风筛式清选装置预测模型的构建与分析

doi:10.14088/j.cnki.issn0439-8114.2022.14.027

湖北农业科学 ›› 2022, Vol. 61 ›› Issue (14): 150-154.doi: 10.14088/j.cnki.issn0439-8114.2022.14.027

风筛式清选装置预测模型的构建与分析

李树兵¹, 李清华², 王成¹

1.滨州市农业科学院,山东滨州 256600;
2.东营市第二中学,山东东营 257000

收稿日期:2021-09-22 出版日期:2022-07-25 发布日期:2022-08-25
通讯作者: 王成（1982-）,男,山东惠民人,助理研究员,主要从事农业机械化研究,（电话）18266557160（电子信箱）bznjwangcheng@163.com。
作者简介:李树兵（1987-）,男,山东潍坊人,工程师,硕士,主要从事现代农业装备及其信息化技术研究,（电话）15725183961（电子信箱）904177515@qq.com。
基金资助:
山东省重点研发计划（2019GNC106114）

Construction and analysis of the prediction model of air-and-screen cleaning unit

LI Shu-bing¹, LI Qing-hua², WANG Cheng¹

1. Binzhou Academy of Agricultural Sciences, Binzhou 256600, Shandong, China;
2. Dongying No. 2 Middle School, Dongying 257000, Shandong, China

Received:2021-09-22 Online:2022-07-25 Published:2022-08-25

摘要/Abstract

摘要： 优化调节风筛式清选装置试验台曲柄转速、离心风机转速、贯流风机转速的运行参数,运用BP神经网络构建预测模型,实现由含杂率、损失率、功耗到曲柄转速、离心风机转速、贯流风机转速的逆向预测。该预测模型可有效解决传统分析方法上对于试验中出现的参数匹配复杂运算问题,为风筛式清选装置关键部件参数匹配及优化设计提供依据。

关键词: 风筛式清选装置, BP神经网络, 预测模型

Abstract: The operating parameters of crank speed, centrifugal fan speed and cross flow fan speed were adjusted. Using BP neural network to constructa prediction model, it could realize the reverse prediction from impurity content, loss rate and power consumption to crank speed, centrifugal fan speed and cross flow fan speed. This prediction model could effectively solve the complex operation problem of parameter matching when using traditional analysis methods in the test. It provided a basis for parameter matching and optimization design of the air-and-screen cleaning unit's key components.

Key words: air-and-screen cleaning unit, BP neural network, prediction mode

中图分类号:

S225.3

李树兵, 李清华, 王成. 风筛式清选装置预测模型的构建与分析[J]. 湖北农业科学, 2022, 61(14): 150-154.

LI Shu-bing, LI Qing-hua, WANG Cheng. Construction and analysis of the prediction model of air-and-screen cleaning unit[J]. HUBEI AGRICULTURAL SCIENCES, 2022, 61(14): 150-154.

参考文献

[1] 黄健元. 模糊一致矩阵在多层次、多因素决策方案优选中的应用[J].河海大学(自然科学版),1999, 27(5):84-89.
[2] 赵德春,刘春旭,蔡晓华.QXS-4.0纵轴流清选试验台的设计[J].农机化研究,2010,32(4):110-111.
[3] 宁新杰,金诚谦,印祥,等.谷物联合收割机风筛式清选装置研究现状与发展趋势[J].中国农机化学报,2018,39(9):5-10.
[4] 王立军,冯鑫,武振超,等.玉米联合收获机贯流风阶梯式振筛设计与试验[J].农业机械学报,2018,49(10):115-123.
[5] 李清华,耿端阳.基于神经网络的拨禾导向装置可靠性预测研究[J].农机化研究,2014,(7):22-24.
[6] 田伟,衣淑娟,张丽.风筛式清选装置参数的试验研究[J].黑龙江八一农垦大学学报,2010,22(4):77-79.
[7] 梁振伟,李耀明,马培培,等.纵轴流联合收获机清选装置结构优化与试验[J].农机化研究,2018,40(5):170-174.
[8] 刘鹏,金诚谦,印祥,等.大豆联合收获机清选装置与关键技术研究进展[J].浙江农业学报,2019,31(10):1758-1766.
[9] 张义峰,赵妍,衣淑娟.纵轴流风筛式清选装置参数的试验研究[J].农机化研究,2010,32(8):146-149.
[10] 张义峰,衣淑娟.纵轴流风筛式清选装置多因素试验研究[J].机械设计与制造,2012(2):30-32.
[11] 宁新杰,金诚谦,印祥,等.谷物联合收割机风筛式清选装置研究现状与发展趋势[J].中国农机化学报,2018,39(9):5-10.
[12] 张义峰,衣淑娟.喂入量对清选性能影响的试验研究[J].黑龙江八一农垦大学学报,2012,24(4):8-10.
[13] 张义峰,衣淑娟.单纵流风筛式清选装置试验台的总体设计[J].农机化研究,2009,31(7):115-117.
[14] 孙志刚,张义峰.清选含杂率试验研究[J].农机化研究,2013(6):159-166.
[15] 熊思华,李彦明,焦中元,等.稻麦联合收获机械总线化监控系统研究[J].农机化研究,2019,41(4):190-193,199.

风筛式清选装置预测模型的构建与分析

Construction and analysis of the prediction model of air-and-screen cleaning unit

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics

本文评价

[1]	董陈超, 田明昊, 赵伟朝. 基于GA优化的RF-Softmax水质预测模型研究[J]. 湖北农业科学, 2022, 61(7): 60-65.
[2]	刘燕威. 基于BP神经网络的旅游资源评价模型分析[J]. 湖北农业科学, 2021, 60(6): 131-134.
[3]	张竞超, 翟乃琦, 王一博, 云利军. 基于物联网技术的仓储烟叶霉变状态智能监测方法研究[J]. 湖北农业科学, 2021, 60(20): 167-170.
[4]	毛旭鹏, 饶高平, 刘星剑. 森林生态功能空间格局研究——以江西省贵溪市为例[J]. 湖北农业科学, 2021, 60(14): 90-94.
[5]	闫铁军, 陈思蒙, 周红审, 许自成, 庞哲, 刘文锋, 潘婷婷, 邵惠芳. 基于化学成分的烟叶感官舒适性预测模型[J]. 湖北农业科学, 2020, 59(23): 81-86.
[6]	彭嘉栋, 廖玉芳, 蒋元华, 黄超. 气象因子对油茶油酸含量的影响分析及模型构建[J]. 湖北农业科学, 2020, 59(2): 40-43.
[7]	谭洁, 郝琪, 谭雪兰, 吴忆泽, 周卫军. 洞庭湖区生态承载力动态特征与趋势预测[J]. 湖北农业科学, 2020, 59(14): 24-29.
[8]	张力中, 张甜文, 张乐桐, 赵临龙. “高铁时代”对桂林旅游经济发展的影响研究——以贵广高铁为例[J]. 湖北农业科学, 2019, 58(8): 159-160.
[9]	黄杰贤, 刘燕, 杨冬涛. 基于BP神经网络的柚子分类研究[J]. 湖北农业科学, 2018, 57(24): 112-115.
[10]	王晓平, 闫飞. 基于多源信息融合的冷链农产品需求预测模型研究综述[J]. 湖北农业科学, 2018, 57(15): 16-20.
[11]	王晓平, 彭文凯, 卢怀宇, 闫飞. 基于支持向量机模型的北京城镇农产品冷链物流需求预测[J]. 湖北农业科学, 2018, 57(15): 88-94.
[12]	邓艳君, 赵卓勋, 张伦瑾. 荆州汛期降水趋势模型研究[J]. 湖北农业科学, 2018, 57(10): 54-59.