基于離散元法的油莎豆摘果脫出物篩分分析與試驗

鄭效帥,尚書旗,王東偉,何曉寧,王海清,譚 營,胥 南,申世龍

(青島農業大學 機電工程學院 ,山東 青島 266109)

0 引言

油莎豆又稱“地下核桃”,是一種耐旱耐鹽堿優質高產可替代大豆的新型油料作物[1],我國西北、東北、華南等地區都有大面積推廣種植[2-4]。現階段,油莎豆機械化收獲是阻礙油莎豆產業發展的重要因素[5],且油莎豆聯合收獲機摘果脫出物中大量莖葉須根、雜物的清選是決定高效優質機械化收獲的關鍵環節[6]。

近年來,國內外學者對油莎豆收獲機械進行了一定的研究[7-10]。劉文亮等[11-12]設計了一種油莎豆籽粒收獲機,并對摘果分離清選裝置進行了設計與校核,為油莎豆分離提供了一種技術方案。趙英琦等[13]優化設計了一種偏心振動篩和八棱柱滾筒篩,通過試驗確定了最佳安裝傾角和工作轉速,取得較好的除雜效果。張紅梅等[14]設計一種油莎豆收獲機,利用矩陣分析法和Adams仿真法,對篩分進行運動學分析和試驗,得到了振動篩最佳工作參數,獲得了較高的篩分效率和較小的損失率。以上研究通過設計對清選結構進行了創新,通過試驗對工作參數進行了優化,取得了一定的篩選效果,但在物料透篩過程及物料篩分分析研究較少難以進一步優化篩選效果。同時,國內外基于離散元法的EDEM軟件在散粒體物料篩分方面應用較為成熟,能有效降低試驗周期[15-19]。Elskamp F等[20-21]應用EDEM對不同散粒體顆粒針對在不同篩分參數情況下進行仿真模擬試驗,分析出了樣本物料在篩面上篩分狀態和篩分效果的關系模型。張西良等[22]運用EDEM軟件進行橢球形顆粒直線振動篩分分離粒度研究,得出了物料顆粒粒度與工作參數之間的關系。李洪昌[23]等運用EDEM對振動篩分過程進行數值模擬,得出振動篩的最佳運動學參數。以上研究對象在工農業生產范圍較廣,但針對油莎豆散粒體篩分離散元法研究還鮮有報道。

為此,以收獲作業現場采樣油莎豆摘果脫出物為研究對象,進行物料組份測定分析,建立物料顆粒離散元模型,導入EDEM軟件進行不同篩子的仿真模擬試驗,并根據仿真試驗結果進行篩分分析,確定每種篩子最佳篩孔尺寸;同時,進行臺架篩分試驗并根據結果分析出適用于樣本物料的最佳篩子類型與篩孔尺寸,為油莎豆篩分提供理論依據。

1 試驗材料

試驗材料為油莎豆收獲機摘果脫出物,取樣于河南省商丘民權縣油莎豆示范基地收獲作業現場,品種為“豫油莎5號”,所用機器為牽引式油莎豆聯合收獲機,摘果滾筒類型為軸流釘齒式摘果滾筒,采樣混合物料含水率為32.78%。采樣現場如圖1所示。

將采樣樣本密封并帶回農業物料實驗室進行組分測定試驗。在樣本中隨機稱量取樣1000g,并進行分組和組分測量試驗,如圖2所示。

圖1 收獲現場采樣Fig.1 Harvest site sampling

圖2 采樣物料主要組分Fig.2 The main components of the sampled materials

脫出物中含有莖葉須根、雜物和油莎豆顆粒3種組份,采用YP20K-1型電子計重天平,精度0.1g,進行分別稱重,計算組份質量百分比,重復3組,3種組份平均質量百分比分別為76.8%,9.1%和14.1%,試驗結果如圖3所示。

圖3 組份質量分數分布Fig.3 Component mass fraction distribution

對組份中顆粒按照三軸最大尺寸進行統計測量,如圖4所示。經測量分析計算,得出油莎豆顆粒最大尺寸為13～18mm;莖葉須根最大尺寸為20～120mm;雜物為磚塊、木棒和雜草塊莖,最大尺寸為20～50mm。

2 篩分試驗裝置

2.1 篩分裝置結構

試驗采用的篩分裝置為青島農業大學農業裝備實驗室清選試驗臺,結構如圖5所示。

圖4 組份測定試驗Fig.4 Component determination test

1.草雜箱 2.機架 3.篩子 4.篩網 5.料斗 6.導豆板 7.豆箱圖5 篩分裝置結構圖Fig.5 Sieving device structure diagram

2.2 篩分裝置原理

試驗時,草雜箱對試驗中沒有透篩的大粒度物料莖葉須根和雜物進行收集;機架為整個試驗臺提供支撐與安裝;篩子為整個篩選試驗的運動部分,上面可以進行不同類型篩子的安裝;篩網為試驗的主要對象,不同類型的篩網具有不同的篩分效果;料斗為脫出物樣本物料暫存與進入篩網的裝置;導豆板使透篩的物料落入其上并滑落進入豆箱,豆箱對試驗中透篩的小粒度物料油莎豆顆粒進行收集。試驗過程中,樣本物料由料斗落入篩網,在篩子的運動作用下沿篩網上行;在物料相對篩網上行運動過程中,小粒度物料透篩落入導板,大粒度物料繼續上行并最終落入草雜箱,完成篩分。

3 仿真試驗與篩分分析

3.1 仿真試驗

采用EDEM軟件,通過對特定篩子運動狀態下不同篩面進行仿真模擬,通過數據匯總計算對物料進行篩分分析,確定最佳篩孔尺寸。

3.1.1 建立顆粒模型

通過前期測定,建立莖葉須根、雜物和油莎豆顆粒的三維實體模型,通過EDEM軟件填充油莎豆顆粒模型、磚頭石塊模型、雜草塊莖模型、木棒模型和莖葉須根5種模擬顆粒,如圖6所示。

圖6 顆粒仿真模型Fig.6 Particle simulation model

3.1.2 篩面選擇

試驗選用目前清選篩分常用的編制篩、沖孔篩及魚鱗篩進行仿真模擬,并將篩面裁成和實驗室清選試驗臺相吻合的尺寸,如圖7所示。

圖7 篩面類型Fig.7 Sieving surface type

3.1.3 參數設定

在EDEM前處理時,需設定仿真顆粒的摩擦、碰撞等屬性參數,在采用前期試驗數據與查閱文獻資料,參數設置如表1、表2所示。

表1 物料特性參數Table 1 Material characteristics parameters

續表1

表2 物料相互作用參數Table 2 Material interaction parameters

3.1.4 篩分仿真

將5種顆粒按照事先測定的百分含量與顆粒大小,建立5個顆粒工廠,設定脫出物生成速度為3000個/s。建立篩選試驗臺三維模型,并導入EDEM軟件,設定篩子運動振幅80mm、振動頻率12Hz、振動方向角5°、篩面傾角10°進行篩分仿真模擬,如圖8所示。

圖8 仿真模擬試驗Fig.8 Simulation test

按照每組仿真至篩終點完成仿真,更換篩網類型和篩孔大小,再次仿真試驗。利用仿真軟件后處理功能,分析出篩分后篩上與篩下每種脫出物組份物料顆粒個數,按照式(1)、式(2)計算透篩概率P1和透篩物料含雜量降低率P2,作為判定分離效果的重要參數指標,即

(1)

(2)

式中P1—脫出物組分得透篩概率;

M0—篩上物料顆粒個數;

M—篩下物料顆粒個數;

P2—透篩物料含雜量降低率;

G—生成物料顆粒含雜率(%),由edem顆粒工廠生成顆粒前處理定義,此試驗為25%;

N0—篩下所有透篩物料顆粒個數;

N—篩下雜物透篩物料顆粒個數。

將每組進行3次重復仿真模擬試驗,相關分析參數取平均值,篩網規格及試驗結果如表3所示。

表3 篩子類型參數及試驗結果Table 3 Sieve type parameters and test results

續表3

3.2 篩分分析

按照固體物料分選學原理[25],分析每組試驗不同顆粒粒度和篩孔尺寸對透篩概率的影響及不同篩孔尺寸對透篩物料含雜量降低率的影響。將試驗數據導入MatLab,運用cftool工具進行函數擬合,找到其函數關系,繪出函數三維曲面圖和坐標曲線。3種篩子透篩率擬合曲面如圖9所示。擬合函數為

(3)

(4)

(5)

式中U1(x,y)—編制篩透篩率(%);

U2(x,y)—沖孔篩透篩率(%);

U3(x,y)—魚鱗篩透篩率(%);

x—篩孔尺寸(mm);

y—顆粒粒度(mm)。

3種篩子透篩物料含雜量降低率曲線如圖10所示。擬合函數為

V1(x)=0.08x3-5.40x2+110.00x-618.20

(6)

V2(x)=0.07x3-5.02x2+104.10x-592.50

(7)

V3(x)=0.12x3-7.53x2+154.70x-921.00

(8)

式中V1(x)—編制篩透篩物含雜量降低率(%);

V2(x)—沖孔篩透篩物含雜量降低率(%);

V3(x)—魚鱗篩透篩物含雜量降低率(%)。

3種篩子透篩率二元回歸數學擬合方程決定系數分別為0.974、0.978、0.985,標準差分別為6.89、5.99、5.18;3種篩子透篩物料含雜量降低率數學擬合方程決定系數分別為0.994、0.997、0.977,標準差分別為1.729、1.049、3.305;擬合方程與仿真試驗數據擬合度較好,能夠反映不同顆粒粒度和篩孔尺寸對透篩概率的影響及不同篩孔尺寸對透篩物料含雜量降低率的影響。

為了分析3種篩子的最合適篩孔尺寸,運用篩分效果S綜合透篩概率和透篩物料含雜量降低率進行篩分效果分析,對透篩概率和透篩物料含雜量降低率進行加權求和,擬合函數為

(9)

S2(x,y)=pU2(x,y)+qV2(x)=

0.05x3+0.09x2y-0.06xy2+0.06y3-

5.00x2-1.78xy-1.85y2+116.30x+

41.80y-887.50

(10)

S3(x,y)=pU3(x,y)+qV3(x)=

0.08x3+0.09x2y-0.05xy2+0.07y3-

4414.13x2-3.16xy-2.53y2+169.30x+

70.60y-1443.80

(11)

式中S1(x,y)—編制篩篩分效果;

S2(x,y)—沖孔篩篩分效果;

S3(x,y)—魚鱗篩篩分效果;

p—透篩概率權重,取p=0.4;

q—透篩物料含雜量降低率權重,取q=0.6。

將油莎豆顆粒粒度13～18mm代入篩分效果擬合方程,得到編制篩最佳網尺寸為18mm,透篩概率為80.20%,透篩物料含雜量降低率93.63%,篩分效果為91.46%;沖孔篩最佳網尺寸為20mm,透篩概率為83.65%,透篩物料含雜量降低率90.51%,篩分效果為87.77%;魚鱗篩最佳網尺寸為20mm,透篩概率為84.21%,透篩物料含雜量降低率89.64%,篩分效果為87.47%。所以,針對樣本物料,選用編制篩、沖孔篩和魚鱗篩的篩孔尺寸分別為18、20、20mm。

圖9 3種篩子透篩率擬合曲面Fig.9 Three kinds of sieve penetration rate fitting surfaces

圖10 3種篩子透篩物料含雜量降低率擬合曲線Fig.10 Fitting curve of impurity content reduction rate of three kinds of sieve materials

4 臺架試驗與分析

4.1 臺架試驗

篩分效率是衡量物料篩分效果的重要指標,仿真試驗完成后,得出3種類型篩子最佳篩孔尺寸,需要在實驗室清選篩分臺架進行試驗,選定最佳篩分效率篩網。試驗所有結構參數、運動參數及喂入量大小速度均與仿真試驗一致。試驗以篩子類型劃分3組進行,安裝仿真試驗所得最佳篩孔尺寸的篩網,每組重復3次。對篩分后透篩的油莎豆顆粒粒度進行數據統計記錄,采用樣本統計法找到尺寸中位數、最大數、最小數即粒度中心、分離上限和分離下限。臺架試驗如圖11所示。

圖11 臺架試驗Fig.11 Bench test

4.2 試驗結果分析

經試驗與統計分析,得出3種篩子粒度中心、分離粒度上限和分析粒度下限,如表4所示。

表4 試驗結果Table 4 Test results mm

顆粒分布函數能夠表示顆粒分布關系,顆粒篩分分離粒度與分布函數的關系為

(12)

式中dp—顆粒篩分分離粒度(mm);

dc —顆粒分布中心(mm);

z—分離粒度dp為隨機變量x;

E(z)—數學期望;

dmax—分離粒度上限(mm);

dmin—分離粒度下限(mm);

f(z)—概率密度函數;

F(z)—分布函數。

根據試驗結果創建顆粒粒度與顆粒分布函數坐標系,繪制3種篩粒度顆粒分布圖,如圖12所示。

圖12 3種篩粒度顆粒分布Fig.12 Three kinds of sieve size particle distribution

圖12中,A1表示以dc 為分離粒度中心沒有透篩夾雜在篩上物料中的油莎豆顆粒;A2表示落入篩網下方的莖葉須根與雜物顆粒;A1和A2面積之和最小時,綜合篩分效率最高。由圖12可知,陰影部分面積為A1與A2面積之和,即

(13)

(14)

經計算,使用編制篩網陰影部分面積最小,綜合篩分效率最高為94.32%。因此,為了使油莎豆摘果脫出物達到最好的篩分效果,需選用篩孔尺寸為20mm的編制篩網。

5 結論

1)樣本物料油莎豆顆粒組分質量分數為76.8%,顆粒大小為13～18mm。

2)仿真試驗得出編制篩最佳網尺寸為18mm,透篩概率為80.20%,透篩物料含雜量降低率93.63%,篩分效果為91.46%;沖孔篩最佳網尺寸為20mm,透篩概率為83.65%,透篩物料含雜量降低率90.51%,篩分效果為87.77%;魚鱗篩最佳網尺寸為20mm,透篩概率為84.21%,透篩物料含雜量降低率89.64%,篩分效果為87.47%。

3)臺架試驗得出選用篩孔尺寸為20mm的編制篩網可得到最佳綜合篩分效率94.32%。