干燥微细粒群筛分机理的研究及概率筛参数的优化

干燥微细物料的筛分在工程实际中具有广泛的应用，由于其筛分机理具有与其它物料筛分机理不同之处，很难适应常规设计的概率筛，面临着筛分效率低下的技术难题。本项目针对其具有独特性的筛分机理，运用离散单元法，数值模拟振动条件下筛面上粒群复杂的相互作用和运动过程，从细微层面上研究筛面振动速度垂直分量幅值、筛面倾角对筛分效率影响和作用的机理；着重解决筛面振动速度垂直分量幅值对粒群的松散、分层、接触筛面频度的影响和作用机理，筛面倾角对粒群接触筛面频度的影响机理，振动周期与粒群抛掷时间的匹配机理等关键问题。运用机理研究的结论，结合参数可调式概率筛实验样机上的实验研究，以提高干燥微细物料的筛分效率为目标，探索概率筛的筛面结构参数和振动参数的优化。本项目的研究成果对解决该技术难题具有促进作用，在工程实际中具有广泛的应用价值。本项目的研究内容具有独特性，将丰富振动应用工程、离散物质科学的研究内容。

为改善振动筛的筛分性能，本课题提出一种摆动振动和平动振动复合的新型振动筛，即摆振筛。基于EDEM软件，利用离散单元法建立了新型复合振动筛的数字化模型，通过单一参数变化的试验与正交试验为摆振筛提供建模数据。为了深入分析筛分机理，对筛分过程进行精细化分析，重点研究了影响筛分性能的四个要素：松散，分层，触筛和透筛。定义了定量描述稳定筛分过程的四个要素特性的特征量，分析了筛分振动参数与结构参数变化对特征量的影响规律，同时建立了筛分要素特征量与筛分参数关系的数学模型。针对目前还没有有效的筛分模型指导振动筛的设计及筛机参数选择，并鉴于筛分模型本身的多参高度非线性，提出利用基于支持向量机的非参数建模方法建模。支持向量机是以统计学理论为基础，并有效处理小样本的机器学习工具。通过改进支持向量机得到适用于筛分的核函数，对振动筛进行建模。同时分析传统的振动筛优化问题，重点应用粒子群算法和人工鱼群算法与支持向量机联合方法，对优化结果在EDEM软件上进行验证。设计、研制参数可调式的新型摆振筛，实验结果表明新型摆振复合筛的综合筛分性能优于常见的平动振动筛和本课题团队以往提出的摆动筛。