聯(lián)合收獲油菜脫出物離散元仿真參數(shù)標(biāo)定與試驗(yàn)

舒彩霞，楊 佳，萬星宇，袁佳誠，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

油菜是中國主要油料作物，其生產(chǎn)種植面積占全國油菜總種植面積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，過早收獲會產(chǎn)生脫粒不凈、青籽多等問題；過晚收獲容易造成落粒、損失率增加；因此，最適宜收獲時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，國內(nèi)外學(xué)者對清選裝置進(jìn)行了研究。油菜籽粒在進(jìn)行清選作業(yè)時，脫出物中的籽粒、短莖稈及莢殼間的相互作用關(guān)系難以通過數(shù)學(xué)模型進(jìn)行分析，采用離散元法（Discrete Element Method，DEM）和計算機(jī)流體力學(xué)（Computational Fluid Dynamics，CFD）對關(guān)鍵部件進(jìn)行數(shù)值模擬可以有效模擬出物料運(yùn)動軌跡，替代繁雜的臺架試驗(yàn)，省時、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，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)過程，國內(nèi)外學(xué)者基于堆積角試驗(yàn)針對不同物料的離散元接觸參數(shù)進(jìn)行了標(biāo)定。Guo等通過物理試驗(yàn)與仿真試驗(yàn)相結(jié)合方法建立了香蕉莖稈力學(xué)模型并對其生物力學(xué)特性進(jìn)行了研究。馬彥華等采用6個接觸參數(shù)測定試驗(yàn)，以此確定優(yōu)化試驗(yàn)的參數(shù)區(qū)間，依次通過Plackett-Burman試驗(yàn)、最陡爬坡試驗(yàn)以及Box-Behnken 試驗(yàn)對苜蓿秸稈的離散元仿真參數(shù)進(jìn)行標(biāo)定。侯占峰等通過物理試驗(yàn)和仿真試驗(yàn)相結(jié)合的方法對冰草種子進(jìn)行了參數(shù)標(biāo)定。石林榕等通過堆積試驗(yàn)、查閱參考文獻(xiàn)和計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，國內(nèi)外學(xué)者圍繞油菜脫出物的空氣動力學(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)行了測定。Zhan等對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。袁佳誠等開展了脫出物質(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DEM-CFD氣固耦合試驗(yàn)與臺架試驗(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)開展田間試驗(yàn)，試驗(yàn)材料為機(jī)直播華油雜62號油菜，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的測試區(qū)隨機(jī)人工選取油菜植株，從離地350 mm開始，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，按照其種類人工分選后并稱量，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MNT951221型數(shù)顯游標(biāo)卡尺（測量誤差為0.02 mm）對收集的油菜莖稈直徑進(jìn)行測量，測得油菜莖稈的平均直徑為10.05 mm。根據(jù)文獻(xiàn)[23]，通過體積計算和質(zhì)量測定計算得到油菜莖稈密度為494 kg/m。

通過質(zhì)構(gòu)儀（TMS-Pro型，美國FTC公司）對隨機(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)破裂聲時停止加載，采用定義法測量油菜莖稈泊松比；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，通過式（1）～（3）計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)測量與分析

脫出物接觸參數(shù)主要包括靜摩擦系數(shù)、動摩擦系數(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]，本文通過斜面法、自由跌落試驗(yàn)對脫出物組分間靜摩擦系數(shù)和碰撞恢復(fù)系數(shù)進(jìn)行測量，采用堆積角逼近的方式對莖稈與莖稈、鋼板動摩擦系數(shù)進(jìn)行標(biāo)定，明確物料組分間的接觸參數(shù)范圍。

采用斜面法測量不同物料間的靜摩擦系數(shù)。采用摩擦系數(shù)測定裝置，待測板為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：

圖3 物料間靜摩擦系數(shù)測量試驗(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，(°)；為待測物料與物料種群板的靜摩擦系數(shù)。

通過不斷增加斜面傾角，當(dāng)物體剛好有滑動趨勢時有：

此時斜面傾角正切值便是此時接觸物體間的靜摩擦系數(shù)。

在測定物料間靜摩擦系數(shù)時，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)動時停止抬升物料種群板，記錄此時的角度，通過式（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。在測量時，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)測量不同油菜脫出物間碰撞恢復(fù)系數(shù)。將所測物料均簡化為質(zhì)點(diǎn)，物料從高度開始掉落，與地面接觸板接觸時（碰撞開始）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；此后彈性變形開始恢復(fù)，物料開始反向上升，物料離開接觸面時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，通過式（6）計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)際堆積角測量

采用圓筒提升法獲得油菜莖稈堆來測量堆積角。參考文獻(xiàn)[32]，將收集的莖稈制成長度為20、30、40，50和60 mm莖稈顆料，經(jīng)過多次重復(fù)試驗(yàn)，每種長度的莖稈各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能材料試驗(yàn)機(jī)平臺，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像素，記錄白點(diǎn)的坐標(biāo)及個數(shù)，通過最小二乘法對所記錄的白點(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)過程如圖5所示，測得實(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無滑移模型進(jìn)行油菜莖稈堆積試驗(yàn)（圖6），為簡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；仿真總時間為4.5 s，時間步長為Rayleigh時間步長的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，，對堆積角的影響較為顯著，因此只考慮這3個因素進(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個顯著性影響參數(shù)（莖稈-莖稈靜摩擦系數(shù)，莖稈-莖稈動摩擦系數(shù)，莖稈-鋼板動摩擦系數(shù)），以仿真堆積角與實(shí)際堆積角的相對誤差作為評價指標(biāo)來確定試驗(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)計方案及結(jié)果 Table 7 The steepest climbing test design scheme and results

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

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，共進(jìn)行17組仿真試驗(yàn)，試驗(yàn)設(shè)計方案與結(jié)果如表8所示。對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個顯著性參數(shù)二階回歸方程為

表8 Box-Behnken試驗(yàn)設(shè)計方案及結(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-莖稈動摩擦系數(shù)對堆積角影響極顯著；莖稈-莖稈靜摩擦系數(shù)，莖稈-鋼板動摩擦系數(shù)對堆積角影響顯著；、、對堆積角影響極顯著；對堆積角影響顯著；、對堆積角影響不顯著；該模型的＜0.05表明該模型的各個參數(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，、這兩個交互項(xiàng)對堆積角的影響不顯著，交互項(xiàng)對堆積角的影響極顯著。應(yīng)用Design-Expert 10.0.7軟件繪制三個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，隨著莖稈-莖稈動摩擦系數(shù)的增加，堆積角變化趨勢明顯，對堆積角影響極顯著，而莖稈-莖稈動摩擦系數(shù)一定時，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，對堆積角影響較?。挥蓤D7b可知，響應(yīng)曲面為凸型曲面，莖稈-莖稈靜摩擦系數(shù)和莖稈與鋼板動摩擦系數(shù)對堆積角的影響均呈先增后減趨勢，表明兩因素對堆積角的影響基本相似；由圖7c可知，莖稈與莖稈動摩擦系數(shù)對響應(yīng)面趨勢較陡，該因素比莖稈與鋼板動摩擦系數(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，對回歸模型進(jìn)行尋優(yōu)，得到一組與物理試驗(yàn)測定結(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-莖稈動摩擦系數(shù)為0.015，莖稈-鋼板動摩擦系數(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，以保證其計算結(jié)果準(zhǔn)確性，總體網(wǎng)格數(shù)約75萬（如圖8a）。對莢殼的模型進(jìn)行三維掃描后在EDEM中進(jìn)行實(shí)心顆粒填充；油菜籽粒簡化為2 mm的球體；測量凹板篩分離出的油菜脫出物中短莖稈長度與直徑，為簡化計算量，結(jié)合文獻(xiàn)[34-36]對莖稈顆粒進(jìn)行簡化，采用較為普遍應(yīng)用的長度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的時間步長分別設(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，在進(jìn)行DEM-CFD耦合試驗(yàn)時，采用考慮顆粒對流體影響的Eulerian模型；顆粒相由EDEM 2018求解，為簡化計算量、提高仿真效率，采用Hertz-Mindlin 無滑移接觸模型，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將某一時間的流場計算至收斂后，通過曳力模型將流場信息轉(zhuǎn)化為EDEM中作用在顆粒上的流體曳力，EDEM計算此時每個顆粒所受的外力（流體曳力、碰撞力等）從而更新顆粒此時的位置、速度、加速度等信息，最后這些信息以動量匯形式加載到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，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程顯示。由圖9可以看出物料在筒內(nèi)的運(yùn)動狀態(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，莖稈和莢殼在運(yùn)動過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)動從出料口處流出或者部分積聚在出料口的底部，總體來看數(shù)值模擬可以較為準(zhǔn)確的反應(yīng)籽粒及雜余的運(yùn)動軌跡。在EDEM后處理模塊Grid Bin Group統(tǒng)計出料口和吸雜口處的籽粒、莢殼、短莖桿的質(zhì)量，通過式（9）計算得到旋風(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)動狀態(tài)及運(yùn)動軌跡 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)臺開展臺架驗(yàn)證試驗(yàn)，試驗(yàn)臺主要包括輸送帶、割臺、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)臺相關(guān)參數(shù)實(shí)時可調(diào)并且相關(guān)參數(shù)可以在線監(jiān)測。

圖10 臺架試驗(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)行人工分選并稱量，通過式（9）計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，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)與臺架試驗(yàn)的油菜籽粒清潔率與損失率相對誤差分別為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)。開展了油菜脫出物特征參數(shù)、接觸參數(shù)測量，測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）開展了油聯(lián)合收獲油菜莖稈離散元參數(shù)標(biāo)定，通過Plackett-Burman試驗(yàn)，篩選出對堆積角影響顯著的參數(shù)為：莖稈-莖稈靜摩擦系數(shù)、莖稈-莖稈動摩擦系數(shù)、莖稈-鋼板動摩擦系數(shù)，通過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)，開展了基于DEM-CFD旋風(fēng)分離清選過程數(shù)值分析和臺架驗(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)與臺架試驗(yàn)籽粒清潔率與損失率相對誤差分別為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、呈長扁內(nèi)凹壁結(jié)構(gòu)，常規(guī)力學(xué)測試方法難以測出其特征參數(shù)和接觸參數(shù)；后續(xù)將結(jié)合高速攝影技術(shù)和能量守恒定律對莢殼及脫出物不同組分間接觸參數(shù)進(jìn)一步標(biāo)定。