袁盼盼，王　夢，張學軍，坎　雜，王麗紅，楊蘭濤

( 1．新疆農(nóng)業(yè)大學 機械交通學院，烏魯木齊　830052；2.新疆工程學院 機械工程系，烏魯木齊　830052；3．石河子大學 機械電氣工程學院，新疆 石河子　832000)

?

釀酒葡萄收獲機輸送裝置試驗

袁盼盼1，王夢2，張學軍1，坎雜3，王麗紅3，楊蘭濤3

( 1．新疆農(nóng)業(yè)大學 機械交通學院，烏魯木齊830052；2.新疆工程學院 機械工程系，烏魯木齊830052；3．石河子大學 機械電氣工程學院，新疆 石河子832000)

摘要：為探索釀酒葡萄收獲機輸送裝置工作性能，采用Central Composite Design試驗設計與響應曲面優(yōu)化方法對輸送性能進行優(yōu)化研究，以輸送成功率為響應指標，建立了輸送成功率數(shù)學回歸模型。利用殘差對回歸模型進行可靠性診斷，驗證了輸送成功率回歸模型的可靠度高;對試驗結(jié)果進行了顯著性分析，表明影響輸送成功率的因素依次為擋板間隙、輸送速度、釀酒葡萄質(zhì)量(喂入量)，且驅(qū)動撥爪鏈主動輪轉(zhuǎn)速及釀酒葡萄質(zhì)量交互作用顯著。應用Optimization(最優(yōu)化)功能，以輸送成功率最大化為優(yōu)化目標，得到了最優(yōu)參數(shù)組合。

關(guān)鍵詞：釀酒葡萄收獲機；輸送裝置；回歸分析；響應曲面

0引言

目前，新疆釀酒葡萄收獲完全依靠人工，釀酒葡萄種植規(guī)模擴大化與葡萄收獲機械化水平低之間的矛盾日漸突顯，勞動強度大，效率低[1-2]；人工收獲過程中過多人工參與對后續(xù)產(chǎn)品質(zhì)量安全會產(chǎn)生影響；同棉花、辣椒等作物收獲期重疊，勞力緊張，影響適時收獲；人工采收費用較高，占釀酒葡萄生產(chǎn)期間總?cè)斯べM用50%左右。因此，實現(xiàn)釀酒葡萄機械化收獲是釀酒葡萄生產(chǎn)過程中亟需解決的重要問題[3-6]。輸送裝置是釀酒葡萄機的核心部件之一，輸送裝置的優(yōu)劣不但會影響釀酒葡萄收獲機工作性能的綜合評定，也與葡萄種植農(nóng)戶的自身利益息息相關(guān)。

本文對前期設計的釀酒葡萄收獲機輸送裝置進行試驗研究[7]，采用三元二次通用旋轉(zhuǎn)試驗方法，驗證釀酒葡萄收獲機輸送裝置的工作性能，建立各個因素與輸送成功率之間的數(shù)學模型，獲取最佳工作參數(shù)組合，為釀酒葡萄收獲機的研制提供依據(jù)。

1試驗材料與方法

1.1　材料

樣品采自新疆生產(chǎn)建設兵團廣泛種植的釀酒葡萄品種赤霞珠，采樣日期為2014年9月20日(釀酒葡萄成熟期)，取樣地點為新疆生產(chǎn)建設兵團第八師152團6連；當天取樣當天完成，避免試驗材料放置時間過長，品質(zhì)發(fā)生改變對試驗結(jié)果造成影響。

1.2　試驗方法

根據(jù)試驗所考察的目標不同，一項試驗可以有一個或多個試驗響應指標。本文以考察釀酒葡萄收獲機輸送裝置的輸送成功率為主要目的，輸送成功率為本試驗的試驗指標。利用回歸試驗建立輸送成功率及其影響因素之間的數(shù)學模型，確定影響試驗指標的主要因素和次要因素，并對參數(shù)進行優(yōu)化，得到最優(yōu)工作參數(shù)組合。

本試驗以釀酒葡萄的輸送成功率作為試驗響應指標。在輸送成功率的測定過程中，按照式(1)進行計算，采用目測法分揀出采收后釀酒葡萄中的雜質(zhì)，稱重并記錄，則

(1)

式中R—輸送成功率；

ms—輸送完成后料箱內(nèi)的釀酒葡萄質(zhì)量；

mt—采收后釀酒葡萄及雜質(zhì)總質(zhì)量；

2試驗設計

影響釀酒葡萄輸送裝置輸送成功率的因素有工作部件的轉(zhuǎn)速、釀酒葡萄質(zhì)量(喂入量)、軌道轉(zhuǎn)彎半徑、擋板間隙及輸送角度等。通過對實際的工作環(huán)境及影響因素的可控制性進行分析及進行預實驗，確定裝置的驅(qū)動撥爪鏈條主動輪轉(zhuǎn)速n、擋板間隙δ及釀酒葡萄質(zhì)量m為影響最終輸送成功率的試驗因素。

以驅(qū)動撥爪鏈條主動輪轉(zhuǎn)速為依據(jù)進行試驗，選取驅(qū)動撥爪鏈輪轉(zhuǎn)速n的3個水平值為60、80、100r/min。釀酒葡萄向上垂直輸送時，擋板間隙δ過小會使擠壓力增大導致葡萄粒破損，擋板間隙過大會又導致葡萄粒掉落，因此在試驗中需要調(diào)節(jié)擋板間隙以得出最佳間隙。依據(jù)釀酒葡萄粒尺寸及戽斗體積，確定擋板間隙δ的3個水平值為30、40、50mm；依據(jù)釀酒葡萄平均產(chǎn)量，按比例確定試驗葡萄質(zhì)量：經(jīng)實地調(diào)研及查閱文獻，釀酒葡萄產(chǎn)量約為13500kg/hm2，種植行距3m，折合約4kg/m，釀酒葡萄收獲機采收裝置工作區(qū)域約長1m，折合采收釀酒葡萄質(zhì)量約4kg。由于田間實際存在土壤、肥料、水分等環(huán)境差異，致使不同處葡萄質(zhì)量存在差異，試驗葡萄質(zhì)量選取值為2.5、4.5、6.5kg。

根據(jù)CCD設計法的統(tǒng)計學要求，共需進行20組試驗，試驗因素水平編碼如表1所示。

表1　試驗因素水平及編碼

3結(jié)果分析

在表1不同工況組合情況下，釀酒葡萄輸送成功率值如表2所示。

表2　試驗方案及結(jié)果

續(xù)表2

3.1　回歸方程

應用Design expert8.0.6軟件系統(tǒng)對表2中數(shù)據(jù)進行擬合并對其進行方差分析，獲得輸送成功率編碼后的回歸模型為

y=97.36-0.87x1-3.14x2+0.23x3+

0.63x1x2+1.43x1x3-0.95x2x3-

1.08x12-1.38x22-0.80x32

(2)

其中，x1、x2、x3分別為驅(qū)動撥爪鏈主動鏈輪轉(zhuǎn)速、擋板間隙及釀酒葡萄質(zhì)量3個因素。

3.2　回歸分析

利用殘差對回歸模型進行可靠性診斷，通過F檢驗對試驗結(jié)果擬合的多元回歸方程進行顯著性分析。

3.2.1回歸模型的診斷

殘差是一項極其重要的回歸診斷量。利用Design-Expert軟件中的Diagnostics(診斷)功能對輸送成功率的數(shù)學模型進行診斷。結(jié)果如圖1所示。圖1(a)為輸送成功率的殘差正態(tài)圖，圖1(b)為預測響應與實際的散點圖。殘差正態(tài)圖1(a)的橫坐標為內(nèi)部標準化殘差，縱坐標為正態(tài)概率，圖1中散點的軌跡反映了殘差是否遵循正態(tài)分布。預測響應與實際的散點圖1(b)的橫坐標為實際值，縱坐標為模型預測值，散點的軌跡均勻則為正態(tài)分布。殘差正態(tài)圖、預測響應與實際的散點圖的軌跡都應合理的無限接近于一條直線，則可推斷回歸模型的可靠程度。

從圖1(a)中可看出：輸送成功率的殘差呈線性分布，圖中散點與斜線擬合度較好。由圖1(b)可知：圖中的散點都集中在90%～100%這一區(qū)間，且均勻分布在斜線兩側(cè)。這說明，回歸模型預測值與實際值擬合度較好，表明輸送成功率回歸模型的可靠度高。

圖1　輸送成功率的殘差分析

3.2.2F檢驗

F檢驗是方程顯著性檢驗，反映各因素對試驗結(jié)果影響程度的大小[8]。本文運用F檢驗用以檢驗試驗所測得的數(shù)據(jù)與回歸方程的模擬數(shù)據(jù)擬合程度，證明回歸方程的準確度，并反映試驗各因素對文中回歸方程的顯著性。

依據(jù)表2中的試驗數(shù)據(jù)，利用Design-Expert軟件處理獲得輸送成功率的方差分析結(jié)果如表3所示。

根據(jù)表3得出：擋板間隙x2對輸送成功率影響極顯著，鏈輪轉(zhuǎn)速x1對輸送成功率影響顯著，鏈輪轉(zhuǎn)速x1與釀酒葡萄質(zhì)量x3的交互作用影響顯著，釀酒葡萄質(zhì)量x3對輸送成功率影響不顯著。通過分析可知：影響輸送成功率的因素依次為擋板間隙x2、輸送速度x1、釀酒葡萄質(zhì)量x3。

表3　輸送成功率方差分析

P≤0.001為高度顯著，用**表示；p≤0.05為顯著，用*表示。

3.3　各因素對性能指標的影響

Diagnostics(診斷)回歸模型預測值與實際值擬合度較好，說明了輸送成功率的數(shù)學模型可靠度較高。由F檢驗可知：擋板間隙、驅(qū)動撥爪鏈主動鏈輪轉(zhuǎn)速、鏈輪轉(zhuǎn)速與釀酒葡萄的交互作用對輸送成功率的影響顯著，因此需重點分析上述因素對輸送成功率的影響。運用Model Graphs功能對擋板間隙、驅(qū)動撥爪鏈鏈輪轉(zhuǎn)速、釀酒葡萄質(zhì)量這3個因素與輸送成功率之間的關(guān)系進行響應曲面分析，以便更直觀地反映因素與輸送成功率之間的聯(lián)系[9]。

由驅(qū)動撥爪鏈主動輪轉(zhuǎn)速與釀酒葡萄質(zhì)量交互作用圖(見圖2)可看出：在擋板間隙一定的條件下，釀酒葡萄輸送成功率受轉(zhuǎn)速和釀酒葡萄的交互影響，在二者較優(yōu)水平變化范圍內(nèi)，存在顯著的交互作用。由輸送成功率響應曲面圖(見圖3)可知：轉(zhuǎn)速、釀酒葡萄質(zhì)量對輸送成功率的影響為非線性變化。從等高線圖(見圖4)可看出：在60～100r/min范圍內(nèi)，輸送成功率隨著轉(zhuǎn)速的增大而減??；在2.5～6.5kg范圍內(nèi)，隨著釀酒葡萄質(zhì)量的增加而減小。同時，隨著轉(zhuǎn)速和釀酒葡萄質(zhì)量的共同增加，輸送成功率逐漸下降。由等值平面上的橢圓圖形可知：釀酒葡萄質(zhì)量比轉(zhuǎn)速對輸送成功率的影響??；當驅(qū)動撥爪鏈主動鏈輪轉(zhuǎn)速為76r/min、釀酒葡萄質(zhì)量為4.4kg時，釀酒葡萄輸送成功率最高達98.6%。由等高線圖可知：驅(qū)動撥爪鏈主動鏈輪轉(zhuǎn)速與釀酒葡萄質(zhì)量存在非線性關(guān)系，當二者參數(shù)相匹配時，輸送成功率穩(wěn)步上升。

圖2　轉(zhuǎn)速與釀酒葡萄質(zhì)量輸送成功率交互作用圖

圖3　轉(zhuǎn)速與釀酒葡萄質(zhì)量輸送成功率響應曲面

圖4　轉(zhuǎn)速與釀酒葡萄質(zhì)量輸送成功率等高線

3.4　參數(shù)優(yōu)化

應用Design-Expert所提供的Optimization(最優(yōu)化)功能，以輸送成功率最大化為優(yōu)化目標，尋求釀酒葡萄輸送成功率最優(yōu)值及其所對應的影響因素最佳參數(shù)組合，結(jié)果如表4所示。

表4　最優(yōu)參數(shù)組合

4結(jié)論

1) 建立了輸送成功率與驅(qū)動撥爪鏈主動輪轉(zhuǎn)速、擋板間隙及釀酒葡萄質(zhì)量(喂入量)的回歸模型。利用Diagnostics對回歸模型進行可靠性診斷，得知輸送成功率的回歸模型可靠度較高。

2) 影響輸送率的主次因素分別為擋板間隙、驅(qū)動撥爪鏈主動輪轉(zhuǎn)速及釀酒葡萄質(zhì)量，且驅(qū)動撥爪鏈主動輪轉(zhuǎn)速及釀酒葡萄質(zhì)量交互作用顯著。

3) 釀酒葡萄收獲機輸送裝置的最優(yōu)工作參數(shù)組合如下：驅(qū)動撥爪鏈主動輪轉(zhuǎn)速60.30r/min，擋板間隙32.42mm，釀酒葡萄質(zhì)量6.44kg，輸送成功率為98.01%。

參考文獻：

[1]裴新民,金曉青.新疆釀酒葡萄產(chǎn)業(yè)生產(chǎn)機械化現(xiàn)狀及發(fā)展建議[J].農(nóng)業(yè)開發(fā)與裝備，2014(8):6-8.

[2]趙中華.新疆葡萄生產(chǎn)機械應用現(xiàn)狀及發(fā)展方向[J].農(nóng)業(yè)技術(shù)與裝備,2008(4):33-34.

[3] 王麗紅,袁盼盼,李成松,等.釀酒葡萄振動脫落機構(gòu)運動分析及研究平臺設計[J].農(nóng)機化研究,2015,37(8):53-56.

[4]胡志超,田立佳,彭寶良,等.國內(nèi)外葡萄生產(chǎn)機械化的研究與應用[J].農(nóng)業(yè)機械,2005(9):62-63.

[5]曲淑麗,楊先遇.煙臺市葡萄生產(chǎn)機械化實踐與探討[J].農(nóng)業(yè)機械,2010(14):22-23．

[6]李成松,高振江,坎 雜,等.雙支撐釀酒葡萄果實振動分離裝置作業(yè)機理[J].農(nóng)業(yè)工程學報,2015, 31(4):36-32.

[7]袁盼盼,坎雜,王麗紅,等.釀酒葡萄收獲機輸送裝置的設計[J].江蘇農(nóng)業(yè)科學,2014,42(10):386-388.

[8]陳魁.試驗設計與分析[M].北京:清華大學出版社,2005.

[9]徐向宏.何明珠試驗設計與Design-Expert、Spass應用[M].北京:科學出版社,2010.

Abstract ID:1003-188X(2016)12-0198-EA

Experiment of Wine Grape Harvester Conveyer

Yuan Panpan1, Wang Meng2, Zhang Xuejun1, Kan Za3, Wang Lihong3, Yang Lantao3

Abstract：In order to further research the working performance of wine grape harvester conveyer, two methods of CCD(central composite design) and RSM (response surface methodology)were employed to optimize the performance of conveyer. Success rate of conveyer was the responsive variables, the mathematical regression model was established by using the CCD method and the influencing rules of factors were explored. Residual was used to diagnose reliability of regression model, high reliable regression model was verified. The significant of experiment results were analysised, the result showed that,the influence factors of success rate were the damper gap,conveying speed and wine grape mass,and driving wheel speed and wine grape mass interaction was obvious. Used the Optimization function, success rate maximize was optimization objective, optimal parameter combination was determined.

Key words：wine grape harvester; convey; regression analysis; response surface methodology

中圖分類號：S225.99

文獻標識碼：A

文章編號：1003-188X(2016)12-0198-04

作者簡介：袁盼盼(1989-)，女，河南周口人，助教，碩士，(E-mail)ypp_xnd@163.com。通訊作者：張學軍(1966-)，男，四川渠縣人，教授，碩士生導師，博士，(E-mail)zhxjau@sina.com。

基金項目：新疆生產(chǎn)建設兵團工業(yè)科技攻關(guān)計劃項目(2013BA009)

收稿日期：2015-10-28