航空静电雾滴荷质比影响因素研究

李宇飞，胡 军， 李庆达，赵明明

(黑龙江八一农垦大学 工程学院，黑龙江 大庆 163000)

0 引言

近年来，病虫草害防治依然是困扰我国农业生产的巨大难题，提高植保机械技术水平，进行高效、低污染施药技术的研究及植物保护机具的设计开发是一项迫切的任务。与传统施药技术相比，农业航空喷洒施药技术在应对突发、爆发性病虫害的防控方面效果好，克服了农业机械或人工无法进地作业的难题，其发展前景受到农业植保领域的高度重视[1]。

航空静电喷雾技术是航空植保技术的重要组成部分，主要工作原理是通过感应、耦合及接触等方式给雾滴充电，使雾滴带电。优点在于：①由于雾滴间同性电荷相斥，提高了雾滴喷洒均匀性[2]；②雾滴与地面植物间正负异性电荷相吸[3]，雾滴在重力和电场力双重作用下加速下落，穿透力上升，有助于减少雾滴飘移，提高药液利用效率。

黑龙江八一农垦大学工程学院在航空植保领域的研究已经开展了多年，在此过程中以静电喷头电极为研究中心做了4次改进设计，目的是设计出喷头的最佳结构。4代静电喷头结构如图1～图4所示。

为研究影响雾滴荷质比的各因素，设计出具有最佳充电效果的静电喷头，需要进行荷质比测量试验。由于试验条件的限制，进行大量次数的试验需耗费大量时间，为此拟采用人工神经元网络进行模拟试验，最终建立一个雾滴荷质比影响因素的数学模型。

图1 第1代静电喷头

图2 第2代锥形电极感应环

图3 第3代扇形夹板式感应电极

图4 第4代圆锥铜箔式静电喷头

人工神经网络通常可分为前向神经网络、反馈神经网络和自组织映射神经网络[4]。在人工神经网络模型中，BP神经网络(Backpropugation Neural Network)是研究最为成熟的一种，被广泛用于函数拟合、预测、图像识别和自动控制等学科和领域中[5]。BP神经网络是一种单向传播的多层前向神经网络，分为输入层、中间层和输出层，其显著特点是具有自学习、自组织和自适应能力，能够通过训练达到预期的效果。BP神经网络学习过程由信号正向传播和误差反向传播两个过程组成。输入样本从输入层神经元传入，经隐层神经元逐层处理后传向输出层神经元，若实际输出与期望输出不符，则转向误差反向传播过程。网络学习训练过程即为信号正向传播与误差反向传播的各层神经元权值调整过程，这种反复训练学习过程直到网络输出误差减少到可以接受的程度，或者达到预先设定的学习次数为止[6]。

人工神经网络被广泛应用于农业工程学科方面。例如，刘禾等[7]研究的水果果形判别人工神经网络专家系统；彭莹琼等[8]建立了基于 MatLab的水稻虫害发生量BP神经网络预测系统，采用平均气温、最低气温、日照时数和降雨量4个气象因子作为BP网络的输入，确定了自然因素与发生量之间的联系;高丹等[9]选取温度、空气饱和差、日照时数和风速4个影响因子作为输入变量，建立了基于MatLab神经网络的水稻需水量的预报模型，用预测数据和原始数据进行对比，发现BP神经网络预测水稻需水量的相对误差值较小，可信度高。

1 试验设计

1.1 荷质比测量装置的选择

通过查阅文献，总结出国内外静电喷雾荷质比测量技术研究现状。目前，荷质比测量方法有4种,分别为实物模拟法、简化模拟法、目标网状目标法及法拉第筒法。从现有条件和测量精准度角度进行考虑，该试验选用法拉第筒法进行雾滴的荷质比测量。

法拉第筒法是静电技术研究中测量带电体电量的传统方法，法拉第筒由两个互相绝缘的金属筒组成,如图5所示。分析可得被测带电体电量为

q=(cf+cb)U

式中Cf—法拉第筒固有电容；

Cb—仪表输人电容；

U—仪表指示电压。

为保证测量稳定性,一般并联低泄漏电容Ca,且使Ca≫Cf和Cb。经适当标定,即可直接读出被测带电体电量。例如,在接地尖端与雾流距离确定的情况下,为了在获得雾滴电荷水平的同时观察研究液体电导率对雾流和接地尖端之间的气体击穿和传导性的影响,Law和Bowcn设计了一套封闭式可控试验系统,利用法拉弟筒测量了由针状喷头通过接触充电产生的荷电雾滴的电荷水平,试验时雾滴直接进人内筒。法拉第筒实验原理如图5所示。

1.筒盖 2.内筒 3.绝缘层 4.外筒 5.低泄漏电容 6.法拉第筒固有电容 7.电路保护电阻

因此，本文拟采用法拉第筒法的方法进行静电雾滴荷质比的测量。

1.2 雾滴荷质比影响因素预试验

为了找到影响雾滴荷质比的影响因素，通过查阅相关文献和资料，初步找到5个影响因素，分别为温度、湿度、电极环直径、静电电压及喷头流量。

根据试验目的和要求，该研究进行了荷质比测量预试验，如图6所示。试验选取5个试验变量，分别为X1电压、X2流量、X3电极环直径、X4温度及X5湿度，Y荷质比为因变量。为减少试验次数，选取正交试验设计，表为L25(55)，Y为雾滴荷质比(mc/kg)。试验设计如表1所示。

图6 航空静电喷头荷质比测量试验

序号电压X1/kV流量X2/mL·min-1电极环直径X3/mm温度X4/℃湿度X5/%荷质比Y/mc·kg-110400501845020500602050030600702255040700802460050800902665060.24006022600.3270.25007024650.2880.26008026450.2690.27009018500.2100.28005020550.19110.44007026500.54120.45008018550.5130.46009020600.48140.47005022650.41150.48006024450.35160.64008020651.52170.65009022451.45180.66005024501.36190.67006026551.2200.68007018601.12

续表1

2 建立人工神经网络模型

2.1 预测模型因素确定

1)电压。根据有关研究显示，静电喷头的电压对雾滴荷电能力的影响十分显著，且随电压的增长雾滴荷电量呈上升趋势。

2)喷头流量。喷头流量决定了单位质量雾滴所带电荷量的大小，预试验显示，增大流量会导制雾滴荷质比下降。原因可能有两方面:一是由于雾滴粒径的变大导致雾滴感应电荷的能力下降；二是由于流量的增大导致单位质量的雾滴充电过程的时间缩短。

3)电极环直径。根据已有研究显示，电极环直径对静电雾滴的充电效果有较为显著的影响。首先，电极环尺寸不宜过小，尺寸过小会减小对雾滴静电感应的面积；另外，也不宜过大，过大的尺寸会造成感应环与雾滴喷出口的距离增大，不利于感应充电。

4)温度。由于航空植保飞机特殊的作业环境和喷出的雾滴粒径的微小性，雾滴对于温度过高所引起的蒸发量变化显得极为敏感。为此，在试验设计过程中将温度因素加入到模型的构建中。通过查阅资料发现：液体的蒸发量一般随温度越高、风速增大和气压的降低而增大；反之，蒸发量减小。

5)湿度。由于航空植保尤其是有人机航空植保喷头距离作物距离一般在5m以上，雾滴会在空气中停留较长时间，如空气湿度过大，就有可能导致雾滴荷电量衰减加剧，直接影响静电喷头作业效果。为此，将湿度因素加入影响因子当中。

2.2 利用Neuroshell软件进行模拟试验过程

此次试验使用Neuroshell软件建立人工神经网络模型。将预试验数据导入Neuroshell软件中，进行学习、训练，然后对未做试验的数据进行计算预测。软件操作流程如图7～图9所示。预测数据选取未做试验的4组不同电压、流量、电极环直径、温度及湿度，对结果进行预测。预测结果如表2所示。

图7 选择训练模式

图8 设置结束标准

图9 得出预测数据

序号电压/kV流量/ml·min-1电极环直径/mm温度/℃湿度/%10.1450551947.520.3550652152.530.5650752357.540.7750852562.5

预测的Y值为雾滴荷质比(mc/kg)。

将4组预测试验数据导入已经建立好的模型当中，得到的输出值Y分别为0.090 374、0.267 953、0.876 814、1.518 421。这4组输出数据是在不同电压、流量、温度、湿度和电极环半径的基础之上而来，是对预测模型的应用。

2.3 运用SPSS软件进行数学模型建立雾滴荷质比影响因素线性回归模型

SPSS是世界上最早的统计分析软件，基本功能包括数据管理、统计分析、图表分析及输出管理等。SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析及多重响应等几大类；每类中又分为几个统计过程，如回归分析中又包含线性回归分析、曲线估计、Logistic回归、Probit回归、加权估计、两阶段最小二乘法及非线性回归等多个统计过程，且每个过程中又允许用户选择不同的方法及参数。利用SPSS的统计回归分析功能建立起5个影响因素与雾滴荷质比之间的线性回归方程方程。

采取因素逐个进入模型的方式，由表3可知各因素显著水平与系数值。表3中，电压和流量的显著性Sig值小于0.05，证明静电喷头的感应电压和喷头流量对喷雾雾滴荷质比值的影响成极显著差异。SPSS软件拟合出的回归方程为

Y=0.218+2.242X1-0.001X2

式中X1—电压；

X2—流量；

Y—雾滴荷质比。

表3 线性系数表

因变量为荷质比。

由已排除变量表4可看出：温度、湿度、电极环直径Sig.值均大于0.1，对荷质比的影响并不显著。所以，排除这3个因素的影响。

表4 已排除的变量c

续表4

a为模型中的预测变量：(常量)、电压；b为模型中的预测变量：(常量)、电压, 流量；c为因变量为 荷质比。

3 结论

根据预试验数据，运用Neuroshell软件模拟不同试验条件下试验结果的变化值，将模拟试验数据和预试验数据共同导入SPSS软件，得出的数学模型可以看出：影响静电雾滴荷质比大小的主要是电压和喷头流量等两个因素；经软件方程拟合结果显示，因素显著性在97%以上；其他因素如静电感应环直径、空气湿度、环境温度对荷质比值有一定影响，但影响程度不够显著；雾滴荷电量最大值出现在静电喷头电压为0.8kV、喷头流量为400mL/min时。