发布时间 : 星期三 文章基于联合收割机的谷物分离损失监测系统更新完毕开始阅读a2fbf50aa31614791711cc7931b765ce05087a8f
基于联合收割机的谷物分离损失监测系统
摘要：用带有切向输送的轴流脱粒试验台获得室内试验的实验结果，建成了分离谷物在轴向和径向的累积分配功能脱粒转子。基于凹形下的在谷物分离损失和谷物分离流量之间关系的分析下，本文提出了一种间接监测谷物分离损失的方法。
设计谷物流量传感器采用压电聚偏二氟乙烯（PVDF）膜作为敏感材料。然而传感器分离谷物和杂质受压电聚偏二氟乙烯（PVDF）膜的影响，产生不同的电荷。信号经电荷放大器，频率鉴别和波形整形的处理之后，谷物的数量可以通过一个微控制器（MCU）和联合收割机的谷物分离损失实时测量系统来算得。
田间试验结果表明，用监测系统记录的谷物分离损失的方法相对手动检测的方法，误差均小于12%。
关键词：联合收割机；谷物分离损失；压电PVDF膜；谷物流量传感器；实时监测
1.引言
水稻是中国最重要的粮食作物之一，种植面积约3000万公顷，年产量超过20000万吨。近年来，水稻主要用联合收割机收获，其执行以下操作：干切削，种子从特制盖子中分离并且谷物从杂质中分离，脱粒和分离过程，以及谷物清理和收集入仓。随着杂交稻的种植面积的增加，水稻产量不断增加。今天一些杂交稻的产量已超过12吨/公顷。在这种情况下，谷物分离损失已成为一个主要问题。联合收割机的结构和操作参数需作相应调整。随着近年来在传感器，电子和计算机处理能力的发展，联合收割机的自动化技术已成为可能的一部分，并且目前迫切需要建立一个可实时监控分离损失的系统（Maertens et al.,2004;Coen et al.,2008;Wei et al.,2009）。
分离损失率一般不超过3%（Anil et al.,1998;Ebrahimi et al.,2009）。脱粒后的干净谷物流和混有杂质谷物流几乎不能以一个直接而精确的方式来测量。传统的测量方法是手动的从杂质中收集和清理出干净的谷物。这是一个费时的工作，但结果都比较准确，所以它通常用在联合收割机的性能测试。
一些较大的传统联合收割机，例如新荷兰TX64，安装了监控系统的一个标准配置（Maertens et al.,2004;Omid et al.,2010）。沃克损失通常是测量使用的压电冲击传感器，其安装在逐稿箱末端。筛损失传感器安装在筛节的末端。通过量化谷物每秒出现的影响，研究出应对谷物损失的措施。只找到了一个损耗标准，但没有得到绝对的谷物损耗测量。目前，研究人员正在试图在分离滚筒下安装冲击型的传感器，找出了一种计算固定时间间隔内的当地谷物分离数目的方法。自从它提供了一个快速估计作物的瞬时产量，它使谷物损失控制系统的实现成为可能，但这些方法仍处于研究阶段。
Liu和Leonard(1993)提出了一个用于轴流式谷物联合收割机的实时监测谷物损失系统。九声学谷物冲击传感器安装在分离篦的收割机下面。利用传感器测得的数据产生曲线图来描述分离篦周围的谷物分离，这些都是被用作逆向计算沿分离篦的指数分离曲线。通过从篦的末端到无穷远来整合这条曲线，使得实际的谷物损失可以被预测出来。但是由于受到机器噪音的影响，很难区分谷物和秸秆，声学传感器需要很高的分辨率并且信号调理电路也很复杂。
对于许多中小型联合收割机是不需要装配逐稿器的，它对监测谷物分离损失
仍然是一个艰巨的任务。本文基于分离谷物在轴向和径向的分配功能脱粒转子的分析，我们提出了一个间接的谷物分离损失监测方法，它可以实时监测分离损失，也作为发达的传感器。 2.谷物分离损失监测方法
谷物分离损失监测系统本文主要包括以下步骤：
●使用一个在文献（Miu and Kutzbachb,2008a）中找到的数学模型来绘制轴向分离谷物脱粒转子的分布函数，在实验室试验台上 ●在分离凹面下选择一个适当的监测区
●在监测区形成一个分离谷物的径向分布函数
●开发谷物流量传感器可以有效区分干净谷物和杂质 ●安装传感器在联合收割机上，根据监测数学模型，并测量谷物流量来实时计算谷物分离损失。
3.监测数学模型的发展 3.1试验台和方法
要运用数学模型，在实验室进行实验来测试带有切向喂入式的轴流脱粒（图1）。该转子直径为380毫米，其轴向长度为1.6米，而进料区长度为0.5米。该脱粒穗高度为90毫米，凹面转角为220°，凹间隙为20毫米（图2）。
图1.轴向脱粒试验台简图
图2.轴流脱粒装置的代表简图
为了收集分离材料，49箱（7×7矩阵）补充在脱粒和分离区。新的材料（杂交稻）均匀分布在一个长的输送机（25米长，1.2米宽），喂入脱粒装置用喂入量由链式输送机以恒速（1米/秒）在20秒时间进入满载脱粒装置内。转子的转速是900转/分。实验中选择三种杂交稻，其性质列于表1。
表1 杂交稻的性质 谷物含水量 (%) 杂质含水量(%) 平均茎长(m) 谷物/杂质比 千粒重(g) 每公顷产量(t) 杂交稻 #1 28.7 48.2 1.06 1/1.45 35.4 11.5 杂交稻 #2 23.6 55.3 1.03 1/1.51 34.8 10.8 杂交稻 #3 24.1 57.6 1.02 1/1.64 30.7 10.3 3.2分离谷物的轴向分布 脱粒和分离过程可分为三个部分：（a）从端部分离的谷物在脱粒机内将谷物变成干净的可分离的谷物；（b）分离的干净谷物内核自由通过逐稿器的凹/篦表面；（c）干净谷物内核自由地通过凹或篦的开口。为了描述谷物轴流脱粒与分离过程，Miu et al.(1997)提出了普遍的数学模型，通过将一些假设考虑进去（Miu,1999;Miu and Kutzbachb,2008a），如下图所示。
令χ为脱粒空间距离的相关变量，χ ∈[0,L]。根据概率理论，分离谷物的累积分布函数ss(χ)的轴向长度为（Miu and Kutzbachb,2008b）
其中，比例系数λ和β是定长l和L，并且也受作物特性，轴向单元的功能和设计参数的影响。
在脱粒机（χ=L）的末端，成为干净谷物的分离损失Vs。
根据实验结果，随着总体的范围在1.8-3.4kg/s内，λ=2.9–3.3 m-1和β=4.0–4.8 m-1的规定值确定了系数R2>0.9866值采用多元非线性回归分析（λ=2.98 m-1 和β=4.63 m-1，最大 R2=0.9939）。在分离损失中，数据统计分析表明该预测范围之内的实验数据为0.6-2.1%，确定了系数R2>0.9992。实验结果和相应的拟合曲线见图3。
图３.累积分离谷物在转子轴向的变化
从图3可以看出，在转子先导段（χ<0.9 m），分离谷物流量快速的增长和累积分布变化的范围较大，它增大了精确计算谷物流量的困难，并建立了稳定的监测数学模型。而在转子的末端部分（χ>1.1 m），分离谷物流量较慢，但分离杂质是巨大的，同时也增加了从巨大的杂质中识别纯净谷物的传感器的难度。因此，我们预测1.1>χ>0.9 m应该是一个轴向范围内确定传感器来测量分离谷物流的理想的方法。
3.3分离谷物的径向分布
在1.1>χ>0.9 m，总体的范围在1.8-3.4kg/s内，实验结果表明，分离谷物流量在转子的径向显著不同（图4），它需要分析分离谷物的径向流量以确定传感器的径向安装位置。根据实验结果，我们建立了非线性回归方程
其中，χ=1.2–1.6 m是一个常数参数，它是通过非线性回归分析得到的，确定参数R2>0.9934(χ=1.43 m-2，最大 R2=0.9952)。
-2
图4.累积分离谷物在转子径向的变化