首页> 中文学位 >风筛式清选装置中气流场的分布及清选性能预测
【6h】

风筛式清选装置中气流场的分布及清选性能预测

代理获取

目录

文摘

英文文摘

第一章 绪论

1.1 研究目的和意义

1.2 国内外研究现状

1.2.1 清选室内气流场和结构的研究

1.2.2 清选室内气流场的数值模拟

1.2.3 物料在清选室内运动的高速摄影研究

1.3 主要研究内容

1.4 本章小结

第二章 风筛式清选装置结构及气流特性分析

2.1 DF-1.5物料脱粒分离、清选装置简介

2.2 DFOX-3物料清选装置简介

2.3 测量设备

2.4 离心风机出风口气流速度

2.5 贯流风机出风口气流速度

2.6 清选室内气流的流动特性

2.7 计算流体动力学分析

2.8 本章小结

第三章 结构参数设计对气流场分布的影响以及控制

3.1 物理模型以及网格化

3.1.1 气流场模型的建立

3.1.2 模型的求解方式及边界条件设置

3.2 气流场分布模拟与分析

3.2.1 风机出风口风速对气流场的影响

3.2.2 风机出风口角度对气流场的影响

3.2.3 风机出风口位置对气流场的影响

3.2.4 筛子的结构参数对气流场的影响

3.2.5 贯流与离心风机串联对气流场的影响

3.2.6 导流板的配置对气流场的影响

3.2.7 综合各种因素对气流场的影响

3.3 试验验证

3.4 本章小结

第四章 动网格在清选装置气流场数值模拟中的应用

4.1 动网格的简介

4.2 动网格的更新方法

4.3 实际振动筛的运动模型建立

4.4 振动筛的动网格实现

4.4.1 UDF的编写以及导入

4.4.2 动网格区域的设定

4.5 振动筛运动对气流场的影响

4.5.1 双层振动筛振幅一致

4.5.2 双层振动筛振幅不一致

4.6 本章小结

第五章 基于ε-SVR模型清选性能的预测和试验

5.1 支持向量机介绍

5.1.1 应用背景介绍

5.1.2 理论基础

5.2 试验

5.2.1 试验装置简图

5.2.2 试验仪器以及材料

5.2.3 正交试验数据

5.2 参数建模

5.3.1 模型的建立

5.3.2 回归预测ε-SVR参数ε、c、g的选择

5.3.3 BP和ε-SVR对应预测性能比较

5.3.4 样本容量对ga(cg)预测性能的影响

5.4 本章小结

第六章 总结与展望

6.1 本论文工作总结

6.2 本课题特色与创新

6.3 展望

参考文献

致谢

攻读硕士学位期间发表的论文与参加的科研工作

展开▼

摘要

本文以典型的风筛式清选装置“DF-1.5”和“DFQX.3”为实物模型,采用实验研究、理论分析和数值模拟相结合的方式开展了风筛式清选装置气流场分布及清选性能试验预测分析,主要工作包括:
   1、介绍了风筛式清选装置在物料清选上应用的国内外研究现状,测量了离心风机和贯流风机出风口的风速,为后续的数值模拟提供初始条件。
   2、运用Gambit软件建立风筛式清选装置的二维几何模型,利用Fluent软件中的标准k-ε湍流模型和壁面函数法对清选室内部气流场分布进行了数值计算。对风机出风口风速,风机出风口角度,风机出风口相对与筛面的位置,筛面结构参数,贯流风机与离心风机串联以及导流板的配置等各个不同工况进行了气流场数值模拟,分析了不同工况时,对清选室气流场分布的影响,并进行试验验证。结果表明:风机出风口延长线的位置相对于上筛面是“偏上”的位置时,风速普遍较高;风机出风口延长线的位置相对于上筛面为“持平”的位置时,上筛面接近筛面的气流速度由前向后逐渐降低;风机出风口延长线的位置相对于上筛面是“偏下”的位置时,上筛面接近筛面的气流速度为普遍偏低。相对于冲孔筛,采用鱼鳞筛时,气流场分布更均匀,鱼鳞筛起到了叶栅分流的效果,开口度不同,风的导向也不同,气流场的分区也不同。当贯流风机和离心风机串联时,随着风机风速的变化涡心位置也随之变化,当贯流风机的位置在靠前时,与离心风机之间形成的对流的位置也向前移动。装置的顶部可采用导流板装置,可以通过改善风机出风口的截面与装置截面的比值来减小涡流或者达到消除涡流的效果,加栅栏后气流的分布更加均匀,同时也可以达到调节涡流位置和大小的作用。
   3、介绍了动网格及其更新的方法,建立了实际振动筛振动模型,编写了相应的用户自定义函数,并对动网格区域进行了设定,分析了双层鱼鳞筛在振幅一致和不一致时,筛子振动对气流场的影响。结果表明:随着清选室内振动筛周期性的振动,气流场也随之呈现周期性的变化。筛子的振动在气流的流动过程中起着推动的作用。筛子的长度和双层筛子之间的间隔在气流场的分布中有着重要的作用,影响着流场能量的分配。
   4、将一种支持向量机模型引入风筛式清选装置的清选质量预测领域,该模型能方便地预测清选参数对清选性能的影响。基于非启发式Grid Search方法以及启发式GA和PSO方法来寻求ε-SVR模型最佳参数,避免了凭经验选取参数的随机性。探讨了样本容量大小对确定ε-SVR回归模型预测性能的影响并与BP预测模型进行了对比。分析结果表明:在具有小样本的清选性能预测中,ε-SVR模型预测性能优于BP模型。预测性能精度高,预测值稳定性强,波动较小,优于基于传统的经验风险最小化的BP神经网络,其中,训练集模型的均方误差与BP模型相比降低了2个数量级,相关系数接近1,测试集预测值的相对误差比BP低1个数量级。
   本课题的研究,对联合收割机清选装置的运动参数和结构参数的确定和优化,具有一定的指导意义。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号