玉米秸稈莖節(jié)接觸物理參數(shù)測定與離散元數(shù)值模擬標(biāo)定

王新 田海清 肖子卿 李大鵬 任仙國 成翔 劉飛

摘要：為提高玉米秸稈離散元數(shù)值模擬粉碎過程的準(zhǔn)確度，本研究以玉米秸稈莖節(jié)為研究對象，采用物理試驗與數(shù)值模擬相結(jié)合的方法對玉米秸稈莖節(jié)數(shù)值模擬參數(shù)進行標(biāo)定。通過接觸參數(shù)物理測定試驗獲得秸稈莖節(jié)與秸稈莖節(jié)、秸稈外皮、秸稈內(nèi)瓤、鋼之間的靜、滾動摩擦因數(shù)及碰撞恢復(fù)系數(shù)，以物理試驗結(jié)果作為數(shù)值模擬參數(shù)的選擇依據(jù)，利用Plackett-Burman試驗對數(shù)值模擬參數(shù)進行顯著性篩選，結(jié)果表明，對數(shù)值模擬休止角影響顯著的3個參數(shù)分別為秸稈莖節(jié)-秸稈外皮碰撞恢復(fù)系數(shù)、秸稈莖節(jié)-秸稈內(nèi)瓤滾動摩擦因數(shù)和秸稈莖節(jié)-鋼滾動摩擦因數(shù)。將數(shù)值模擬休止角和物理試驗休止角的相對誤差作為評價指標(biāo)，進行最陡爬坡試驗，確定顯著性參數(shù)的最優(yōu)取值區(qū)間。基于Box-Behnken試驗建立顯著性參數(shù)與數(shù)值模擬休止角的二階回歸模型，以物理試驗測定的休止角36.567°為目標(biāo)值，對模型進行尋優(yōu)求解，得到的最優(yōu)參數(shù)組合為秸稈莖節(jié)-秸稈外皮碰撞恢復(fù)系數(shù)0.464、秸稈莖節(jié)-秸稈內(nèi)瓤滾動摩擦因數(shù)0.293、秸稈莖節(jié)-鋼滾動摩擦因數(shù)0.228。結(jié)合標(biāo)定的參數(shù)進行數(shù)值模擬驗證，得到的休止角與物理試驗休止角的相對誤差為1.23%，驗證了數(shù)值模擬標(biāo)定參數(shù)的準(zhǔn)確度。研究結(jié)果表明，標(biāo)定的參數(shù)可用于玉米秸稈離散元數(shù)值模擬粉碎研究，同時也可為涉及玉米秸稈的其他數(shù)值模擬試驗提供理論參考。

關(guān)鍵詞：玉米秸稈莖節(jié)；休止角；離散元；數(shù)值模擬；參數(shù)標(biāo)定

中圖分類號：S817.12⁺2文獻標(biāo)志碼：A

文章編號：1002-1302（2023）16-0162-08

收稿日期：2022-10-25

基金項目：國家自然科學(xué)基金（編號：51765055）；內(nèi)蒙古自治區(qū)科技計劃（編號：2022YFDZ0024）；內(nèi)蒙古自治區(qū)博士研究生科研創(chuàng)新項目（編號：B20210189Z）。

作者簡介：王 新（1997—），男，內(nèi)蒙古通遼人，碩士研究生，主要從事農(nóng)牧業(yè)機械智能化研究。E-mail：2385629677@qq.com。

通信作者：田海清，教授，博士生導(dǎo)師，主要從事農(nóng)牧業(yè)機械智能化研究。E-mail：hqtian@126.com。

秸稈是重要的可再生資源，我國作為農(nóng)業(yè)大國擁有豐富的秸稈資源，近10年來，其年產(chǎn)量穩(wěn)定在8億t左右^［1］。玉米秸稈是牛羊等家畜的主要粗飼料來源，需要進行粉碎處理來提高適口性，而錘片式粉碎機作為秸稈飼料的重要加工機械，其粉碎程度的好壞對玉米秸稈的利用率有重要影響^［2-3］。為提高錘片式粉碎機的粉碎效果，需對玉米秸稈的粉碎過程進行研究，但在機具作業(yè)中，由于粉碎室內(nèi)錘片組轉(zhuǎn)速過快、錘篩間隙較小等原因，無法安裝測試裝置，導(dǎo)致測試玉米秸稈粉碎過程較為困難^［4-7］。隨著計算機數(shù)值模擬技術(shù)的提高，離散元法在物料受力、運動、破碎等方面得到了廣泛的應(yīng)用，為減小數(shù)值模擬試驗的誤差，使之與實際試驗更加貼合，則準(zhǔn)確獲得離散元數(shù)值模擬模型所需的各種參數(shù)就尤為重要。

目前，大部分學(xué)者基于離散元法對農(nóng)業(yè)物料的接觸參數(shù)標(biāo)定研究頗多，李永祥等基于EDEM中的“Hertz-Mindlin with JKR”接觸模型建立了小麥粉軟質(zhì)球形顆粒，并進行了顆?？s放，以休止角為目標(biāo)值對小麥粉模型接觸參數(shù)進行了標(biāo)定^［8］；馬彥華等設(shè)計了Plackett-Burman、最陡爬坡以及Box-Behnken試驗對苜蓿秸稈離散元仿真接觸參數(shù)進行標(biāo)定，以苜蓿休止角為響應(yīng)值，得到了苜蓿秸稈接觸參數(shù)的最佳組合，并利用t檢驗驗證了最優(yōu)參數(shù)組合的可靠性^［9］；史瑞杰等利用EDEM軟件建立了胡麻莖稈柔性離散元模型，并通過仿真試驗與物理試驗相結(jié)合的方法對胡麻莖稈之間、胡麻莖稈與收獲裝備之間的接觸參數(shù)進行了標(biāo)定，結(jié)果表明標(biāo)定參數(shù)與實測值的相對誤差較小，驗證了標(biāo)定參數(shù)的可靠性^［10］；張濤等通過試驗測量了玉米秸稈與揉碎機錘片、玉米秸稈之間的接觸參數(shù)，采用正交試驗對玉米秸稈離散元仿真參數(shù)進行了標(biāo)定，獲取了玉米秸稈與揉碎機錘片靜摩擦因數(shù)、滾動摩擦因數(shù)、碰撞恢復(fù)系數(shù)以及玉米秸稈與玉米秸稈靜摩擦因數(shù)、滾動摩擦因數(shù)、碰撞恢復(fù)系數(shù)^［11］。張鋒偉等基于BPM接觸模型建立了玉米秸稈離散元模型，使模型的粘結(jié)強度得到大幅提升^［12］；劉禹辰等采用離散元法建立了玉米秸稈雙層粘結(jié)雙峰分布模型，將秸稈外皮和內(nèi)瓤加以區(qū)分，通過單軸壓縮試驗與仿真試驗進行對比，結(jié)果表明該模型與單層玉米秸稈模型相比，精度更高^［13］。整株玉米秸稈由莖皮、內(nèi)瓤、莖節(jié)、葉鞘和苞葉組成^［14-17］，樊琦等研究表明玉米秸稈莖節(jié)部分對秸稈的壓縮、剪切、彎曲及沖擊有著顯著影響^［18］。大部分學(xué)者對于秸稈莖皮、內(nèi)瓤的離散元仿真模型建立及接觸物理參數(shù)研究頗多，但針對莖節(jié)部分的離散元仿真模型建立和接觸參數(shù)標(biāo)定研究鮮有報道。

為提高玉米秸稈粉碎過程離散元數(shù)值模擬結(jié)果的準(zhǔn)確度，本研究擬采用物理試驗和數(shù)值模擬相結(jié)合的方法對玉米秸稈莖節(jié)與秸稈莖節(jié)、秸稈外皮、秸稈內(nèi)瓤、鋼之間的接觸參數(shù)進行標(biāo)定，基于EDEM軟件進行數(shù)值模擬，以休止角為響應(yīng)值，依次通過Plackett-Burman、最陡爬坡和Box-Behnken試驗獲取最優(yōu)參數(shù)組合，并開展休止角物理測定試驗，以驗證最優(yōu)參數(shù)的可靠性。研究結(jié)果可為玉米秸稈離散元數(shù)值模擬粉碎過程提供參數(shù)依據(jù)。

1 材料與方法

1.1 試驗材料

試驗材料選取呼和浩特市土默特左旗東華營村（111°59′E，40°58′N）經(jīng)收獲后自然風(fēng)干的玉米秸稈，品種為欣晟18，含水率為8.83%。試驗時，將去除葉鞘、苞衣的玉米秸稈經(jīng) CPS-420型錘片式粉碎機粉碎后得到碎末狀玉米秸稈飼料，飼料中包含秸稈外皮碎段、秸稈內(nèi)瓤碎末和莖節(jié)碎段。通過標(biāo)準(zhǔn)篩篩分后，利用游標(biāo)卡尺進行測量，得到秸稈外皮碎段平均長度為10 mm，平均直徑為2 mm；秸稈內(nèi)瓤碎末平均長度為3.2 mm，平均直徑為2 mm；莖節(jié)碎段平均長度為4 mm^［19］。

1.2 試驗方法

本研究試驗地點為內(nèi)蒙古農(nóng)業(yè)大學(xué)牧機實驗室，試驗時間為2022年7月，采用休止角物理測定試驗與離散元數(shù)值模擬試驗相結(jié)合的方法對玉米秸稈莖節(jié)接觸物理參數(shù)進行標(biāo)定，通過接觸參數(shù)物理測定試驗獲得秸稈莖節(jié)-秸稈莖節(jié)、秸稈莖節(jié)-秸稈外皮、秸稈莖節(jié)-秸稈內(nèi)瓤和秸稈莖節(jié)-鋼的靜摩擦因數(shù)、滾動摩擦因數(shù)以及碰撞恢復(fù)系數(shù)，采用休止角測定儀進行秸稈飼料休止角物理測定試驗?；贓DEM軟件進行休止角數(shù)值模擬試驗，試驗的輸入?yún)?shù)為接觸參數(shù)物理測定試驗所得結(jié)果。應(yīng)用Desgin-Expert軟件進行Plackett-Burman試驗，篩選出對休止角顯著影響的參數(shù)；利用最陡爬坡試驗快速確定顯著性參數(shù)的最優(yōu)取值區(qū)間；根據(jù)Box-Behnken試驗建立數(shù)值模擬休止角與顯著性參數(shù)之間的二次回歸模型，以物理試驗休止角為目標(biāo)值，利用軟件中的優(yōu)化插件，獲取最優(yōu)參數(shù)組合。利用最優(yōu)參數(shù)組合進行數(shù)值模擬試驗，所得休止角與物理試驗休止角進行對比，驗證標(biāo)定參數(shù)的可靠性。

1.3 休止角物理測定試驗

利用FT-104B型休止角測定儀進行休止角物理測定試驗，試驗方法參考文獻［20-24］，將FT-104B型休止角測定儀置于水平試驗臺后，將攪拌裝置的活動滑套松開并取下，將漏斗安裝于支架導(dǎo)桿上并調(diào)節(jié)其高度，使其下出料口距離底板90 mm，將內(nèi)徑為94 mm、高度為15 mm的透明環(huán)形容器參照底板刻度放置于中心處，最后固定攪拌裝置。試驗儀器搭建完畢后，將秸稈飼料倒入漏斗內(nèi)，勻速緩慢地旋轉(zhuǎn)攪拌裝置，使秸稈飼料自由下落至透明環(huán)形容器上，待其堆積靜止后，通過儀器自帶標(biāo)尺測量秸稈飼料堆積高度，根據(jù)公式（1）計算得到休止角，休止角測定儀及試驗材料如圖1所示。試驗重復(fù)10次取平均值，得到休止角為36.567°。

物理試驗休止角（α₁）計算公式為

式中：H表示錐尖到底板的高度，mm；h表示錐體底端到底板的高度，mm；R表示透明環(huán)形容器半徑，mm。

1.4 接觸參數(shù)物理測定試驗

本研究測定的接觸參數(shù)包括秸稈莖節(jié)-秸稈莖節(jié)、秸稈莖節(jié)-秸稈外皮、秸稈莖節(jié)-秸稈內(nèi)瓤和秸稈莖節(jié)-鋼的靜摩擦因數(shù)、滾動摩擦因數(shù)以及碰撞恢復(fù)系數(shù)，試驗測定的結(jié)果可為后續(xù)數(shù)值模擬參數(shù)的設(shè)置提供參考依據(jù)。

試驗前利用角磨機沿莖稈節(jié)線上下8 mm處進行切割，得到玉米秸稈莖節(jié)^［25］。通過稱量法測得密度為201 kg/m³。前期已測得秸稈莖節(jié)泊松比為0.3，彈性模量為6.356 Gpa，根據(jù)公式（2）計算得到秸稈莖節(jié)的剪切模量為2.445 Gpa。秸稈外皮、秸稈內(nèi)瓤和鋼的物理接觸參數(shù)^［11］見表1。

式中：G表示莖節(jié)剪切模量，Gpa；E表示莖節(jié)彈性模量，Gpa；μ表示莖節(jié)泊松比。

1.4.1 靜摩擦因數(shù)測定試驗 利用CNY-1型斜面儀對秸稈莖節(jié)-秸稈莖節(jié)、秸稈莖節(jié)-秸稈外皮、秸稈莖節(jié)-秸稈內(nèi)瓤和秸稈莖節(jié)-鋼的靜摩擦因數(shù)進行測定。試驗前，將莖節(jié)碎段整齊緊密地粘在鋼板上，制成莖節(jié)碎段底板，如圖2所示，秸稈外皮底板和內(nèi)瓤底板的制作方法相似。在試驗測定時，由于單個莖節(jié)厚度小，易發(fā)生傾倒，因此將3個直徑相近的秸稈莖節(jié)粘接在一起，制成莖節(jié)段進行測定試驗。

將CNY-1型斜面儀放置于水平試驗臺后，將莖節(jié)碎段底板粘于斜面儀傾斜板中心處，使二者平整地貼合在一起，調(diào)節(jié)斜面儀傾斜板角度，待指針指向0°時停止轉(zhuǎn)動，將莖節(jié)段端面沿斜面儀傾斜板寬度方向放置于莖節(jié)碎段底板上，逆時針緩慢轉(zhuǎn)動傾斜板，直至莖節(jié)段出現(xiàn)滑動，停止轉(zhuǎn)動，記錄指針對應(yīng)的角度，如圖3所示，靜摩擦因數(shù)計算公式見式（3）。試驗重復(fù)10次，得到秸稈莖節(jié)-秸稈莖節(jié)的靜摩擦因數(shù)范圍為0.5～0.9。在進行秸稈莖節(jié)-秸稈外皮、秸稈莖節(jié)-秸稈內(nèi)瓤和秸稈莖節(jié)-鋼的靜摩擦因數(shù)測定試驗時，將莖節(jié)碎段底板依次換成秸稈外皮底板、秸稈內(nèi)瓤底板和鋼板，試驗方法同上。試驗測得秸稈莖節(jié)-秸稈外皮、秸稈莖節(jié)-秸稈內(nèi)瓤以及秸稈莖節(jié)-鋼的靜摩擦因數(shù)范圍分別為0.3～0.5、0.5～0.9、0.5～0.7。

μ₁=tanθ₁。（3）

式中：μ₁表示靜摩擦因數(shù)；θ₁表示莖節(jié)段在傾斜板上將要發(fā)生滑動時指針?biāo)附嵌?，°?/p>

1.4.2 滾動摩擦因數(shù)測定試驗 滾動摩擦因數(shù)測定試驗所用的儀器、試驗方法與上述靜摩擦因數(shù)測定試驗類似，將莖節(jié)段端面沿傾斜板長度方向分別放置于莖節(jié)碎段底板、秸稈外皮底板、秸稈內(nèi)瓤底板和鋼板上，逆時針緩慢轉(zhuǎn)動傾斜板，直至莖節(jié)段發(fā)生滾動時記錄指針?biāo)附嵌取Ｃ拷M試驗重復(fù)10次，得到秸稈莖節(jié)-秸稈莖節(jié)、秸稈莖節(jié)-秸稈外皮、秸稈莖節(jié)-秸稈內(nèi)瓤以及秸稈莖節(jié)-鋼的滾動摩擦因數(shù)范圍為0.3～0.5、0.2～0.4、0.2～0.4和0.2～0.3。

1.4.3 碰撞恢復(fù)系數(shù)測定試驗 碰撞恢復(fù)系數(shù)表征了物體在碰撞過程中，其法向相對運動帶來的能量耗散效應(yīng)，定義為被測物體碰撞后法向分離速度和碰撞前法向接近速度之比^［26-27］，如式（4）所示。

式中：e表示碰撞恢復(fù)系數(shù)；v₁表示被測物體碰撞前法向接近速度，m/s；v₂表示被測物體碰撞后法向分離速度，m/s。

本研究采用自由落體碰撞法測定碰撞恢復(fù)系數(shù)，將網(wǎng)格紙粘貼于背景墻上，以方便后續(xù)測量莖節(jié)發(fā)生碰撞后的彈起高度，調(diào)整莖節(jié)碎段底板的位置，使其可以與下落的秸稈莖節(jié)發(fā)生撞擊，由于空氣阻力的影響，經(jīng)過多次預(yù)試驗測試回彈效果，最終選取下落高度為400 mm，利用PCO.dimax型高速攝像機對秸稈莖節(jié)下落-碰撞-回彈的運動過程進行拍攝記錄。試驗裝置見圖4，莖節(jié)于被撞底板正上方400 mm自由下落，當(dāng)莖節(jié)即將撞擊底板時，使用高速攝像機開始拍攝，莖節(jié)撞擊底板后回彈，直至回彈高度達到峰值后，停止拍攝，并將整個運動過程存入計算機。

應(yīng)用TEMA高速攝像分析軟件對碰撞過程進行分析，并將結(jié)果導(dǎo)入Origin 2018軟件中，得到秸稈莖節(jié)與秸稈莖節(jié)碰撞運動時間-位移曲線（圖5）。

秸稈莖節(jié)下落過程中，忽略空氣阻力，只重力做功，根據(jù)動能定理得出：

結(jié)合公式（4）、（5），最后得出：

式中：m表示莖節(jié)質(zhì)量，g；g表示重力加速度，m/s²；H₁表示碰撞前莖節(jié)下落高度，mm；H₂表示碰撞后莖節(jié)回彈最大高度，mm；

秸稈莖節(jié)與秸稈外皮、鋼之間的碰撞恢復(fù)系數(shù)測定試驗方法相似，需將莖節(jié)底板依次換成秸稈外皮底板和鋼板。每組試驗重復(fù)10次，得到秸稈莖節(jié)-秸稈莖節(jié)、秸稈莖節(jié)-秸稈外皮以及秸稈莖節(jié)-鋼的碰撞恢復(fù)系數(shù)范圍分別為0.3～0.5、0.4～0.6和0.4～0.6。

2 離散元模型的建立及參數(shù)標(biāo)定

2.1 離散元仿真模型的建立

根據(jù)秸稈飼料篩分后所測得秸稈外皮碎段、秸稈內(nèi)瓤碎末和莖節(jié)碎段的尺寸，在EDEM軟件中建立對應(yīng)尺寸的顆粒模型，如圖6所示。由于本研究不涉及物料破碎，故顆粒接觸模型選取Hertz-Mindlin（no slip）模型。

為確定數(shù)值模擬時3種顆粒模型的數(shù)量生成比例，通過休止角物理測定預(yù)試驗發(fā)現(xiàn)，當(dāng)秸稈飼料質(zhì)量為（18±0.5） g時，堆積效果最佳，避免形成柱狀堆積。故將篩分后的秸稈飼料進行稱質(zhì)量，每次稱量（18±0.5） g，統(tǒng)計秸稈外皮、秸稈內(nèi)瓤和莖節(jié)碎段的質(zhì)量，計算各自所占比重，測量5次取平均值，得到秸稈外皮碎段、秸稈內(nèi)瓤碎末和莖節(jié)碎段的比例關(guān)系為5∶3∶1。

2.2 數(shù)值模擬參數(shù)設(shè)置

利用Solidworks 2018軟件建立休止角測定儀三維模型，并保存為igs格式導(dǎo)入EDEM軟件，在漏斗正上方建立1個與進料口尺寸相近的虛擬平面，并在該平面上添加3個顆粒工廠，使虛擬平面可以同時生成3種顆粒模型，顆粒工廠類型設(shè)置為動態(tài)生成，按上述比例生成顆粒模型，并在重力的作用下自由下落，總模擬時間為5 s，時間步為4.35×10^-7s，數(shù)值模擬參數(shù)見表2，數(shù)值模擬見圖7。

2.3 數(shù)值模擬參數(shù)的標(biāo)定

本研究需要標(biāo)定的玉米秸稈莖節(jié)接觸參數(shù)包括秸稈莖節(jié)-秸稈莖節(jié)靜摩擦因數(shù)、秸稈莖節(jié)-秸稈莖節(jié)滾動摩擦因數(shù)、秸稈莖節(jié)-秸稈莖節(jié)碰撞恢復(fù)系數(shù)、秸稈莖節(jié)-秸稈外皮靜摩擦因數(shù)、秸稈莖節(jié)-秸稈外皮滾動摩擦因數(shù)、秸稈莖節(jié)-秸稈外皮碰撞恢復(fù)系數(shù)、秸稈莖節(jié)-秸稈內(nèi)瓤靜摩擦因數(shù)、秸稈莖節(jié)-秸稈內(nèi)瓤滾動摩擦因數(shù)、秸稈莖節(jié)-鋼靜摩擦因數(shù)、秸稈莖節(jié)-鋼滾動摩擦因數(shù)、秸稈莖節(jié)-鋼碰撞恢復(fù)系數(shù)。

2.3.1 Plackett-Burman試驗 Plackett-Burman試驗通過對每個參數(shù)選取合適的2個水平進行分析，對比各個參數(shù)兩水平的差異與整體的差異以篩選出顯著性參數(shù)。應(yīng)用Design-Expert 11軟件進行Plackett-Burman試驗設(shè)計，利用物理試驗獲得的接觸參數(shù)范圍作為數(shù)值模擬參數(shù)輸入的依據(jù)，將11個參數(shù)范圍的最大值和最小值分別記作高水平（+1）、低水平（-1），詳見表3。以數(shù)值模擬得到的休止角為目標(biāo)值，篩選出顯著性參數(shù)。

本研究將高水平與低水平的平均值作為中間水平（0），共進行13次數(shù)值模擬試驗，試驗設(shè)計及結(jié)果見表4。利用Matlab軟件對數(shù)值模擬休止角單側(cè)堆積圖像進行二值化、提取邊緣輪廓和擬合直線處理，通過擬合直線的斜率得到數(shù)值模擬休止角，如圖8所示。

利用Design-Expert 11軟件對數(shù)值模擬結(jié)果進行方差分析，得到各個接觸參數(shù)對休止角影響的顯著性見表5。秸稈莖節(jié)-秸稈外皮碰撞恢復(fù)系數(shù)I、秸稈莖節(jié)-秸稈內(nèi)瓤滾動摩擦因數(shù)B和秸稈莖節(jié)-鋼滾動摩擦因數(shù)H對數(shù)值模擬休止角影響顯著。

2.3.2 最陡爬坡試驗 利用Plackett-Burman試驗獲得的3個顯著性參數(shù)進行最陡爬坡試驗的設(shè)計，以獲得顯著性參數(shù)的最優(yōu)取值區(qū)間，通過設(shè)計合理的步長、增加試驗的密集度，進而獲取效果最優(yōu)的參數(shù)區(qū)間。最陡爬坡試驗設(shè)計及結(jié)果見表6，其他影響不顯著的參數(shù)取平均值。結(jié)果表明，隨著3個顯著性參數(shù)取值的不斷增大，數(shù)值模擬休止角和物理試驗休止角的相對誤差先減小后增大。第3組試驗的相對誤差最小，故確定最優(yōu)參數(shù)區(qū)間在第3組參數(shù)附近。

2.3.3 Box-Behnken試驗設(shè)計 將最陡爬坡試驗中的第3組參數(shù)值記作中間水平（0），第2組、第4組參數(shù)值分別為低水平（-1）和高水平（+1），試驗參數(shù)水平及編碼見表7，Box-Behnken試驗設(shè)計及結(jié)果見表8。

利用Design-Expert 11軟件對其結(jié)果進行多元回歸分析，得出數(shù)值模擬休止角與顯著性參數(shù)的二階回歸模型：

α₂=36.41+1.16B+0.73H+1.61I+0.8BH+0.27BI-0.02HI+0.3B²-0.56H²-1.04I²。（7）

對Box-Behnken試驗結(jié)果進行方差分析見表9，該擬合模型P=0.007 9＜0.01，表明休止角與回歸模型關(guān)系極顯著；失擬項P值為0.103 4＞0.05，不顯著，表明模型擬合度較高，可以充分說明參數(shù)與休止角之間的關(guān)系；變異系數(shù)（CV）為1.85%，表明試驗有較高的精確度和可靠性；決定系數(shù)r²=0.952 9，校正決定系數(shù)r²_Adj=0.868 2，皆趨近于1，表明模型與實際情況吻合度較高。

2.3.4 數(shù)值模擬參數(shù)標(biāo)定及試驗驗證 應(yīng)用Design-Expert 11軟件以物理試驗測定休止角36.567°為目標(biāo)值，對二階回歸模型進行尋優(yōu)求解，將得到的若干組解進行數(shù)值模擬，最后選擇與物理試驗測定休止角相對誤差最小的一組參數(shù)組合作為最優(yōu)解，即秸稈莖節(jié)-秸稈外皮碰撞恢復(fù)系數(shù)0.464、秸稈莖節(jié)-秸稈內(nèi)瓤滾動摩擦因數(shù)0.293、秸稈莖節(jié)-鋼滾動摩擦因數(shù)0.228。為驗證最優(yōu)解的可靠性，結(jié)合最優(yōu)參數(shù)組合重復(fù)進行3次數(shù)值模擬，3次休止角模擬結(jié)果分別為37.089°、36.716°和37.239°，平均值為37.015°，與物理試驗測定休止角36.567°的相對誤差為1.23%，驗證了數(shù)值模擬標(biāo)定參數(shù)的準(zhǔn)確度，休止角物理試驗與數(shù)值模擬試驗對比見圖9。

3 討論與結(jié)論

利用CNY-1型斜面儀和高速攝像機，通過物理試驗測得了秸稈莖節(jié)-秸稈莖節(jié)、秸稈莖節(jié)-秸稈外皮、秸稈莖節(jié)-秸稈內(nèi)瓤和秸稈莖節(jié)-鋼的靜摩擦因數(shù)分別為0.5～0.9、0.3～0.5、0.5～0.9和0.5～0.7；秸稈莖節(jié)-秸稈莖節(jié)、秸稈莖節(jié)-秸稈外皮、秸稈莖節(jié)-秸稈內(nèi)瓤和秸稈莖節(jié)-鋼的滾動摩擦因數(shù)分別為0.3～0.5、0.2～0.4、0.2～0.4和0.2～0.3；秸稈莖節(jié)-秸稈莖節(jié)、秸稈莖節(jié)-秸稈外皮和秸稈莖節(jié)-鋼的碰撞恢復(fù)系數(shù)分別為0.3～0.5、0.4～0.6和0.4～0.6。

以物理試驗測得的接觸參數(shù)范圍作為數(shù)值模擬參數(shù)的選擇依據(jù)，利用Matlab圖像處理技術(shù)對數(shù)值模擬結(jié)果進行二值化、提取邊緣輪廓及擬合直線處理，以獲得數(shù)值模擬休止角，利用Design-Expert 11軟件進行Plackett-Burman試驗，方差分析結(jié)果表明，對數(shù)值模擬休止角影響顯著的3個參數(shù)分別為秸稈莖節(jié)-秸稈外皮碰撞恢復(fù)系數(shù)、秸稈莖節(jié)-秸稈內(nèi)瓤滾動摩擦因數(shù)和秸稈莖節(jié)-鋼滾動摩擦因數(shù)。

利用Box-Behnken試驗建立了顯著性參數(shù)與數(shù)值模擬休止角的二階回歸模型，以物理試驗測定休止角36.567°為目標(biāo)值，對模型進行了尋優(yōu)求解，得到了一組最優(yōu)解：秸稈莖節(jié)-秸稈外皮碰撞恢復(fù)系數(shù)0.464、秸稈莖節(jié)-秸稈內(nèi)瓤滾動摩擦因數(shù)0.293、秸稈莖節(jié)-鋼滾動摩擦因數(shù)0.228。

利用最優(yōu)參數(shù)組合進行數(shù)值模擬驗證，得到休止角平均值為37.015°，與物理試驗測定休止角36.567°的相對誤差為1.23%，驗證了數(shù)值模擬參數(shù)的可靠性。

參考文獻：

［1］張曉慶，王梓凡，參木友，等. 中國農(nóng)作物秸稈產(chǎn)量及綜合利用現(xiàn)狀分析［J］. 中國農(nóng)業(yè)大學(xué)學(xué)報，2021，26（9）：30-41.

［2］張 平. 玉米秸稈飼料化途徑的研究進展［J］. 農(nóng)家參謀，2020（8）：138.

［3］沈長山. 飼料粉碎粒度對營養(yǎng)和加工成本的影響［J］. 糧食與飼料工業(yè)，2000（4）：26-27.

［4］李秀清. 基于離散元方法的錘片粉碎機玉米粉碎過程模擬及錘片性能試驗研究［D］. 呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2020.

［5］汪建新，張廣義，曹麗英.新型錘片式飼料粉碎機分離流道內(nèi)物料運動規(guī)律［J］. 農(nóng)業(yè)工程學(xué)報，2013，29（9）：18-23.

［6］王 迪. 篩片形狀變化對錘片粉碎機流場特征的影響研究［D］. 呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2019.

［7］何仁財，況杰華，吳兆勝，等. 錘片式粉碎機的設(shè)計研究［J］. 飼料工業(yè)，2014，35（17）：10-12.

［8］李永祥，李飛翔，徐雪萌，等. 基于顆?？s放的小麥粉離散元參數(shù)標(biāo)定［J］. 農(nóng)業(yè)工程學(xué)報，2019，35（16）：320-327.

［9］馬彥華，宋春東，宣傳忠，等. 苜蓿秸稈壓縮仿真離散元模型參數(shù)標(biāo)定［J］. 農(nóng)業(yè)工程學(xué)報，2020，36（11）：22-30.

［10］史瑞杰，戴 飛，趙武云，等. 胡麻莖稈離散元柔性模型建立與接觸參數(shù)試驗驗證［J］. 農(nóng)業(yè)機械學(xué)報，2022，53（10）：146-155.

［11］張 濤，劉 飛，趙滿全，等. 玉米秸稈接觸物理參數(shù)測定與離散元仿真標(biāo)定［J］. 中國農(nóng)業(yè)大學(xué)學(xué)報，2018，23（4）：120-127.

［12］張鋒偉，宋學(xué)鋒，張雪坤，等. 玉米秸稈揉絲破碎過程力學(xué)特性仿真與試驗［J］. 農(nóng)業(yè)工程學(xué)報，2019，35（9）：58-65.

［13］劉禹辰，張鋒偉，宋學(xué)鋒，等. 基于離散元法玉米秸稈雙層粘結(jié)模型力學(xué)特性研究［J］. 東北農(nóng)業(yè)大學(xué)學(xué)報，2022，53（1）：45-54.

［14］Ye X P，Liu L，Hayes D，et al. Fast classification and compositional analysis of cornstover fractions using fourier transform near-infrared techniques［J］. Bioresource Technology，2008，99（15）：7323-7332.

［15］Li H Y，Xu L，Liu W J，et al. Assessment of the nutritive value of whole corn stover and its morphological fractions［J］. Asian-Australasian Journal of Animal Sciences，2014，27（2）：194-200.

［16］薛紅楓，閆貴龍，孟慶翔.玉米秸稈不同部位碳水化合物組分體外發(fā)酵動態(tài)分析［J］. 畜牧獸醫(yī)學(xué)報，2007，38（9）：926-933.

［17］劉艷麗，潘 軍，張永根，等. 不同部位玉米秸纖維成分瘤胃降解規(guī)律的研究［J］. 黑龍江畜牧獸醫(yī)，2007（11）：58-59.

［18］樊 琦. 玉米秸稈破碎力學(xué)性能試驗研究［D］. 呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2019.

［19］國家質(zhì)量監(jiān)督檢驗檢疫總局，中國國家標(biāo)準(zhǔn)化管理委員會.飼料粉碎粒度測定 兩層篩篩分法：GB/T 5917.1—2008［S］. 北京：中國標(biāo)準(zhǔn)出版社，2008.

［20］彭 飛，王紅英，方 芳，等. 基于注入截面法的顆粒飼料離散元模型參數(shù)標(biāo)定［J］. 農(nóng)業(yè)機械學(xué)報，2018，49（4）：140-147.

［21］賈富國，韓燕龍，劉 揚，等. 稻谷顆粒物料堆積角模擬預(yù)測方法［J］. 農(nóng)業(yè)工程學(xué)報，2014，30（11）：254-260.

［22］肖子卿，田海清，張 濤，等. 玉米秸稈飼料除塵篩出物離散元數(shù)值模擬參數(shù)標(biāo)定［J］. 中國農(nóng)業(yè)大學(xué)學(xué)報，2022，27（7）：172-183.

［23］劉 敏，侯占峰，馬學(xué)杰，等. 基于離散元的紫花苜蓿種子仿真參數(shù)標(biāo)定與試驗［J］. 江蘇農(nóng)業(yè)科學(xué)，2022，50（6）：168-175.

［24］國家技術(shù)監(jiān)督局.表面活性劑 粉體和顆粒休止角的測量：GB 11986—1989［S］. 北京：中國標(biāo)準(zhǔn)出版社，1989.

［25］閆貴龍，曹春梅，魯 琳，等. 玉米秸稈不同部位主要化學(xué)成分和活體外消化率比較［J］. 中國農(nóng)業(yè)大學(xué)學(xué)報，2006，11（3）：70-74.

［26］蒙建國，王春光，謝勝仕，等. 馬鈴薯恢復(fù)系數(shù)測定試驗分析［J］. 中國農(nóng)業(yè)大學(xué)學(xué)報，2017，22（9）：93-100.

［27］王立軍，劉天華，馮 鑫，等. 農(nóng)業(yè)和食品領(lǐng)域中顆粒碰撞恢復(fù)系數(shù)的研究進展［J］. 農(nóng)業(yè)工程學(xué)報，2021，37（20）：313-322.