玉米脱粒离散元建模的湿度依赖参数预测与验证策略

《Biosystems Engineering》：Moisture-dependent parameter prediction and validation strategy for discrete element modelling of maize threshing

　　

摘要：离散元方法 (DEM) 对玉米脱粒的模拟通常在单个水分水平下进行参数化，这限制了其在玉米收获期间水分含量变化时的适用性。因此，开发了一种依赖性 DEM 参数化框架，该框架基于五个水分水平 (16.50–28.50%，湿基) 的顺序约束标定，随后构建了 Johnson–Kendall–Roberts (JKR) 表面能和结合参数的预测矩阵。内部预测性能通过留一法交叉验证进行评估，之后参数矩阵用于预测 31.50% 的超范围水分条件。在未进一步调整参数的情况下，后续使用转鼓、摆锤冲击和振动脱粒试验评估了预测的参数集。在 31.50% 时，所有五个结合参数与直接标定值的差异均小于 4%，而相应的 JKR 表面能参数的误差范围为 5.69% 至 22.17%。预测参数重现了动态散体流动行为，最大相对误差为 6.17%，而峰值冲击力显示平均相对误差为 6.16%，最大为 9.20%。在 50 种振动脱粒条件下，未脱粒率的最大相对误差为 23.47%，对应的最大绝对偏差为 3.22 个百分点。这些结果支持从籽粒 - 果穗分离的水分相关减弱和颗粒间粘附增加的综合效应来解释高水分玉米脱粒，并建立了一种经验证的方法，用于在研究条件下预测依赖性 DEM 参数。

引言：农作物收获的机械化是现代农业的关键组成部分，直接影响收获损失和经济回报。特别是，生物材料与机械部件之间的相互作用决定了收获设备的运行质量 (Dong 等，2023)。然而，与工业颗粒材料不同，农业材料（如玉米 (Zea mays) 籽粒）表现出复杂的、随时间变化的生物行为。这在跨季收获条件下尤为明显，但在田间空间变异中也是如此 (Marques Da Silva & Silva, 2006a, 2006b)，其中水分含量可能变化很大，导致玉米在脱粒期间的机械和接触行为发生依赖性变化 (Kruszelnicka 等，2022)。这些依赖性变化使得使用在单个水分条件下标定的 DEM 参数集变得复杂，并促使采用能够代表脱粒期间变化水分条件的参数化方法。

离散元方法 (DEM) 作为一种在颗粒尺度上运行的数值模拟工具，为模拟复杂接触下的散体行为提供了颗粒尺度的数值方法 (Liu 等，2024; Maraveas 等，2025; Nagy 等，2024)。近年来，DEM 被广泛用于模拟玉米收获过程 (Dong 等，2023; Liu 等，2022)。虽然多球体建模的最新进展显著提高了玉米穗、籽粒和果穗的几何保真度 (Chen 等，2023; Dong 等，2023; Fang 等，2024; Yu 等，2021)，但这些研究主要提供特定、静态操作条件下结构优化的定量证据 (Li 等，2025; Wang 等，2020; Wu 等，2022; Zhao 等，2023)。

然而，现有的 DEM 模型通常针对特定水分条件进行标定，这限制了它们代表材料行为依赖性变化的能力 (Chiaravalle 等，2023; Yu 等，2025)。关于非饱和颗粒材料的研究表明，含水量可以改变毛细相互作用及其产生的宏观机械响应 (Scholtès 等，2009; Zhu 等，2023)。对于高水分玉米脱粒，水分含量可以同时影响籽粒 - 果穗分离阻力和颗粒间粘附相互作用。在离散水分水平上的标定并不能明确代表这些接触和结合行为的连续水分依赖性。因此，需要依赖性参数化框架来将标定的 DEM 参数与水分含量联系起来，并评估它们在不同水分条件下的预测性能。

玉米的依赖性变化会影响脱粒期间的籽粒 - 果穗分离阻力和颗粒间粘附相互作用。在采用的 DEM 框架内，颗粒间粘附使用 Johnson–Kendall–Roberts (JKR) 接触理论表示，其中 JKR 表面能作为有效的粘附参数 (Johnson 等，1971)。在离散水分水平上的标定可以表征单个水分条件下相应的响应，但它并没有明确描述用于表示这些行为的接触和结合参数的连续水分依赖性。

针对这些局限性，本研究开发了玉米脱粒的依赖性 DEM 参数化框架。具体目标是：(i) 建立顺序约束标定程序，其中首先在最低碳水分水平下标定滚动摩擦，随后标定依赖性 JKR 表面能参数；(ii) 为标定的 JKR 表面能和结合参数构建依赖性参数预测矩阵，并使用留一法交叉验证评估其内部预测性能；(iii) 在 31.50% 水分含量下评估标定范围外的参数预测，随后评估其在不进一步调整参数的情况下重现动态散体流动行为、籽粒 - 果穗分离和系统级脱粒响应的能力。

片段
试样与水分含量控制
选择了在中国东北地区广泛种植的“吉单 27"玉米品种作为本研究的研究对象。样品采集于 2024 年 10 月吉林省长春市的一个试验田，处于完全生理成熟期，以确保生物代表性。为了最小化田间采样固有的随机变异性，所有果穗均经过人工筛选，以确保一致的几何尺寸和籽粒行数 (16–18 行)。

五个目标籽粒
矩阵构建与内部预测性能
基于 16.50% 至 28.50% 五个水分水平标定的参数值，获得了 JKR 表面能参数和结合参数的系数矩阵如下：
A1 = [ -3.3, -4.2, -3.9, -0.46, -0.064; 0.36, 0.50, 0.48, 0.057, -1.5×10?3; -0.012, -0.019, -0.019, -2.3×10?3, 4.8×10?4; 1.3×10?4, 2.4×10?4, 2.6×10?4, 3.3×10?5, -9.3×10?6 ]
A2 = [ 6.8×1010, 5.8×109, 3.9×107, 1.1×107, 0.75; -4.1×109, -2.5×107, -4.8×105, -9.1×105, 3.2×10?3; 9.5×107, -1.1×107, -3.9×104, 3.4×104, -5.0×10?4; -6.2×105, 2.5×105, 1.0×103, -0.043, 1.0×10?5 ]
四行
结论
本研究开发了一种依赖性 DEM 参数化框架，将离散的多水分标定转化为 JKR 表面能和结合参数的依赖性参数预测矩阵。顺序约束标定工作流程提供了获取依赖性参数集的一致程序，而留一法交叉验证表明预测性能在不同参数关系中存在差异，部分 JKR

CRediT 作者贡献声明
于亚君：写作 - 审阅与编辑，写作 - 初稿，资源，资金获取，概念化。王宁：写作 - 初稿，软件，调查，形式分析，数据管理。王英辉：可视化，验证，方法论，调查。于建群：写作 - 审阅与编辑，监督，方法论，资金获取。周德义：可视化，方法论，形式分析。孙凯：写作 - 审阅与编辑，写作 - 初稿，软件，数据

数据可用性声明
支持本研究结果的数据可通过合理要求从通讯作者处获得。

关于生成式人工智能声明
在准备本工作期间，作者使用人工智能工具帮助综合复杂的文献。此外，使用人工智能语法和语言工具来提高可读性，并在作者的监督和控制下应用。所有手稿文本均由作者撰写、审阅和编辑，作者对内容负全部责任。

利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系，这些可能被认为影响了本论文中报告的工作。

致谢
本工作得到了国家自然科学基金 (批准号 52275250, 52130001) 和中国吉林省教育项目 (批准号 JJKH20261387KJ) 的支持。作者感谢他们的慷慨财务援助。

于亚君 | 王宁 | 王英辉 | 于建群 | 周德义 | 孙凯
吉林大学生物与农业工程学院，中国长春，130022