬提供離散元模型基礎(chǔ)參數(shù)。

1 聯(lián)合收獲油菜脫出物物料特性測(cè)量與分析

1.1 試驗(yàn)材料

2021年5月于華中農(nóng)業(yè)大學(xué)現(xiàn)代農(nóng)業(yè)科技試驗(yàn)基地中采用自主研發(fā)的油菜聯(lián)合收獲機(jī)開(kāi)展田間試驗(yàn)，試驗(yàn)材料為機(jī)直播華油雜62號(hào)油菜，平均種植密度為35～40 株/m，平均株高為1 655.44 mm，平均分支數(shù)為6。為準(zhǔn)確反應(yīng)莖稈的實(shí)際機(jī)械物理特性，采用五點(diǎn)取樣法獲得油菜莖稈，分別在1 m的測(cè)試區(qū)隨機(jī)人工選取油菜植株，從離地350 mm開(kāi)始，每隔100 mm截取油菜莖稈；收集脫出物（如圖1所示）中莢殼及籽粒，將收集的材料分選后作為試驗(yàn)材料，按照其種類(lèi)人工分選后并稱(chēng)量，其中籽粒、短莖稈和莢殼的質(zhì)量比為2∶3∶5，含水率分別為30.41%～37.23%、40.92%～48.32%和66.67%～73.53%。

圖1 油菜脫出物 Fig.1 The rape threshing mixture

1.2 莖稈特征參數(shù)測(cè)量與分析

莖稈材料特征參數(shù)包括密度、泊松比、彈性模量和剪切模量等。通過(guò)MNT951221型數(shù)顯游標(biāo)卡尺（測(cè)量誤差為0.02 mm）對(duì)收集的油菜莖稈直徑進(jìn)行測(cè)量，測(cè)得油菜莖稈的平均直徑為10.05 mm。根據(jù)文獻(xiàn)[23]，通過(guò)體積計(jì)算和質(zhì)量測(cè)定計(jì)算得到油菜莖稈密度為494 kg/m。

通過(guò)質(zhì)構(gòu)儀（TMS-Pro型，美國(guó)FTC公司）對(duì)隨機(jī)選取的油菜莖稈進(jìn)行徑向單軸平板全壓縮試驗(yàn)，試驗(yàn)采用直徑75 mm 的平板壓頭，加載速度為50 mm/s，如圖2a所示。莖稈出現(xiàn)破裂聲時(shí)停止加載，采用定義法測(cè)量油菜莖稈泊松比；利用數(shù)顯游標(biāo)卡尺記錄被擠壓方向及與其垂直方向的直徑變形量，使用質(zhì)構(gòu)儀記錄載荷-位移數(shù)據(jù)（如圖2b所示）。重復(fù)10次，通過(guò)式（1）～（3）計(jì)算得到油菜莖稈的彈性模量、泊松比和剪切模量平均值分別為4.44 MPa、0.45、1.53 MPa。

圖2 油菜莖稈特征參數(shù)測(cè)量 Fig.2 Measurement of feature parameters of rape stalk

式中為物料的彈性模量，MPa；為最大壓應(yīng)力，Pa；為線應(yīng)變；F為最大載荷，N；、為莖稈外徑和內(nèi)徑，mm；為試樣接觸長(zhǎng)度，75mm；Δ為莖稈直徑變化量，mm；Δ為莖稈壓縮前直徑，mm。

式中為物料的泊松比；為被擠壓方向應(yīng)變；為與被擠壓垂直方向應(yīng)變；為油菜莖稈試驗(yàn)前被擠壓方向初始直徑，mm；Δ為油菜莖稈試驗(yàn)后被擠壓方向直徑變化量，mm；為油菜莖稈試驗(yàn)前與被擠壓垂直方向的初始直徑，mm；Δ為油菜莖稈試驗(yàn)后與被擠壓垂直方向的直徑變化量，mm。

式中為物料的剪切模量，MPa。

1.3 脫出物接觸參數(shù)測(cè)量與分析

脫出物接觸參數(shù)主要包括靜摩擦系數(shù)、動(dòng)摩擦系數(shù)及碰撞恢復(fù)系數(shù)等。油菜籽粒細(xì)小且脫出物生物學(xué)特性差異明顯、形態(tài)各異。參數(shù)參考文獻(xiàn)[14]，本文通過(guò)斜面法、自由跌落試驗(yàn)對(duì)脫出物組分間靜摩擦系數(shù)和碰撞恢復(fù)系數(shù)進(jìn)行測(cè)量，采用堆積角逼近的方式對(duì)莖稈與莖稈、鋼板動(dòng)摩擦系數(shù)進(jìn)行標(biāo)定，明確物料組分間的接觸參數(shù)范圍。

采用斜面法測(cè)量不同物料間的靜摩擦系數(shù)。采用摩擦系數(shù)測(cè)定裝置，待測(cè)板為300 mm×300 mm× 3 mm鋼板，試驗(yàn)裝置如圖3所示。當(dāng)物體靜止于斜面上時(shí)：

圖3 物料間靜摩擦系數(shù)測(cè)量試驗(yàn) Fig.3 Static friction coefficient test between materials

式中為物料的重力，N；為斜面與水平面的夾角，(°)；為待測(cè)物料與物料種群板的靜摩擦系數(shù)。

通過(guò)不斷增加斜面傾角，當(dāng)物體剛好有滑動(dòng)趨勢(shì)時(shí)有：

此時(shí)斜面傾角正切值便是此時(shí)接觸物體間的靜摩擦系數(shù)。

在測(cè)定物料間靜摩擦系數(shù)時(shí)，用鑷子將油菜籽粒、莢殼、短莖稈等分別放至于物料種群板上，緩慢提高物料種群板，當(dāng)物料出現(xiàn)向下運(yùn)動(dòng)時(shí)停止抬升物料種群板，記錄此時(shí)的角度，通過(guò)式（5），即可得到物料間的靜摩擦系數(shù)，每組試驗(yàn)重復(fù)20次。根據(jù)文獻(xiàn)[14]，籽粒間靜摩擦系數(shù)取0.5。在測(cè)量時(shí)，為了充分模擬物料與接觸材料的接觸特性，使試驗(yàn)數(shù)據(jù)有良好的適應(yīng)性，物料每次放置位置盡量不重復(fù)，得到的油菜脫出物組分間的靜摩擦系數(shù)如表1所示。

表1 接觸物料間的靜摩擦系數(shù) Table 1 Static friction coefficient between contact materials

采用自由跌落試驗(yàn)測(cè)量不同油菜脫出物間碰撞恢復(fù)系數(shù)。將所測(cè)物料均簡(jiǎn)化為質(zhì)點(diǎn)，物料從高度開(kāi)始掉落，與地面接觸板接觸時(shí)（碰撞開(kāi)始）質(zhì)心速度為，受到固定接觸面的碰撞沖量作用，物料變形增大，速度逐漸減小直至為0；此后彈性變形開(kāi)始恢復(fù)，物料開(kāi)始反向上升，物料離開(kāi)接觸面時(shí)的瞬間獲得反向速度，并一直上升至高度處速度為0（碰撞結(jié)束）。碰撞過(guò)程如圖4所示，由沖量定理可以求出碰撞恢復(fù)系數(shù)表達(dá)式，如式（6）所示。

圖4 碰撞恢復(fù)系數(shù)測(cè)量原理圖 Fig.4 Schematic diagram of collision recovery coefficient test

式中為物料質(zhì)量，g；、為彈性變形前后的碰撞沖量，N·s；為碰撞恢復(fù)系數(shù)。

為清楚觀察到物料的彈起高度，經(jīng)過(guò)多次重復(fù)試驗(yàn)，隨機(jī)選取莖稈制成20 mm的圓柱顆粒進(jìn)行自由跌落試驗(yàn)，物料自地面接觸板正上方200 mm處自由落體；分別以莖稈種群板、莢殼種群板以及鋼板作為地面接觸板進(jìn)行測(cè)量。將網(wǎng)格紙粘于鋼板上作為背景記錄物料下降高度及彈起高度，采用美國(guó)VRI的Phantom系列高速攝影機(jī)正視放置于網(wǎng)格紙正前方，用鑷子夾持物料自200 mm處釋放，每組試驗(yàn)重復(fù)20次，將拍攝的照片導(dǎo)入電腦，通過(guò)式（6）計(jì)算出不同物料的碰撞恢復(fù)系數(shù)，如表2所示，根據(jù)文獻(xiàn)[14]籽粒間碰撞恢復(fù)系數(shù)取0.6。

表2 接觸物料間的碰撞恢復(fù)系數(shù) Table 2 Collision recovery coefficient between contact materials

2 油菜聯(lián)合收獲莖稈顆粒離散元參數(shù)標(biāo)定

由于油菜莖稈為各向異性材料，因此本文采用仿真逼近的方法對(duì)油菜莖稈接觸參數(shù)進(jìn)行標(biāo)定。堆積角反應(yīng)了顆粒物料流動(dòng)及摩擦特性，與接觸材料及自身物理特性相關(guān)。因此，堆積角物理試驗(yàn)常常被用來(lái)顆粒離散元參數(shù)標(biāo)定。利用物理試驗(yàn)標(biāo)定得到的參數(shù)范圍開(kāi)展油菜莖稈堆積試驗(yàn)，不斷調(diào)整油菜莖稈間接觸參數(shù)使仿真堆積角逼近實(shí)際堆積角，對(duì)應(yīng)得到油菜莖稈間準(zhǔn)確接觸參數(shù)。

2.1 油菜莖稈實(shí)際堆積角測(cè)量

采用圓筒提升法獲得油菜莖稈堆來(lái)測(cè)量堆積角。參考文獻(xiàn)[32]，將收集的莖稈制成長(zhǎng)度為20、30、40，50和60 mm莖稈顆料，經(jīng)過(guò)多次重復(fù)試驗(yàn)，每種長(zhǎng)度的莖稈各150 粒，共750 粒。試驗(yàn)所用的圓筒為內(nèi)徑200 mm、高度300 mm的鋼制圓筒，將試樣填滿圓筒并放置于萬(wàn)能材料試驗(yàn)機(jī)平臺(tái)，將圓筒以0.05 m/s勻速提升，試驗(yàn)重復(fù)3次。

正視拍照后將物理試驗(yàn)圖片進(jìn)行處理，應(yīng)用Matlab中數(shù)字圖像處理軟件讀取顆粒堆邊緣圖像，對(duì)圖像進(jìn)行灰度化、二值化，輸出二值圖，提取二值圖邊界輪廓，掃描輪廓圖像上每一個(gè)像素，記錄白點(diǎn)的坐標(biāo)及個(gè)數(shù)，通過(guò)最小二乘法對(duì)所記錄的白點(diǎn)進(jìn)行線性擬合，在Matlab讀取擬合直線的斜率，求得顆粒堆邊緣輪廓的傾角。堆積角試驗(yàn)過(guò)程如圖5所示，測(cè)得實(shí)際堆積角平均值為31.67°。

圖5 堆積角左邊緣擬合 Fig.5 Left edge fitting of actual repose angle

2.2 油菜莖稈模型建立及EDEM參數(shù)設(shè)置

在EDEM中采用Hertz-Mindlin無(wú)滑移模型進(jìn)行油菜莖稈堆積試驗(yàn)（圖6），為簡(jiǎn)化模型并提高仿真效率，采用圓形顆粒組合的方式形成與物理試驗(yàn)相同長(zhǎng)度和直徑的油菜莖稈，直徑10 mm莖稈顆粒模型如圖6a所示。通過(guò)多次預(yù)仿真試驗(yàn)并結(jié)合文獻(xiàn)[14，34]及前文試驗(yàn)適當(dāng)擴(kuò)大試驗(yàn)參數(shù)取值范圍，如表3所示。

表3 油菜莖稈顆粒堆積角仿真模型參數(shù) Table 3 Parameters of repose angle simulation model for rape stalk particles

在EDEM仿真試驗(yàn)中，建立與物理試驗(yàn)參數(shù)相同的鋼制圓筒與底板模型，在圓筒上方建立Polygon平面作為顆粒工廠，經(jīng)過(guò)多次重復(fù)試驗(yàn)，設(shè)定每種顆粒生成速率為75 粒/s，共生產(chǎn)時(shí)間為2 s，顆粒產(chǎn)生完全并靜置穩(wěn)定顆粒堆后采用與物理試驗(yàn)相同的速度進(jìn)行提升；仿真總時(shí)間為4.5 s，時(shí)間步長(zhǎng)為Rayleigh時(shí)間步長(zhǎng)的20%，網(wǎng)格尺寸為顆粒半徑的3倍，EDEM仿真試驗(yàn)結(jié)果如圖6b所示，仿真試驗(yàn)圖像處理如圖6c所示。

圖6 堆積角仿真試驗(yàn) Fig.6 Simulation test of repose angle

2.3 仿真試驗(yàn)

為減少試驗(yàn)次數(shù)，應(yīng)用Design Expert 10.0.7進(jìn)行Plackett-Burman篩選試驗(yàn)，以莖稈堆積角為響應(yīng)值，篩選出對(duì)堆積角影響顯著的參數(shù)。將表3中的～進(jìn)行最大、最小值分別編碼水平+1、-1，編碼結(jié)果如表4所示。分別測(cè)量左右兩側(cè)的堆積角數(shù)值，然后取平均值，Plackett-Burman試驗(yàn)結(jié)果如表5所示。

表4 Plackett-Burman試驗(yàn)方案 Table 4 Plackett-Burman test scheme

表5 Plackett-Burman試驗(yàn)結(jié)果 Table 5 Plackett-Burman test results

用Design Expert 10.0.7進(jìn)行方差分析，得到各個(gè)參數(shù)的影響效果，如表6所示。根據(jù)貢獻(xiàn)率進(jìn)行顯著性排序，在油菜莖稈堆積試驗(yàn)中，，對(duì)堆積角的影響較為顯著，因此只考慮這3個(gè)因素進(jìn)行最陡爬坡試驗(yàn)；其余顯著性影響較小的取值分別為：取0.4，取1.5 MPa，取0.277，取0.790，取0.391。

表6 Plackett-Burman試驗(yàn)參數(shù)顯著性分析 Table 6 Significance analysis of Plackett-Burman test parameters

基于Plackett-Burman堆積試驗(yàn)篩選出3個(gè)顯著性影響參數(shù)（莖稈-莖稈靜摩擦系數(shù)，莖稈-莖稈動(dòng)摩擦系數(shù)，莖稈-鋼板動(dòng)摩擦系數(shù)），以仿真堆積角與實(shí)際堆積角的相對(duì)誤差作為評(píng)價(jià)指標(biāo)來(lái)確定試驗(yàn)參數(shù)的最佳范圍，試驗(yàn)方案及結(jié)果如表7所示。

表7 最陡爬坡試驗(yàn)設(shè)計(jì)方案及結(jié)果 Table 7 The steepest climbing test design scheme and results

3個(gè)試驗(yàn)因素逐漸遞增，堆積角相對(duì)誤差呈先減小后增加的變化趨勢(shì)，其中4號(hào)的堆積角相對(duì)誤差最小，為1.89%，基于最陡爬坡試驗(yàn)確定以4號(hào)試驗(yàn)中的各個(gè)參數(shù)作為后期試驗(yàn)的中心點(diǎn)，3號(hào)、5號(hào)作為低水平與高水平，通過(guò)Box-Behnken響應(yīng)面試驗(yàn)驗(yàn)證該模型的顯著性關(guān)系，并通過(guò)優(yōu)化得出最佳參數(shù)組合。由式（7）計(jì)算出仿真堆積角與實(shí)際堆積角的相對(duì)誤差。

利用Design-Expert 10.0.7進(jìn)行三因素三水平響應(yīng)曲面試驗(yàn)設(shè)計(jì)，共進(jìn)行17組仿真試驗(yàn)，試驗(yàn)設(shè)計(jì)方案與結(jié)果如表8所示。對(duì)Box-Behnken試驗(yàn)結(jié)果進(jìn)行多元回歸擬合，得到油菜莖稈堆積角與3個(gè)顯著性參數(shù)二階回歸方程為

表8 Box-Behnken試驗(yàn)設(shè)計(jì)方案及結(jié)果 Table 8 Box-Behnken experiment design scheme and results

由該模型方差分析結(jié)果可知（表9所示），莖稈-莖稈動(dòng)摩擦系數(shù)對(duì)堆積角影響極顯著；莖稈-莖稈靜摩擦系數(shù)，莖稈-鋼板動(dòng)摩擦系數(shù)對(duì)堆積角影響顯著；、、對(duì)堆積角影響極顯著；對(duì)堆積角影響顯著；、對(duì)堆積角影響不顯著；該模型的＜0.05表明該模型的各個(gè)參數(shù)與響應(yīng)值之間的關(guān)系顯著；失擬項(xiàng)=0.356 2＞0.05，表明該模型擬合良好；變異系數(shù)（CV）為1.62%，說(shuō)明本試驗(yàn)具有較好的可靠性；決定系數(shù)=0.966 6，校正決定系數(shù)=0.923 8，表明擬合方程可靠度較高；精密度（Adeq Precisior）為15.726，表明該模型具有良好的精確度。

表9 Box-Behnken試驗(yàn)回歸模型方差分析 Table 9 Variation analysis of Box-Behnken quadratic model

根據(jù)回歸模型方差分析可知，、這兩個(gè)交互項(xiàng)對(duì)堆積角的影響不顯著，交互項(xiàng)對(duì)堆積角的影響極顯著。應(yīng)用Design-Expert 10.0.7軟件繪制三個(gè)顯著性因素交互作用堆積角響應(yīng)曲面，如圖7所示。由圖7a可知，當(dāng)莖稈-莖稈間靜摩擦系數(shù)一定時(shí)，隨著莖稈-莖稈動(dòng)摩擦系數(shù)的增加，堆積角變化趨勢(shì)明顯，對(duì)堆積角影響極顯著，而莖稈-莖稈動(dòng)摩擦系數(shù)一定時(shí)，隨著莖稈-莖稈間靜摩擦系數(shù)的增加，堆積角呈先增后減的趨勢(shì)，對(duì)堆積角影響較??；由圖7b可知，響應(yīng)曲面為凸型曲面，莖稈-莖稈靜摩擦系數(shù)和莖稈與鋼板動(dòng)摩擦系數(shù)對(duì)堆積角的影響均呈先增后減趨勢(shì)，表明兩因素對(duì)堆積角的影響基本相似；由圖7c可知，莖稈與莖稈動(dòng)摩擦系數(shù)對(duì)響應(yīng)面趨勢(shì)較陡，該因素比莖稈與鋼板動(dòng)摩擦系數(shù)影響顯著。

圖7 物料參數(shù)之間的交互作用響應(yīng)曲面 Fig.7 Response surfaces of interaction between material parameters

利用Design-Expert 10.0.7軟件的優(yōu)化模塊中以實(shí)際堆積角為目標(biāo)值（31.67°）進(jìn)行求解，對(duì)回歸模型進(jìn)行尋優(yōu)，得到一組與物理試驗(yàn)測(cè)定結(jié)果較為相近的一組解為：莖稈-莖稈靜摩擦系數(shù)為0.707，莖稈-莖稈動(dòng)摩擦系數(shù)為0.015，莖稈-鋼板動(dòng)摩擦系數(shù)為0.012，其他非顯著性參數(shù)取平均值。為驗(yàn)證離散元仿真的可靠性，以上述參數(shù)作為EDEM仿真參數(shù)，進(jìn)行3組仿真試驗(yàn)，得到的休止角為30.90°、31.81°、31.80°，平均值為31.50°，與物理試驗(yàn)結(jié)果的相對(duì)誤差為0.54%，驗(yàn)證了仿真試驗(yàn)的真實(shí)性與可靠性。

3 旋風(fēng)分離清選仿真試驗(yàn)及驗(yàn)證

3.1 DEM-CFD標(biāo)定參數(shù)驗(yàn)證

利用 Solidworks對(duì)旋風(fēng)分離筒進(jìn)行建模，在Workbench 17.0的mesh中采用四面體非結(jié)構(gòu)化方法劃分旋風(fēng)分離器的網(wǎng)格，對(duì)進(jìn)出口處網(wǎng)格加密處理，并進(jìn)行邊界層網(wǎng)格的劃分，以保證其計(jì)算結(jié)果準(zhǔn)確性，總體網(wǎng)格數(shù)約75萬(wàn)（如圖8a）。對(duì)莢殼的模型進(jìn)行三維掃描后在EDEM中進(jìn)行實(shí)心顆粒填充；油菜籽粒簡(jiǎn)化為2 mm的球體；測(cè)量凹板篩分離出的油菜脫出物中短莖稈長(zhǎng)度與直徑，為簡(jiǎn)化計(jì)算量，結(jié)合文獻(xiàn)[34-36]對(duì)莖稈顆粒進(jìn)行簡(jiǎn)化，采用較為普遍應(yīng)用的長(zhǎng)度40 mm、直徑3 mm的圓柱體短莖稈，如圖8b所示。

圖8 仿真網(wǎng)格及顆粒模型 Fig.8 Simulation grid and particle models

進(jìn)料口為速度入口，吸雜口、出料口均為壓力出口。EDEM和CFD的時(shí)間步長(zhǎng)分別設(shè)置為5×10和1×10，氣流介質(zhì)為空氣，其密度和黏性系數(shù)分別為1.225 kg/m和1.7894×10kg/(m·s)，重力加速度為9.81 m/s。物料顆粒力學(xué)參數(shù)及接觸參數(shù)（非顯著性參數(shù)取試驗(yàn)平均值）如表10和表11所示。旋風(fēng)分離筒涉及復(fù)雜的密相氣體-顆粒兩相流動(dòng)，在進(jìn)行DEM-CFD耦合試驗(yàn)時(shí)，采用考慮顆粒對(duì)流體影響的Eulerian模型；顆粒相由EDEM 2018求解，為簡(jiǎn)化計(jì)算量、提高仿真效率，采用Hertz-Mindlin 無(wú)滑移接觸模型，可以較好反應(yīng)剛性物體間的力學(xué)行為；氣相采用Fluent 17.0求解，F(xiàn)luent將某一時(shí)間的流場(chǎng)計(jì)算至收斂后，通過(guò)曳力模型將流場(chǎng)信息轉(zhuǎn)化為EDEM中作用在顆粒上的流體曳力，EDEM計(jì)算此時(shí)每個(gè)顆粒所受的外力（流體曳力、碰撞力等）從而更新顆粒此時(shí)的位置、速度、加速度等信息，最后這些信息以動(dòng)量匯形式加載到CFD中，實(shí)現(xiàn)相間的耦合，由于清選筒內(nèi)是三維強(qiáng)旋流流場(chǎng)，故選擇RNG-模型，勾選適用于旋流的Swirl Dominated Flow選項(xiàng)。

表10 物料力學(xué)參數(shù) Table 10 Mechanical parameters of materials

表11 物料接觸參數(shù) Table 11 Contact coefficient of materials

旋風(fēng)分離筒內(nèi)的氣流分布規(guī)律及物料間的接觸參數(shù)決定了筒內(nèi)物料的運(yùn)動(dòng)狀態(tài)，調(diào)節(jié)旋風(fēng)分離筒的透明度，完成可視化的清選分離仿真過(guò)程顯示。由圖9可以看出物料在筒內(nèi)的運(yùn)動(dòng)狀態(tài)，物料從切向進(jìn)入旋風(fēng)分離筒內(nèi)并繞著筒內(nèi)壁向下運(yùn)動(dòng)，莖稈和莢殼在運(yùn)動(dòng)過(guò)程中被吸雜口處的負(fù)壓吸走，籽粒沿著內(nèi)壁不斷向下運(yùn)動(dòng)從出料口處流出或者部分積聚在出料口的底部，總體來(lái)看數(shù)值模擬可以較為準(zhǔn)確的反應(yīng)籽粒及雜余的運(yùn)動(dòng)軌跡。在EDEM后處理模塊Grid Bin Group統(tǒng)計(jì)出料口和吸雜口處的籽粒、莢殼、短莖桿的質(zhì)量，通過(guò)式（9）計(jì)算得到旋風(fēng)分離清選裝置油菜籽粒清潔率為94.42%，損失率為3.96%。

圖9 筒內(nèi)物料運(yùn)動(dòng)狀態(tài)及運(yùn)動(dòng)軌跡 Fig.9 Movement state and motion trajectory of the material in the cylinder

式中Y為油菜籽粒清潔率，%；為出料口油菜籽粒質(zhì)量，g；為出料口油菜脫出物總質(zhì)量，g；Y為損失率，%；為吸雜口油菜籽粒質(zhì)量，g。

3.2 臺(tái)架驗(yàn)證試驗(yàn)

本試驗(yàn)依托華中農(nóng)業(yè)大學(xué)工學(xué)院自主研發(fā)的收獲關(guān)鍵部件試驗(yàn)臺(tái)開(kāi)展臺(tái)架驗(yàn)證試驗(yàn)，試驗(yàn)臺(tái)主要包括輸送帶、割臺(tái)、縱軸流脫粒分離裝置和旋風(fēng)分離清選裝置等組成，如圖10所示。收獲關(guān)鍵部件試驗(yàn)臺(tái)相關(guān)參數(shù)實(shí)時(shí)可調(diào)并且相關(guān)參數(shù)可以在線監(jiān)測(cè)。

圖10 臺(tái)架試驗(yàn) Fig.10 Bench test

試驗(yàn)結(jié)束后，收集出料口及吸雜口處物料進(jìn)行人工分選并稱(chēng)量，通過(guò)式（9）計(jì)算油菜籽粒清潔率與損失率。入料口速度為6 m/s，吸雜口速度為13 m/s時(shí)，旋風(fēng)分離清選裝置油菜籽粒清潔率為91.84%，損失率為4.28%。仿真試驗(yàn)與臺(tái)架試驗(yàn)的油菜籽粒清潔率與損失率相對(duì)誤差分別為2.81%和7.48%。

4 結(jié) 論

1）研究得出了油菜聯(lián)合收獲脫出物的相關(guān)基礎(chǔ)參數(shù)。開(kāi)展了油菜脫出物特征參數(shù)、接觸參數(shù)測(cè)量，測(cè)得油菜莖稈的泊松比、剪切模量分別為0.4、1.5 MPa；鋼板與籽粒、莖稈、莢殼的靜摩擦系數(shù)與碰撞恢復(fù)系數(shù)范圍分別為0.214～0.390、0.711～0.869、0.647～0.781；0.543～0.667、0.212～0.570、0.141～0.283。莖稈與莖稈、莢殼的靜摩擦系數(shù)與碰撞恢復(fù)系數(shù)范圍分別為0.650～0.754、0.637～0.751；0.187～0.367、0.158～0.265。莖稈與籽粒的靜摩擦系數(shù)與碰撞恢復(fù)系數(shù)分別為0.292～0.516；0.515～0.632；籽粒與莢殼的靜摩擦系數(shù)與碰撞恢復(fù)系數(shù)范圍分別為0.635～0.907；0.566～0.612，莢殼與莢殼的靜摩擦系數(shù)與碰撞恢復(fù)系數(shù)范圍分別為0.625～0.724；0.141～0.265。

2）開(kāi)展了油聯(lián)合收獲油菜莖稈離散元參數(shù)標(biāo)定，通過(guò)Plackett-Burman試驗(yàn)，篩選出對(duì)堆積角影響顯著的參數(shù)為：莖稈-莖稈靜摩擦系數(shù)、莖稈-莖稈動(dòng)摩擦系數(shù)、莖稈-鋼板動(dòng)摩擦系數(shù)，通過(guò)Design-Expert 10.0.7軟件優(yōu)化模塊得到顯著性參數(shù)最佳組合參數(shù)為0.707、0.015、0.012，在最優(yōu)組合參數(shù)下仿真堆積角平均值為31.50°，與實(shí)際堆積角的相對(duì)誤差為0.54%。

3）結(jié)合標(biāo)定的油菜脫出物不同組分間接觸參數(shù)，開(kāi)展了基于DEM-CFD旋風(fēng)分離清選過(guò)程數(shù)值分析和臺(tái)架驗(yàn)證試驗(yàn)。結(jié)果表明：旋風(fēng)分離清選仿真試驗(yàn)油菜籽粒清潔率為94.42%，損失率為3.96%；仿真試驗(yàn)與臺(tái)架試驗(yàn)籽粒清潔率與損失率相對(duì)誤差分別為2.81%和7.48%。表明標(biāo)定的油菜脫出物接觸參數(shù)可為油菜聯(lián)合收獲機(jī)具的離散元仿真分析提供基礎(chǔ)參數(shù)。

聯(lián)合收獲油菜莖稈取材和參數(shù)標(biāo)定還需進(jìn)一步擴(kuò)大樣本，后續(xù)將持續(xù)開(kāi)展不同地區(qū)、不同部位油菜莖稈力學(xué)特性的具體性研究；莢殼易碎、呈長(zhǎng)扁內(nèi)凹壁結(jié)構(gòu)，常規(guī)力學(xué)測(cè)試方法難以測(cè)出其特征參數(shù)和接觸參數(shù)；后續(xù)將結(jié)合高速攝影技術(shù)和能量守恒定律對(duì)莢殼及脫出物不同組分間接觸參數(shù)進(jìn)一步標(biāo)定。