金誠謙，李慶倫

(1.農業(yè)農村部 南京農業(yè)機械化研究所，江蘇 南京 210014；2.山東理工大學 農業(yè)工程與食品科學學院，山東 淄博 255000)

多風道清選裝置是小麥聯(lián)合收獲機的關鍵組成部分.在整機清選作業(yè)過程中,由于清選參數(shù)調整不當引起復脫機構中莖稈與雜余脫出物質量分數(shù)過高，從而導致復脫負荷加重及二次復脫攪龍中含雜率過高，大大降低了清選性能與整機收獲效率.目前，對降低復脫造成的清選負荷與二次復脫攪龍中含雜率等問題的研究，主要體現(xiàn)在復脫結構調節(jié)與改進、參數(shù)優(yōu)化及仿真原理分析等方面.李耀明[1]對脫出物復脫清選裝置進行了理論分析和試驗研究，為相關領域的設計和試驗提供了依據(jù).傅美貞等[2]通過測定復脫攪龍單位時間產生的雜余量及其構成，設計了螺旋板齒式復脫器為核心的復脫系統(tǒng)，并進行了田間試驗，解決了復脫攪龍堵塞問題.喬西銘等[3]對梳穗收獲機復脫滾筒進行了設計和試驗，減少了進入復脫分離裝置的莖稈量，降低了清選分離裝置的功率消耗.通過仿真數(shù)值分析方法，結合各成分飄浮速度差異，對導入模型進行氣流場分析，通過提高籽粒清潔度，提高清選性能和效率.M.PANASIEWICZ等[4]對谷物的清選分離過程進行了技術分析，提出氣流清選過程中提高分離率和降低損失的建議.

多風道清選復脫裝置應用性能受多因素影響，結合臺架試驗，系統(tǒng)全面地研究清選相關作業(yè)參數(shù)和二次復脫攪龍中含雜率與清選性能間的關系還未見報道.因此，筆者利用現(xiàn)有臺架，選出對多風道清選裝置復脫作業(yè)性能影響較大的因素，進行響應面試驗，建立關于復脫攪龍中籽粒、莖稈以及雜余等3種脫出物質量分數(shù)的數(shù)學模型，通過方差分析，擬合回歸方程，研究各因素對試驗指標的影響，并得到最佳匹配參數(shù)，以期為收獲機多風道清選裝置作業(yè)性能的研究和結構設計提供參考.

1 結構與原理

1.1 多風道清選裝置結構與工作原理

脫出物經(jīng)脫粒滾筒落到上、下層抖動板與篩面后，隨振動篩的往復運動與離心風機的吹托作用實現(xiàn)有效篩分.上出風口設置在上層抖動板與魚鱗篩之間，通過預清選，將輕雜余、莖稈直接吹出機外，減小了清選負荷.下出風口的3個風道分別覆蓋篩前、篩中和尾篩，通過多次氣流吹托，提高小麥清選性能和效率.脫出物經(jīng)篩分后，籽粒透過魚鱗篩與編織篩后，由輸糧攪龍送入糧箱，一部分未通過魚鱗篩和編織篩的莖稈、麥穗及雜余等3種脫出物，經(jīng)尾篩落至二次復脫攪龍，需經(jīng)再次脫粒清選才能達到脫凈目的，這種方式稱為復脫.圖1為多風道清選裝置結構示意圖.

圖1 多風道清選裝置結構示意圖

1.2 試驗臺工作過程及參數(shù)

小麥植株隨輸送帶經(jīng)喂入部分到達輸送槽，經(jīng)脫粒滾筒脫粒后，大部分脫出物落到抖動板上，隨振動篩簡諧運動與氣流場的作用實現(xiàn)篩選與分離，大量莖稈、雜余脫出物等無用成分被吹出機外，清潔的籽粒經(jīng)輸糧攪龍輸出；未脫凈的成分透過尾篩進入二次復脫攪龍，并由二次復脫攪龍輸出，此時二次復脫攪龍中無用成分所占比重越低，即含雜率越低越有利于清選篩分，降低清選負擔，提高清選性能.試驗采用的試驗臺架如圖2所示.

圖2 試驗臺架結構示意圖

試驗臺架基本參數(shù)參照市場上小麥收獲機擁有量較大的久保田988機型，試驗臺架主要參數(shù)如表1所示.

表1 試驗臺架主要參數(shù)

2 試驗方案

2.1 試驗材料及設備

試驗用小麥品種為臨麥4號，取自山東臨沂市河東區(qū)小麥品種示范基地.該品種小麥的產量為6 470.8 kg·hm-2，平均株高為64.9 cm，百粒質量為3.76 g，平均行距為23.8 cm，自然落粒損失為1.70 g，小麥籽粒含水率為15.3%，小麥植株長勢狀況良好.

試驗機型為課題組研發(fā)設計的臺架試驗臺.試驗所需的器材包括標簽、卡片、記號筆、一套工具箱、谷物水分測量儀、大小樣品袋、一塊帆布以及轉速表等.

2.2 試驗方法

采用Box-Behnken中心組合設計理論[5]，開展五因素三水平二次回歸響應面試驗，共46組，每組試驗后，由二次復脫攪龍卸糧口處接取樣本，小麥脫出物不同成分的質量分數(shù)作為小麥清選裝置復脫性能的評價指標.參考文獻[6]及前期臺架試驗研究和作業(yè)經(jīng)驗，選定與二次復脫攪龍中籽粒、莖稈以及雜余等3種脫出物質量分數(shù)相關的喂入量(A)、風門開度(B)、風機轉速(C)、上導風板角度(D)及下導風板角度(E)等5個因素作為變量.

1)喂入量.根據(jù)小麥植株生物學特性與清選參數(shù)之間的關系，以及機型本身參數(shù)取值范圍，可知輸送帶運行速度與喂入量有關，即輸送帶速度過大，容易導致脫出物篩面堵塞，速度過小又導致清選效率低.最低速度水平取1.4 m·s-1，最高速度水平取1.8 m·s-1，相應中間速度水平取1.6 m·s-1，作為該試驗參數(shù)取值參考，喂入量公式[7]如下：

Q=bvM，

(1)

式中：Q為喂入量，kg·s-1；b為輸送帶寬度，m；v為輸送帶運行速度，m·s-1；M為每平方米小麥植株總質量，kg·m-2.

試驗因素和水平如表2所示.所有試驗因素均用-1(低)、0(中)與1(高)這3個水平作為編碼.通過公式計算，當輸送帶速度為低、中、高水平時，喂入量分別為4.48、5.12和5.76 kg·s-1.

表2 試驗因素和水平表

2) 風門開度.根據(jù)多風道清選裝置對風量、風速、氣流場分布的影響規(guī)律可知，風門開度與植株的生物學特性有關.當風門開度為10°時，風量能夠較好地滿足脫出物篩選對風量的需求，并相應取較低水平值為0°，較高水平值為20°.

3) 風機轉速.小麥植株脫出物中，雜余脫出物飄浮速度最低，約為4.5 m·s-1，相應的風機轉速為1 200 r·min-1，適合小麥籽粒清選的最大風速為11.0 m·s-1，相應的風機轉速為1 600 r·min-1，即中間水平風機轉速為1 400 r·min-1；風速過大容易導致清選損失率升高，風速過小不利于脫出物充分篩選，使含雜率升高.

4) 上、下導風板角度.根據(jù)前期篩面脫出物分布與篩面風速測定試驗，當上、下導風板角度為0°～20°時，篩面風速分布能較好地滿足篩前、篩中和篩后部分脫出物的清選篩分條件，即10°為角度中間水平值.

2.3 試驗測試

1) 取樣.每組試驗前，利用電子秤將稱好的小麥植株平鋪到輸送帶，每組試驗完成后利用樣品袋在二次復脫攪龍?zhí)幗尤∶摮鑫飿颖?，此時二次卸糧口打開，攪龍停止轉動.每次選取500 g左右，放入貼有對應標簽的樣品袋，并封口.

2) 試驗數(shù)據(jù)處理.利用帶有網(wǎng)孔的篩子通過人工方法，將樣品袋中所有脫出物進行篩選，網(wǎng)孔尺寸介于小麥籽粒粒徑與莖稈尺寸之間，此篩分方式可將籽粒與雜余等脫出物充分漏下，再利用風機對雜余和籽粒進行風選分離，分離后便得到籽粒質量，記為m(籽粒)；莖稈質量等于樣品袋總質量減去籽粒和雜余質量的差，記為m(莖稈)；雜余質量等于樣品袋總質量減去籽粒和莖稈質量的差，記為m(雜余).以上計算中不計樣品袋質量.籽粒、莖稈和雜余脫出物質量分數(shù)分別為w(籽粒)、w(莖稈)和w(雜余)，其計算式如下：

(2)

(3)

(4)

式中：mx為樣品袋總質量，g.

3 試驗數(shù)據(jù)與結果分析

根據(jù)五因素三水平試驗設計方法，運用Design-Expert，對試驗數(shù)據(jù)進行多元回歸擬合與方差分析，建立籽粒質量分數(shù)、莖稈質量分數(shù)、雜余脫出物質量分數(shù)與各試驗因素的數(shù)學模型，對響應面交互作用進行分析[8].

3.1 試驗結果與回歸分析

試驗因素、水平與臺架試驗數(shù)據(jù)結果如表2、3所示.表4為回歸模型方差分析表.

根據(jù)表3數(shù)據(jù)，對小麥籽粒、莖稈以及雜余脫出物的質量分數(shù)進行方差回歸分析[9].

表3 臺架試驗設計方案及結果

根據(jù)表4數(shù)據(jù)，各指標去除不顯著因素后，可得籽粒質量分數(shù)(Y1)、莖稈質量分數(shù)(Y2)及雜余質量分數(shù)(Y3)隨各試驗因素變化關系的回歸方程模型，如式(5)-(7)所示.

表4 回歸模型方差分析

Y1=0.650-5.0×10-3B-0.01D+
2.7×10-3E+3.7×10-4D2，

(5)

Y2=0.134-1.2×10-3B+6.7×10-4D-

3.3×10-3E-7.3×10-5D2，

(6)

Y3=0.224+5.3×10-3B+0.01D+
5.0×10-4E-2.9×10-4D2.

(7)

通過對二次復脫攪龍中Y1、Y2和Y3的失擬項F值與本身模型(Model)F值相比，前者失擬項F值很小，表示失擬項對于純誤差不顯著，Y1、Y2和Y3模型適合本次試驗數(shù)據(jù).由于干擾而產生失擬項的顯著水平p值的概率分別為93.50%、84.10%和96.36%.在回歸模型方差分析表中，Y1、Y2和Y3變異系數(shù)分別為0.089、0.233和0.240說明試驗操作可靠，變異系數(shù)越小越可靠；Y1、Y2和Y3預測殘差平方和分別為0.130、0.013和0.120，表明建立的模型可較好地符合每個點的變化.

本試驗Y1、Y2和Y3所得信噪比分別為11.826、11.650和9.191，說明各指標模型能較好地反應試驗結果；Y1、Y2和Y3決定系數(shù)R2分別為0.865、0.833和0.812，響應值分別為86.5%、83.3%與81.2%，方程具有較好的擬合度，說明方程與實際情況相符，并能做出較準確預測.

3.2 各因素影響效應分析

為了判斷各因素對響應函數(shù)作用程度，對回歸方程通過方差分析得到各回歸系數(shù)的F值[10]，定義為貢獻率的考核值(δ).計算公式為

(8)

(9)

式中：δ總為貢獻率；δj為第j個因素一次項的貢獻率；δjj為第j個因素二次項的貢獻率；δij為第j個因素與其他因素交互作用的貢獻率.

根據(jù)貢獻率計算公式(8)和(9)，分別計算喂入量和上、下導風板角度對小麥籽粒、莖稈以及雜余脫出物質量分數(shù)的貢獻值.比較每個因素的貢獻率δ總，判斷各因素對各試驗指標的影響.不同因素對指標Y1、Y2和Y3的貢獻值如表5所示.

表5 不同因素對指標的貢獻值

3.3 試驗因素交互作用影響分析

根據(jù)所得回歸方程，通過Design-Expert繪制出風門開度和上、下導風板角度對復脫攪龍中小麥籽粒、莖稈和雜余等脫出物質量分數(shù)的響應面.

3.3.1籽粒質量分數(shù)響應面分析

圖3為各因素交互作用對籽粒質量分數(shù)的影響.

圖3 因素交互作用對籽粒質量分數(shù)的影響

由圖3a可知：風門開度和上導風板角度對籽粒質量分數(shù)的交互作用影響較大，當兩因素處于最高水平時，回歸方程在圖示水平區(qū)間取得極大值[11]；當風門開度處于最低水平，且上導風板角度處于中間水平時，回歸方程在圖示水平區(qū)間取得極小值.這是由于風門開度最大時風量最大，且當上導風板角度最大時，脫出物經(jīng)過篩后和尾篩過程中受到的風量最大，可以將除籽粒以外的大量脫出物吹出機外，籽粒質量分數(shù)最大；當籽粒質量分數(shù)最低，風門開度最小，且上導風板角度處于中間值時風量最小，脫出混合物不能實現(xiàn)有效分離；當上導風板角度處于中間值時，脫出物在篩前、篩中堆積較多，此時由于風量不足和篩面脫出物堆積，易進入二次復脫攪龍，使籽粒質量分數(shù)下降.

由圖3b可知：當兩因素處于最高水平時，在圖示水平區(qū)間回歸方程取得極大值；當兩因素處于最低水平時，在圖示水平區(qū)間回歸方程取得極小值.當籽粒質量分數(shù)最大時，風量最大，可以將脫出混合物與籽粒實現(xiàn)有效分離；當下導風板角度最大時，吹向篩尾的風量和風速最大，經(jīng)脫粒滾筒落到篩后的脫出物在沒進入二次復脫攪龍前便已被吹出機外，此時進入二次復脫攪龍的籽粒質量分數(shù)最大；當兩因素都處于最低水平時，經(jīng)下導風板的氣流吹到尾篩部分時，風量較低，不能將脫出物實現(xiàn)有效篩分，導致大量莖稈及雜余脫出物進入二次復脫攪龍，籽粒質量分數(shù)降低.

由圖3c可知：當上導風板角度和下導風板角度兩因素處于最高水平，回歸方程在圖示定義區(qū)間取得極大值；當上、下導風板角度分別處于中間和最低水平時，在圖3c所示水平區(qū)間回歸方程取得極小值.這是由于當上、下導風板角度為最高水平時，由于風向集中吹在篩中和篩后，此時吹向尾篩的風速大量降低，使脫出物較容易進入二次復脫攪龍，籽粒質量分數(shù)降低.

3.3.2莖稈質量分數(shù)響應面分析

圖4為因素交互作用對莖稈質量分數(shù)的影響.由圖4a可知：風門開度和上導風板角度對莖稈質量分數(shù)的交互作用影響較大；當兩因素分別處于最低與中間水平時，在圖示水平區(qū)間回歸方程取得極大值；當兩因素處于最高水平時，回歸方程取得極小值.這是由于脫出物集中在篩中，在風力作用下脫出物不能直接吹出機外，而是吹到篩尾部分，當風門開度最低時，到達尾篩風量不足，脫出物中莖稈不能充分經(jīng)尾篩吹向機外，莖稈質量分數(shù)升高；當兩因素處于最高水平時，風量可以充滿整個清選室，當上導風板角度最大時，在風的作用下，將篩面前端脫出混合物實現(xiàn)有效分離和分層，并吹向機外，此時進入二次復脫攪龍的莖稈質量分數(shù)最低.

圖4 因素交互作用對莖稈質量分數(shù)的影響

由圖4b可知：當風門開度與下導風板角度處于最低水平時，在圖示水平區(qū)間回歸方程取得極大值；當風門開度和下導風板角度兩因素處于最高水平時，莖稈質量分數(shù)最小，即在圖示水平區(qū)間回歸方程取得極小值.這是由于當兩因素處于最低水平時，二次復脫攪龍上方的風量最小，不足以將莖稈有效吹出機外，莖稈質量分數(shù)最高；當兩者水平最大時，經(jīng)下導風板吹向尾篩的風量最大，此時莖稈進入尾篩前便已吹出機外，進入二次復脫攪龍的莖稈質量分數(shù)最低.

由圖4c可知：當上導風板角度與下導風板角度處于最低水平時，在圖示水平區(qū)間回歸方程取得極大值；當上導風板角度與下導風板角度分別處于最低和最高水平時，在圖示水平區(qū)間回歸方程取得極小值.這是由于當上導風板角度與下導風板角度處于最低水平時，風向主要集中在篩中、篩前，吹向尾篩的風量與風速最弱，此時風速低于莖稈漂浮速度，導致進入二次復脫攪龍的莖稈質量分數(shù)最大；當上導風板角度和下導風板角度水平最大時，尾篩氣流速度和風量都能滿足莖稈吹出機外的要求，二次復脫攪龍中莖稈質量分數(shù)最低.

3.3.3雜余脫出物質量分數(shù)響應面分析

多因素交互作用對雜余質量分數(shù)的影響如圖5所示.

圖5 因素交互作用對雜余質量分數(shù)的影響

由圖5a可知：當兩因素分別處于最低與最高水平時，在圖示水平區(qū)間回歸方程取得極大值；當風門開度與下導風板角度處于最高水平時，在圖示水平區(qū)間回歸方程取得極小值.當雜余脫出物質量分數(shù)最大、風門開度最低，且上導風板角度最大時，脫出混合物在風力作用下經(jīng)尾篩吹向機外，風門開度最小時，風量無法滿足脫出混合物吹脫的要求，使進入二次復脫攪龍的雜余脫出物質量分數(shù)最大.

由圖5b可知：當兩因素處于最低水平時，在圖示水平區(qū)間回歸方程取得極大值；當兩因素處于最高水平時，在圖示水平區(qū)間回歸方程取得極小值.當兩個因素處于最低水平時，風量與氣流經(jīng)導風板的導向作用，無法吹向尾篩時，尾篩風量低且不集中，使雜余脫出物無法在風的作用下實現(xiàn)有效清選，進入二次復脫攪龍的雜余質量分數(shù)最大；當兩因素處于最高水平時，此時尾篩的風速滿足雜余脫出物篩分條件，進入二次復脫攪龍的雜余脫出物質量分數(shù)最低.

由圖5c可知：上、下導風板角度對雜余脫出物質量分數(shù)的交互作用影響較大；當兩因素分別處于中間與最低水平時，在圖示水平區(qū)間回歸方程取得極大值；當兩個因素處于最高水平時，在圖示水平區(qū)間回歸方程取得極小值.當上導風板角度大致在中間水平時，雜余脫出物主要分布在篩前和篩中區(qū)域，在上、下出風口風力的作用下吹向機外[12]，由于下導風板角度最小，風量主要集中在篩后，此時吹向尾篩的風量不能滿足雜余脫出物吹脫要求，進入二次復脫攪龍，此時雜余質量分數(shù)最大；當上、下導風板角度最大時，能更好地滿足尾篩對風速、風量的篩分和吹脫要求，雜余質量分數(shù)最低.

4 參數(shù)優(yōu)化與試驗驗證

4.1 參數(shù)優(yōu)化

根據(jù)上述五因素三水平試驗結論，采用多目標優(yōu)化方法，為使清選性能最佳，籽粒質量分數(shù)maxY1最高，莖稈質量分數(shù)minY2和雜余脫出物minY3最低.運用Design-Expert對多因素進行優(yōu)化求解，在各因素滿足試驗條件的情況下，分別以籽粒、莖稈以及雜余脫出物質量分數(shù)的回歸方程作為響應變量函數(shù)，限定其取值范圍，建立數(shù)學優(yōu)化模型：

(10)

得到最佳參數(shù)優(yōu)化結果：當喂入量為5.0 kg·s-1，風門開度為20°，風機轉速為1 530 r·min-1，上導風板角度為20°，下導風板角度為10°時，可以達到最佳清選性能.此時小麥籽粒、莖稈以及雜余脫出物質量分數(shù)分別為89.90%、2.51%和7.50%.

4.2 結果與驗證

依據(jù)上述最佳組合參數(shù)，選取植株與本試驗方法相同，進行10組試驗驗證，對所得3個指標求平均值的方法與試驗值進行對比，結果見表6.由表6可知，在最佳參數(shù)組合方案下獲得的籽粒、莖稈及雜余脫出物質量分數(shù)平均值分別為91.0%、2.3%和6.7%，試驗驗證值與試驗值誤差小于5%，試驗值與理論值相吻合，表明該回歸方程與實際情況相符，此模型可靠.

表6 試驗驗證結果 %

5 結 論

1) 采用響應面分析法對試驗結果進行分析可知，對小麥籽粒、莖稈、雜余脫出物的質量分數(shù)影響較大的因素有風門開度和上、下導風板角度.

2) 建立了臺架試驗回歸方程模型，得到當復脫攪龍中小麥籽粒質量分數(shù)最大、莖稈和雜余脫出物質量分數(shù)最小時的最佳參數(shù)組合，復脫攪龍中含雜率最低，二次清選負擔最小，此時喂入量為5.0 kg·s-1，風門開度為20°，風機轉速為1 530 r·min-1，上導風板角度為20°，下導風板角度為10°.在最佳參數(shù)條件下，進行了臺架試驗，得到二次復脫攪龍中籽粒、莖稈以及雜余脫出物質量分數(shù)分別為89.90%、2.51%和7.50%.