二次通用旋转组合设计在精量排种试验中的应用吕冰;刘飞;刘月琴;赵满全;李娜【摘要】In this paper , quadratic general rotary unitized design was used for the optimization of indoor precision sowing test .Through theoretical analysis , choosing vacuum and seed shaft speed as experimental factors , right rate of seed dis-tance and rate of no seed hill as test targets ,made experiments oftwo factors and three levels and created a mathematical model .After inspection , the model is very good .Influence trend among the factors was analysed , forecasting results ofoptimal combination of parameters were obtained:the vacuum degree 3.5kPa, seed shaft speed7.4r /min , right rate of seed distance of 93 .5%,rate of no seed hill of3 .2%.Value points were measured:right rate of seed distance of 92.4%,rate of no seed hill of 1.8%,indicating that the model was accurate and reliable .%采用二次通用旋转组合设计对室内精量排种试验进行了优化设计。
通过理论分析，选择真空度和排种轴转速作为试验因素，穴距合格率和空穴率作为试验指标，进行二因素三水平的二次通用旋转组合设计试验，并建立了数学模型。
经过检验，模型拟合程度很好。
对真空度和排种轴转速与穴距合格率和空穴率之间的影响趋势进行分析，得到了最佳参数组合的预测结果：真空度3．5kPa，排种轴转速7．4r／min，穴距合格率93．5％，空穴率3．2％。
实测值为：穴距合格率92．4％，空穴率1．8％，误差1．25％。
由此说明，模型精确、可靠，为二次通用旋转设计在农机方面的试验研究提供了借鉴。
【期刊名称】《农机化研究》【年(卷),期】2015(000)010【总页数】5页(P201-204,219)【关键词】排种试验;二次通用旋转组合设计;回归;数学模型【作者】吕冰;刘飞;刘月琴;赵满全;李娜【作者单位】内蒙古农业大学机电工程学院，呼和浩特 010018;内蒙古农业大学机电工程学院，呼和浩特 010018;内蒙古农业大学机电工程学院，呼和浩特010018;内蒙古农业大学机电工程学院，呼和浩特 010018;内蒙古农业大学机电工程学院，呼和浩特 010018【正文语种】中文【中图分类】S223.2+3正交设计与均匀设计都是常用的试验方法，有其共同的特点:试验点均匀散布在方形编码空间的某一位置上，即都是一种基于线性模型的试验设计［1］。
二次通用旋转组合设计在编码空间的旋转面上也分布有试验点，使得试验点的选择更具代表性，从而提高了模型的精度。
近年来，采用二次通用旋转组合设计已成功解决了诸如棉纱工艺［2］、紫菜粗多糖的提取［3］及青霉产ɑ－葡萄糖苷酶培养基［4］等问题的优化。
其在食品、医药、化工等领域应用广泛，但在农机及相关方面的试验研究和应用相对较少。
本文将二次通用旋转设计成功应用于小粒径精量排种试验的优化，进行了单因素分析、方差分析和双因素相互作用分析，建立了准确的数学模型。
本次试验所用种子为呼和浩特市蒙田种苗公司生产的精品谷子，纯度不低于96%，净度不低于99%。
测得种子平均粒径为2.114mm，千粒质量为3.493g，籽粒饱满，绝大多数种子的形状可近似为球形。
试验所用排种器的工作原理为气吸式。
目前，国外绝大多数发达国家使用的小粒径种子精密排种器的工作原理也是气吸式的，技术相对成熟，而国内在这方面仍需加大技术投入［2］。
试验排种盘为圆形，厚度2mm，直径200mm，孔径为1mm;该盘有18穴，每穴有3个小孔。
试验设备主要为黑龙江省农业机械工程科学研究院研制的JPS－12型排种器性能检测试验台。
该试验台可用于气力式(包括气吸式)排种器的精播、穴播等作业方式的试验、检测与数据分析。
同时，该设备还具有种子的实时检测功能，使试验数据的记录变得准确而高效。
本试验采用二次通用旋转组合设计，它是在二次回归旋转设计基础上发展而来的。
大体上来说，二次回归旋转设计就是在原来方形编码空间的基础上，增加了圆形(球面形)分布的试验点。
以二元二次回归旋转组合设计试验点分别为例，如图1所示。
一般来说，增加的试验点需要满足一定条件:①旋转条件;②非退化条件。
前者使试验设计具备旋转性，后者使回归方程的回归系数具有唯一值，只有当两条件结合时才能构成一套可行的旋转设计方案。
同时，为了解决二次回归旋转设计在编码空间不同半径圆上的试验点具有预测值y^的方差不相等的缺点，进而加以改进，使得试验点在编码空间不同半径圆上的预测值y^的方差都相等。
这种设计就是二次通用旋转组合设计。
1)阈值和种子形状参数。
JPS－12型排种器性能检测试验台采用了计算机视觉技术，同时引入了“阈值”的概念。
其实，阈值就相当于像素的大小。
种子从排种器中排出后，落到传送带上，途经高清摄像机产生清晰的黑白图像，而图像的黑白关系是用0～255的阈值表示的，再用种子最大形状参数限定计算机处理图像的大小。
当人工输入一个阈值和种子形状参数时，计算机会自动将一定范围内包含阈值的部分识别为1粒种子;当阈值过小时，图像会被识别为碎渣，不计入种子数;当识别区域大于最大种子的形状参数时会自动增加种子数。
经过反复调试，最终确定阈值为52，种子长2.2mm、宽2mm。
2)设备安装。
首先，安装排种器，采用三点固定的方式，将排种器架于两个支架之间，保证了运行过程的平稳;然后，换上排种盘，应注意方向是否正确。
3)参数校对。
将试验参数输入到工作台的软件中，并用测速仪对排种轴转速、传送带移动速度进行一一校对。
试验开始后，还要保持种箱内种子高度在6～7cm之间，使试验结果不受种箱内种子高度变化的影响。
4)数据记录。
试验数据的记录以每250粒种子为一组，每组参数重复记录3次，取平均值［5］。
注意每次记录期间机器不要停，以免由于机器的重复启动导致试验值的波动。
4.1 试验因素和指标的选择普通谷子直径在2mm左右，气吸式排种盘孔径要小于2mm。
考虑排种盘孔径大小因素时，对排种盘进行堵孔率的单因素试验，结果如图2所示。
由图2可知:排种盘孔径在0.8mm以下，堵孔率急剧升高;孔径在1.25mm以上，孔率也会有所升高。
为了探究原因，在真空度为0的情况下，使排种盘以11.1r/min的速度空转30min。
由于排种盘和种子之间长时间地摩擦，会产生一定的脱皮，对脱皮的尺寸进行统计分析。
具体方法为:每次排种盘空转30min为一组，共重复3次;每次在排种盘附近部位取种子，随机取3次各3.5g(即千粒质量)。
将每份种子中完好的种子剔除，剩下脱皮和小尺寸的种子，将二者视为一类，以0.5mm为间隔进行分类统计，并与试验前各类尺寸的种子进行比较，结果如表1所示。
由表1可知:长时间空转试验后，孔径小于0.5mm的种子脱皮有明显增加。
当排种盘孔径太小时，种子的脱皮正好卡在排种盘孔中，越积越多，造成严重的堵孔现象。
当孔径大于1.25mm时，堵孔率的增加是由于一些小孔径的种子或破损的种子，但是小的脱皮比小尺寸种子更容易堵孔。
这是因为脱皮质量小、形状不均匀，更容易随种子运动而接近排种盘。
因此，对于谷子的旋转试验来说，孔径不宜作为一个试验因素，故选择排种盘孔径为1.2mm的最佳尺寸进行试验;再结合现有的PS－12型排种器性能检测试验台的检测项目，选择进行真空度和排种轴转速两因素的二次通用旋转试验。
根据参考文献［5］，需要测试的主要指标有穴距合格率、空穴率、穴粒数合格率3项指标;但是穴粒数的值比较小，在1～6之间，对于试验结果的拟合来说容易产生较大误差。
故将穴粒数指标作为参考，不进行分析。
真空度不宜超过过大，否则会由于吸力太大造成伤种现象，也会增加堵孔的概率，故真空度选择1、2、3kPa。
排种轴转速根据机器的运行速度选择:2BYP－4型铺膜播种机的工作速度为2～4km/h，滚筒直径48cm，滚筒与排种轴的转速之比为3:1。
同样进行3水平试验，求得排种轴转速为7.4、11.1和14.8r/min。
综合分析后，确定试验的因素水平如2表所示，二次通用旋转组合试验结果如表3所示。
4.2 数学模型的建立首先对指标穴距合格率和空穴率分别进行方差分析，结果如表4所示。
利用Design－Expert8软件分别对两个指标进行回归系数的拟合，从而得到指标穴距合格率的回归方程为:穴距合格率=71.81885－1.83537×真空度－13.96269×排种轴转速－6.97125×真空度×排种轴转速;指标空穴率的回归方程为:空穴率=14.09438+0.87932×真空度+ 7.01634×排种轴转速+3.46500×真空度×排种轴转速。
由表4的方差分析可知:回归方程的失拟性检验的P值为0.1397＞0.05，可以判断出失拟性不显著，即所采用的二次回归模型是恰当的。
回归方程显著性检验的P值为0.0001＜0.05，极显著，说明方程的预测值与实际值拟合很好，模型成立。
从表4中还可以看到: x2指标对模型影响最显著，其次是x1x2，x1指标是不显著的。
因此，剔除对模型影响不显著的因素x1，简化后的指标穴距合格率回归方程为y1=71.81885－13.96269x2－6.97125x1x2。
由表5的方差分析可知:回归方程的失拟性检验的P值为0.1582＞0.05，可判断出失拟性是不显著的，二次回归模型合理。
回归方程显著性检验的P值为0.0002＜0.05，也是极显著，说明方程的预测值与实际值拟合很好，模型可信。
从表中还可以看到:x2指标对模型影响是最显著的，其次是x1x2，x1指标影响不显著。
剔除对模型影响不显著的因素x1，经简化后指标空穴率的回归方程模型为y2=14.09438+7.01634x2+3.46500x1x2。