基于大小分析和BP神经网络的竹粉离散元参数的校准
Lintao Chen1, Rui Chen1, Xiangwei Mou1
1Department of Mechanical Engineering, Guangxi Normal University, Guilin, China.
PloS one
|October 22, 2024
概括
本研究使用维度分析和神经网络对竹粉 (BF) 的离散元素模型 (DEM) 参数进行校准. 校准模型准确地预测了BF在加工中的行为,有助于设备开发.
科学领域:
- 材料科学 材料科学 材料科学
- 计算建模 计算建模
- 农业工程 农业工程
背景情况:
- 竹粉 (BF) 的加工面临着由于压缩和流动性差的挑战.
- 小BF粒子大小需要高计算能力进行模拟,限制了传统方法.
- 准确的离散元件模型 (DEM) 参数对于模拟BF处理和设计设备至关重要.
研究的目的:
- 为BF的DEM接触参数开发一种新的校准方法.
- 为了提高BF处理操作的模拟精度.
- 为竹子加工设备的开发提供可靠的参考.
主要方法:
- 利用粒子缩放理论和维度分析来增加BF粒子大小用于模拟.
- 采用注射和侧墙倒塌方法来确定静止角度 (AR).
- 集成了一个反向传播 (BP) 神经网络与EDEM模拟用于参数校准和预测.
主要成果:
- 在模拟和实验AR之间实现了不到2.3%的相对误差.
- 用实验数据验证神经网络预测模型的准确性.
- 模拟的压缩位移和比率与物理实验结果密切匹配.
结论:
- 拟议的校准方法,结合维度分析和BP神经网络,准确确定BF DEM参数.
- 经过验证的模型增强了BF处理的模拟,促进了设备设计.
- 这项研究为优化竹子产品深度加工技术提供了宝贵的见解.
