李宇飛，胡 軍， 李慶達，趙明明

(黑龍江八一農(nóng)墾大學 工程學院，黑龍江 大慶 163000)

0 引言

近年來，病蟲草害防治依然是困擾我國農(nóng)業(yè)生產(chǎn)的巨大難題，提高植保機械技術(shù)水平，進行高效、低污染施藥技術(shù)的研究及植物保護機具的設計開發(fā)是一項迫切的任務。與傳統(tǒng)施藥技術(shù)相比，農(nóng)業(yè)航空噴灑施藥技術(shù)在應對突發(fā)、爆發(fā)性病蟲害的防控方面效果好，克服了農(nóng)業(yè)機械或人工無法進地作業(yè)的難題，其發(fā)展前景受到農(nóng)業(yè)植保領域的高度重視[1]。

航空靜電噴霧技術(shù)是航空植保技術(shù)的重要組成部分，主要工作原理是通過感應、耦合及接觸等方式給霧滴充電，使霧滴帶電。優(yōu)點在于：①由于霧滴間同性電荷相斥，提高了霧滴噴灑均勻性[2]；②霧滴與地面植物間正負異性電荷相吸[3]，霧滴在重力和電場力雙重作用下加速下落，穿透力上升，有助于減少霧滴飄移，提高藥液利用效率。

黑龍江八一農(nóng)墾大學工程學院在航空植保領域的研究已經(jīng)開展了多年，在此過程中以靜電噴頭電極為研究中心做了4次改進設計，目的是設計出噴頭的最佳結(jié)構(gòu)。4代靜電噴頭結(jié)構(gòu)如圖1～圖4所示。

為研究影響霧滴荷質(zhì)比的各因素，設計出具有最佳充電效果的靜電噴頭，需要進行荷質(zhì)比測量試驗。由于試驗條件的限制，進行大量次數(shù)的試驗需耗費大量時間，為此擬采用人工神經(jīng)元網(wǎng)絡進行模擬試驗，最終建立一個霧滴荷質(zhì)比影響因素的數(shù)學模型。

圖1 第1代靜電噴頭

圖2 第2代錐形電極感應環(huán)

圖3 第3代扇形夾板式感應電極

圖4 第4代圓錐銅箔式靜電噴頭

人工神經(jīng)網(wǎng)絡通?？煞譃榍跋蛏窠?jīng)網(wǎng)絡、反饋神經(jīng)網(wǎng)絡和自組織映射神經(jīng)網(wǎng)絡[4]。在人工神經(jīng)網(wǎng)絡模型中，BP神經(jīng)網(wǎng)絡(Backpropugation Neural Network)是研究最為成熟的一種，被廣泛用于函數(shù)擬合、預測、圖像識別和自動控制等學科和領域中[5]。BP神經(jīng)網(wǎng)絡是一種單向傳播的多層前向神經(jīng)網(wǎng)絡，分為輸入層、中間層和輸出層，其顯著特點是具有自學習、自組織和自適應能力，能夠通過訓練達到預期的效果。BP神經(jīng)網(wǎng)絡學習過程由信號正向傳播和誤差反向傳播兩個過程組成。輸入樣本從輸入層神經(jīng)元傳入，經(jīng)隱層神經(jīng)元逐層處理后傳向輸出層神經(jīng)元，若實際輸出與期望輸出不符，則轉(zhuǎn)向誤差反向傳播過程。網(wǎng)絡學習訓練過程即為信號正向傳播與誤差反向傳播的各層神經(jīng)元權(quán)值調(diào)整過程，這種反復訓練學習過程直到網(wǎng)絡輸出誤差減少到可以接受的程度，或者達到預先設定的學習次數(shù)為止[6]。

人工神經(jīng)網(wǎng)絡被廣泛應用于農(nóng)業(yè)工程學科方面。例如，劉禾等[7]研究的水果果形判別人工神經(jīng)網(wǎng)絡專家系統(tǒng)；彭瑩瓊等[8]建立了基于 MatLab的水稻蟲害發(fā)生量BP神經(jīng)網(wǎng)絡預測系統(tǒng)，采用平均氣溫、最低氣溫、日照時數(shù)和降雨量4個氣象因子作為BP網(wǎng)絡的輸入，確定了自然因素與發(fā)生量之間的聯(lián)系;高丹等[9]選取溫度、空氣飽和差、日照時數(shù)和風速4個影響因子作為輸入變量，建立了基于MatLab神經(jīng)網(wǎng)絡的水稻需水量的預報模型，用預測數(shù)據(jù)和原始數(shù)據(jù)進行對比，發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡預測水稻需水量的相對誤差值較小，可信度高。

1 試驗設計

1.1 荷質(zhì)比測量裝置的選擇

通過查閱文獻，總結(jié)出國內(nèi)外靜電噴霧荷質(zhì)比測量技術(shù)研究現(xiàn)狀。目前，荷質(zhì)比測量方法有4種,分別為實物模擬法、簡化模擬法、目標網(wǎng)狀目標法及法拉第筒法。從現(xiàn)有條件和測量精準度角度進行考慮，該試驗選用法拉第筒法進行霧滴的荷質(zhì)比測量。

法拉第筒法是靜電技術(shù)研究中測量帶電體電量的傳統(tǒng)方法，法拉第筒由兩個互相絕緣的金屬筒組成,如圖5所示。分析可得被測帶電體電量為

q=(cf+cb)U

式中Cf—法拉第筒固有電容；

Cb—儀表輸人電容；

U—儀表指示電壓。

為保證測量穩(wěn)定性,一般并聯(lián)低泄漏電容Ca,且使Ca?Cf和Cb。經(jīng)適當標定,即可直接讀出被測帶電體電量。例如,在接地尖端與霧流距離確定的情況下,為了在獲得霧滴電荷水平的同時觀察研究液體電導率對霧流和接地尖端之間的氣體擊穿和傳導性的影響,Law和Bowcn設計了一套封閉式可控試驗系統(tǒng),利用法拉弟筒測量了由針狀噴頭通過接觸充電產(chǎn)生的荷電霧滴的電荷水平,試驗時霧滴直接進人內(nèi)筒。法拉第筒實驗原理如圖5所示。

1.筒蓋 2.內(nèi)筒 3.絕緣層 4.外筒 5.低泄漏電容 6.法拉第筒固有電容 7.電路保護電阻

因此，本文擬采用法拉第筒法的方法進行靜電霧滴荷質(zhì)比的測量。

1.2 霧滴荷質(zhì)比影響因素預試驗

為了找到影響霧滴荷質(zhì)比的影響因素，通過查閱相關文獻和資料，初步找到5個影響因素，分別為溫度、濕度、電極環(huán)直徑、靜電電壓及噴頭流量。

根據(jù)試驗目的和要求，該研究進行了荷質(zhì)比測量預試驗，如圖6所示。試驗選取5個試驗變量，分別為X1電壓、X2流量、X3電極環(huán)直徑、X4溫度及X5濕度，Y荷質(zhì)比為因變量。為減少試驗次數(shù)，選取正交試驗設計，表為L25(55)，Y為霧滴荷質(zhì)比(mc/kg)。試驗設計如表1所示。

圖6 航空靜電噴頭荷質(zhì)比測量試驗

序號電壓X1/kV流量X2/mL·min-1電極環(huán)直徑X3/mm溫度X4/℃濕度X5/%荷質(zhì)比Y/mc·kg-110400501845020500602050030600702255040700802460050800902665060.24006022600.3270.25007024650.2880.26008026450.2690.27009018500.2100.28005020550.19110.44007026500.54120.45008018550.5130.46009020600.48140.47005022650.41150.48006024450.35160.64008020651.52170.65009022451.45180.66005024501.36190.67006026551.2200.68007018601.12

續(xù)表1

2 建立人工神經(jīng)網(wǎng)絡模型

2.1 預測模型因素確定

1)電壓。根據(jù)有關研究顯示，靜電噴頭的電壓對霧滴荷電能力的影響十分顯著，且隨電壓的增長霧滴荷電量呈上升趨勢。

2)噴頭流量。噴頭流量決定了單位質(zhì)量霧滴所帶電荷量的大小，預試驗顯示，增大流量會導制霧滴荷質(zhì)比下降。原因可能有兩方面:一是由于霧滴粒徑的變大導致霧滴感應電荷的能力下降；二是由于流量的增大導致單位質(zhì)量的霧滴充電過程的時間縮短。

3)電極環(huán)直徑。根據(jù)已有研究顯示，電極環(huán)直徑對靜電霧滴的充電效果有較為顯著的影響。首先，電極環(huán)尺寸不宜過小，尺寸過小會減小對霧滴靜電感應的面積；另外，也不宜過大，過大的尺寸會造成感應環(huán)與霧滴噴出口的距離增大，不利于感應充電。

4)溫度。由于航空植保飛機特殊的作業(yè)環(huán)境和噴出的霧滴粒徑的微小性，霧滴對于溫度過高所引起的蒸發(fā)量變化顯得極為敏感。為此，在試驗設計過程中將溫度因素加入到模型的構(gòu)建中。通過查閱資料發(fā)現(xiàn)：液體的蒸發(fā)量一般隨溫度越高、風速增大和氣壓的降低而增大；反之，蒸發(fā)量減小。

5)濕度。由于航空植保尤其是有人機航空植保噴頭距離作物距離一般在5m以上，霧滴會在空氣中停留較長時間，如空氣濕度過大，就有可能導致霧滴荷電量衰減加劇，直接影響靜電噴頭作業(yè)效果。為此，將濕度因素加入影響因子當中。

2.2 利用Neuroshell軟件進行模擬試驗過程

此次試驗使用Neuroshell軟件建立人工神經(jīng)網(wǎng)絡模型。將預試驗數(shù)據(jù)導入Neuroshell軟件中，進行學習、訓練，然后對未做試驗的數(shù)據(jù)進行計算預測。軟件操作流程如圖7～圖9所示。預測數(shù)據(jù)選取未做試驗的4組不同電壓、流量、電極環(huán)直徑、溫度及濕度，對結(jié)果進行預測。預測結(jié)果如表2所示。

圖7 選擇訓練模式

圖8 設置結(jié)束標準

圖9 得出預測數(shù)據(jù)

序號電壓/kV流量/ml·min-1電極環(huán)直徑/mm溫度/℃濕度/%10.1450551947.520.3550652152.530.5650752357.540.7750852562.5

預測的Y值為霧滴荷質(zhì)比(mc/kg)。

將4組預測試驗數(shù)據(jù)導入已經(jīng)建立好的模型當中，得到的輸出值Y分別為0.090 374、0.267 953、0.876 814、1.518 421。這4組輸出數(shù)據(jù)是在不同電壓、流量、溫度、濕度和電極環(huán)半徑的基礎之上而來，是對預測模型的應用。

2.3 運用SPSS軟件進行數(shù)學模型建立霧滴荷質(zhì)比影響因素線性回歸模型

SPSS是世界上最早的統(tǒng)計分析軟件，基本功能包括數(shù)據(jù)管理、統(tǒng)計分析、圖表分析及輸出管理等。SPSS統(tǒng)計分析過程包括描述性統(tǒng)計、均值比較、一般線性模型、相關分析、回歸分析、對數(shù)線性模型、聚類分析、數(shù)據(jù)簡化、生存分析、時間序列分析及多重響應等幾大類；每類中又分為幾個統(tǒng)計過程，如回歸分析中又包含線性回歸分析、曲線估計、Logistic回歸、Probit回歸、加權(quán)估計、兩階段最小二乘法及非線性回歸等多個統(tǒng)計過程，且每個過程中又允許用戶選擇不同的方法及參數(shù)。利用SPSS的統(tǒng)計回歸分析功能建立起5個影響因素與霧滴荷質(zhì)比之間的線性回歸方程方程。

采取因素逐個進入模型的方式，由表3可知各因素顯著水平與系數(shù)值。表3中，電壓和流量的顯著性Sig值小于0.05，證明靜電噴頭的感應電壓和噴頭流量對噴霧霧滴荷質(zhì)比值的影響成極顯著差異。SPSS軟件擬合出的回歸方程為

Y=0.218+2.242X1-0.001X2

式中X1—電壓；

X2—流量；

Y—霧滴荷質(zhì)比。

表3 線性系數(shù)表

因變量為荷質(zhì)比。

由已排除變量表4可看出：溫度、濕度、電極環(huán)直徑Sig.值均大于0.1，對荷質(zhì)比的影響并不顯著。所以，排除這3個因素的影響。

表4 已排除的變量c

續(xù)表4

a為模型中的預測變量：(常量)、電壓；b為模型中的預測變量：(常量)、電壓, 流量；c為因變量為 荷質(zhì)比。

3 結(jié)論

根據(jù)預試驗數(shù)據(jù)，運用Neuroshell軟件模擬不同試驗條件下試驗結(jié)果的變化值，將模擬試驗數(shù)據(jù)和預試驗數(shù)據(jù)共同導入SPSS軟件，得出的數(shù)學模型可以看出：影響靜電霧滴荷質(zhì)比大小的主要是電壓和噴頭流量等兩個因素；經(jīng)軟件方程擬合結(jié)果顯示，因素顯著性在97%以上；其他因素如靜電感應環(huán)直徑、空氣濕度、環(huán)境溫度對荷質(zhì)比值有一定影響，但影響程度不夠顯著；霧滴荷電量最大值出現(xiàn)在靜電噴頭電壓為0.8kV、噴頭流量為400mL/min時。