不同形态玉米粒在收获后处理过程中的堆积行为：离散元法校准与实验验证

《Journal of Food Engineering》：Packing Behavior of Maize Kernels with Different Morphologies During Postharvest Handling: DEM Calibration and Experimental Validation

　　

•为玉米籽粒形态建立差异化的离散元法（DEM）参数体系。
•通过接触网络和运动重排揭示籽粒形态对堆积行为的影响。
•提出一种均值外推方法，用于预测混合颗粒系统的堆积行为。

引言

玉米作为食物、饲料和工业加工原材料的重要来源，在收获后处理及食品制造的预处理过程中，通常需要经过输送、清理、储存和干燥等多个阶段（Nath等，2024；Ziegler等，2021）。玉米籽粒的堆积、填充、流动和碰撞等行为，对堆积稳定性、存储空间利用率和加工稳定性有显著影响（Meng等，2021）。离散元法（DEM）能够有效描述颗粒尺度下颗粒间及颗粒与设备间的相互作用，是研究收获后粮食处理和食品加工设备中颗粒运动的重要工具（Zhao等，2021）。然而，DEM模型的预测精度在很大程度上取决于颗粒形态和颗粒间接触参数的真实表征（Erdogdu，2023）。实际上，玉米籽粒并不呈理想球形。受玉米穗生长发育及其空间分布的影响，玉米籽粒呈现多种形态，包括马齿型、锥球形和球形。这些形态差异导致外形尺寸和接触特性的不同，进而影响颗粒间的摩擦、碰撞和接触约束。因此，在数值模拟中将玉米籽粒视为具有单一参数集的统一颗粒，难以准确表征真实材料系统中堆积结构、孔隙分布和流动响应。为了提高收获后处理和食品预处理中离散元法（DEM）模拟的精度，必须对不同形态籽粒进行差异化DEM参数标定，并分析其堆积行为。

目前已有大量关于粮食和食品颗粒材料离散元法（DEM）参数标定的研究（Chen等，2024；Chen等，2025；Li等，2024；Shi等，2024；Wan等，2024；Wang等，2025；Yang等，2025）。研究人员通常通过将宏观指标（如休止角、剪切性能和压缩性）与DEM输出结果进行对比来标定参数，并常采用Plackett-Burman试验设计和响应面法等实验设计方法。例如，Dong等研究了玉米籽粒间静摩擦系数、籽粒间滚动摩擦系数以及籽粒与机器部件间滚动摩擦对堆积密度和筛分通过率的影响。利用这些宏观行为对颗粒尺度参数的敏感性，他们提出了玉米籽粒属性的标定程序，并验证了参数集及方法的总体可行性（Dong等，2025）。Zu等针对葡萄酒用葡萄，采用物理实验和模拟实验两种方法测量了颗粒间以及颗粒与不锈钢之间的接触参数，两种方法的结果显示出高度一致性，从而为酿酒设备的设计和运行优化提供了理论基础（Zu等，2025）。Chen等开发了辣椒籽的DEM模型，以休止角作为标定目标，物理实验与模拟之间的相对误差分别为1.524%和2.975%，证实了模型的准确性（Chen等，2024）。Zhang等构建了稻米的DEM表示模型，用于预测机械式排种器的排种性能，模拟结果与不同排种器设计的台架试验对比显示出良好的一致性（Zhang等，2025）。Bai等将前馈神经网络（FNN）与响应面法（RSM）结合，预测向日葵籽的休止角，优化后籽粒参数的平均相对误差为1.37%（Bai等，2025）。这些及相关研究表明确实宏观响应指标为农业颗粒离散元模型（DEM）中接触参数的标定提供了有效依据。然而，以往的研究大多试图寻找一组接触参数来复现宏观实验行为，同时将同一作物的所有颗粒视为形态和参数上均匀的。相比之下，机械化玉米收获涉及形态和尺寸差异显著的籽粒；这种形态异质性可能改变接触行为，从而影响整体响应。因此，基于单一形态的标定风险在于无法准确表征实际系统的集体动力学。为了提高DEM在机械化玉米生产中的保真度，参数标定必须纳入多种籽粒形态，使模型能够捕捉实际中遇到的多形态、多参数颗粒集的运动。

颗粒体系的宏观休止角不仅仅取决于摩擦参数（Li等，2023；Mandal等，2022；Wilke等，2022）。相反，它是内部接触、力传递和耗散运动耦合作用的结果。例如，Hong等在振动梁载荷下研究了松弛和流变响应，表明外部振动可产生滞后、记忆效应和结构重排。这些观察结果表明，系统的整体行为与其内部接触结构密切相关（Hong等，2024）。类似地，Suehr等采用离散元法（DEM）研究了鼓式混合过程中大杏仁颗粒的空间迁移和污染传播。他们通过小规模标定和中规模验证表明，DEM能有效表征食品颗粒的流动和迁移行为（Suehr等，2021）。Cheng等针对稠密颗粒流动中颗粒间接触力难以直接测量的挑战，利用颗粒尺度和系统尺度的流动特征预测力链形成位置；其模型准确率超过94%（Cheng等，2024）。Ju等应用基于Pix2Pix的条件生成对抗网络，学习颗粒分布特征到力链结构的映射，并通过色道分布、灰度直方图和纹理指标验证了合成的力链图（Ju等，2025）。这些研究共同表明，力链结构和接触网络对于解释颗粒介质的宏观力学行为至关重要。然而，以往的研究大多集中于理想化、矿物或规则形状的颗粒，很少关注不规则的多形态农业种子。因此，有必要在形态特征、接触结构、颗粒运动学和宏观休止角之间建立统一联系，以揭示不同籽粒形态堆积行为差异的驱动机制。

混合颗粒体系的宏观行为并非各组分行为的简单线性叠加，而是反映了不规则颗粒间成分比和接触网络的相互作用（Divis等，2025；Fan等，2024；Wang等，2021；Zhao等，2023）。例如，Zheng等在全尺寸双螺杆造粒机中采用GPU加速离散元法（DEM），证明颗粒形状会改变关键输送指标（如颗粒保留数、平均停留时间和整体流动模式），表明由形态驱动的接触和重排动力学变化会改变整体输送特性（Zheng等，2022）。类似地，Huang等将DEM应用于立方体-球体二元混合物，确定了颗粒形状组成和颗粒尺寸比是宏观和微观尺度剪切响应的主要决定因素（Huang等，2023）。在一项相关实验研究中，Liao等采用二维旋转鼓探究了密度驱动的偏析现象，观察到立方颗粒由于其流动性差而优先下沉，从而改变了分离模式（Liao等，2025）。Qiao等采用离散元法研究了二元颗粒混合物中巴西坚果的振动诱导偏析，发现更大的振动幅度和更高的频率可提高分离效率（Qiao等，2021）。Hadi等开发了一个整合敏感性分析、高斯过程回归代理模型、自适应采样和遗传算法优化的标定工作流程，以减少所需的DEM运行次数；仅使用110组数据集，其代理模型的标定误差低于2%（Hadi等，2025）。这些研究共同表明，颗粒形状异质性和组分比例变化会改变内部接触网络和重排动力学，同时使接触参数的标定复杂化。在混合颗粒系统中，大量不规则籽粒广泛相互作用，其集体堆积和重排动力学无法从仅考虑单一颗粒形态的实验中推导。因此，有必要通过构建多形态玉米籽粒模型，扩展单一形态DEM模型的标定工作。这将支持对不规则颗粒接触参数进行低维度、可验证的外推方法，并使系统分析不同形态籽粒比例对堆积行为的影响成为可能。

本研究聚焦收获后玉米籽粒，重点开发多形态、非球形籽粒的离散元法（DEM）参数及其堆积行为。根据几何尺寸和形态量化指标，将玉米籽粒分为马齿型、锥球形和球形三种形态。通过材料表征测试评估了不同籽粒形态的本征参数和接触参数。采用Plackett-Burman、最速上升法和Box-Behnken法进行DEM参数标定。此外，本研究通过分析平均接触数、力链分布、颗粒位移和角速度，分析了不同玉米籽粒形态体系的堆积机制，阐明了不同形态籽粒堆积稳定性的贡献机制。构建了混合颗粒系统，并提出了一种针对不同形态籽粒接触参数的外推方法。该方法依赖于相同形态籽粒对的平均接触参数，并用于验证混合颗粒系统中堆积行为的预测。本文旨在建立多形态颗粒离散元法（DEM）参数的构建方法，重点模拟玉米籽粒收获后处理、清理、储存和干燥所用的食品加工设备。本工作为模拟基于籽粒的食品材料的堆积、填充和流动行为提供了参数基础和机理参考。

材料测试与形态分类

本研究聚焦于中国内蒙古自治区呼伦贝尔市莫力达瓦达斡尔族自治旗采集的收获后成熟玉米。所考察的玉米品种为"龙育9号"，由黑龙江省农业科学院草业研究所培育。根据籽粒顶端形状、侧面轮廓和曲率，将籽粒分为马齿型、锥球形和球形三种形态类别。在成熟果穗中，这些……

Plackett-Burman设计结果与显著性分析

采用表9中指定的因子编码进行Plackett-Burman筛选实验。每轮试验测量两侧的休止角，取其平均值作为响应值。所得数据见表14。

基于Plackett-Burman试验结果，建立了三种不同玉米籽粒形态休止角的一阶主效应筛选模型。其编码方程如下：

三种形态的PB主效应模型……

结论

本研究针对使用单一形态、单一参数颗粒模拟具有多样形态的玉米籽粒堆积行为的不足进行了研究。玉米籽粒作为本研究中的代表性非球形颗粒，我们通过物理实验确定了不同形态玉米籽粒的本征参数和接触参数。随后，我们进行了差异化离散元法（DEM）参数标定，使用……

CRediT作者贡献声明
王志智：验证。李轶飞：资金获取。李一恺：验证。陈涛：监督指导。王松：资金获取。易淑娟：资源提供。孙庭涵：写作—审阅与编辑、写作—初稿撰写、方法学、数据整理。

未引用参考文献
Chen等，2024；Chen等，2024；Cheng和Lin，2024；Li等，2022；Liao和Zhang，2025；Wang和Ji，2021；Wilke，2022。

利益冲突声明
作者声明不存在可能影响本文所报告工作的已知的竞争性经济利益或个人关系。

利益冲突声明
作者声明不存在可能影响本文所报告工作的已知的竞争性经济利益或个人关系。

致谢
本工作得到了中国黑龙江省重点研发计划重大项目（项目编号[2024ZX07B02]）和国家科学技术基础研究资助计划——博士研究生专项计划（项目编号[156-O-416-0000259-2]）的支持。

孙庭涵 | 易淑娟 | 王松 | 陈涛 | 李一恺 | 李轶飞 | 王志智