基于GA-SVR代理模型的谷物风筛清选系统优化设计

发布时间：2021-10-01 01:33

　　谷物风筛清选系统是收获机械的核心功能部件,直接影响清选作业的损失率和含杂率。为提升其性能,降低清选损失率和含杂率,基于计算流体动力学和离散单元法耦合技术（CFD-DEM）构建清选系统气固两相流数值模型,采用正交试验方法设计L₂₅（5⁴）仿真试验,并使用遗传算法优化参数的支持向量回归算法（GA-SVR）建立清选系统损失率、含杂率代理模型,然后基于带精英策略的非支配排序遗传算法（NSGA-II）对代理模型进行多目标优化,获得风力因素、振动因素和结构因素的较优方案:入风口风速为9.5 m/s,振幅为32 mm,振频为6 Hz,筛孔大小为17 mm。最后,经整机田间试验验证,采取优化方案进行收获作业时,损失率降为0.75%,含杂率降为0.92%。 

【文章来源】：机械设计. 2020,37(06)北大核心CSCD

【文章页数】：6 页

【部分图文】：

GA-SVR算法流程图

文中以湖州星光农机有限公司4LZ-5.0Z型纵轴流式全喂入联合收割机为研究对象[16]，由于真实的风筛清选系统体积庞大（长×宽×高=5 080 mm×2 600mm×2 705 mm），为提高计算效率，建模时（如图2所示）将清选系统的宽度（Z方向）设置为100 mm，长度（X方向）和高度（Y方向）与实际清选装置尺寸保持一致，同时，为使沿着Z方向（-Z方向）离开计算域的颗粒立即从-Z方向（Z方向）重新进入计算域，将模型宽度方向设置成周期性边界[2]。振动筛的结构为：上筛为鱼鳞筛，下筛为编织筛，其中编织筛筛孔尺寸范围为12～20 mm，振动筛以正弦形式振动，静止时的筛面与Z方向平行。采用适应性强的非结构化网格对计算域进行网格划分，在壁面进行了网格的细化。同时为减少计算量，在Fluent中将其进一步转化为多面体网格。CFD-DEM耦合流体相求解参数设置如表1所示。Hertz-Mindlin(no-slip）模型是DEM中默认的接触模型，该模型在农业散体物料中已有成功的应用[7,17]，同时考虑到脱出混合物颗粒表面并无黏附力[18]，故在CFD-DEM仿真中使用该接触模型描述颗粒间、颗粒与振动筛间的本构关系。谷粒为椭球形，长轴尺寸为6 mm，短轴尺寸为3 mm；短茎秆为圆柱形，长为30mm，直径为4.5 mm。颗粒工厂产生谷粒的速率为2 800个/s、短茎秆为700个/s，颗粒相的参数设置如表2和表3所示。

基于MATLAB平台编写遗传算法，分别对损失率和含杂率代理模型的罚参数C和高斯核函数参数σ2进行寻优，取值情况及精度如表5所示。损失率和含杂率的代理模型预测结果与仿真试验结果对比如图3和图4所示。通过图3、图4可以看出，将遗传算法优化后的惩罚参数与核函数参数组合用于支持向量回归预测中精度很高。图4 含杂率代理模型预测结果与仿真试验结果对比

【参考文献】：
期刊论文
[1]风筛式清选装置振动筛上物料运动CFD-DEM数值模拟[J]. 李洪昌,李耀明,唐忠,徐立章.  农业机械学报. 2012(02)
[2]关于统计学习理论与支持向量机[J]. 张学工.  自动化学报. 2000(01)

博士论文
[1]风筛式清选装置理论及试验研究[D]. 李洪昌.江苏大学 2011
[2]支持向量回归机代理模型设计优化及应用研究[D]. 向国齐.电子科技大学 2010



本文编号：3416991