文献类型： 中文期刊

作者： 丁辛亭 ¹ ; 李凯 ¹ ; 郝伟 ¹ ; 杨其长 ² ; 闫锋欣 ¹ ; 崔永杰 ¹ ;

作者机构： 1.西北农林科技大学机械与电子工程学院

2.中国农业科学院都市农业研究所

关键词： 油茶籽;离散元;参数标定;遗传算法;BP神经网络

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2023 年 002 期

页码： 139-150

收录情况： EI ; 北大核心 ; CSCD

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。