CN109863868A - 一种基于ai算法与工作需求的文丘里施肥器优化设计方法 - Google Patents

Abstract

本发明涉及农业水肥一体化技术领域，具体涉及到一种基于AI算法与工作参数的文丘里施肥器优化设计方法，所述优化设计方法包括：建立所述文丘里施肥器的参数化自变量物理模型；对所述参数化自变量物理模型进行网格划分；根据工作压力需求对所述网格进行参数化因变量求解；以所述参数化因变量为寻优目标，通过AI寻优算法对所述参数化自变量进行反向求解；根据所述寻优求解的数据建立可视化吸肥模型，提出文丘里施肥器关键结构参数优化取值范围。本发明可有效解决正交设计方法的不足，填补了用户依据工作参数进行文丘里施肥器优化设计方法的空白，发明有助于快速设计出精准高效的文丘里施肥器，满足现代农业对水肥适时适量供应的需求。

Description

一种基于AI算法与工作需求的文丘里施肥器优化设计方法

技术领域

本发明涉及农业水肥一体化技术领域，具体涉及到一种基于AI算法与工作需求的文丘里施肥器优化设计方法。

背景技术

水肥一体化技术是将灌溉与施肥融为一体的农业新技术，水肥一体化技术具有显著节水省肥和提高作物产量和品质的优势，在中国得到了高度重视和快速的发展。施肥装置在水肥一体化技术中置起着举足轻重的地位。目前，市场应用较为广泛的施肥装置有比例施肥泵、文丘里施肥器、压差施肥罐等。文丘里施肥器是水肥一体化技术中应用最广泛的一种施肥装置，通常采用并联的方式，通过喉部产生的负压将肥液吸入管道进行施肥，其具有结构简单、无需外加动力、操作简单、可精准施肥、价格低廉等优点。

但是，目前市场在用的文丘里施肥器普遍存在吸肥效率低，甚至不吸肥的现象。因而，近些年来，围绕文丘里施肥器性能和设计机理等方面的探索已成为水肥一体化技术领域的研究热点。针对文丘里施肥目前存在的缺点，通过优化文丘里施肥器内部流道结构，极大程度上改善了文丘里施肥器的工作性能，如发明专利“文丘里施肥器的结构优化方法”(ZL 201210094736.0)、“文丘里施肥器的控制方法及其控制装置”(申请号：201810206916.0)分别对文丘里施肥器在施肥效率和空化性能方面，提出了各自具体的优化文丘里施肥器方法。

然而，以上方法的提出都是基于正交设计实验对文丘里施肥器进行的仿真模拟优化，而正交实验设计只能是有限数量特定的水平组合，当因素与水平较多时，试验次数也会相应增加，模拟工作量大，且由于各因素的水平离散和文丘里施肥器性能对关键参数的敏感性较强，因而优选结果也不是十分理想和精准。更进一步地，目前尚未有学者能够根据用户对文丘里施肥器所要求的工作压力需求进行定制开发，这也是文丘里施肥器设计和研发工作中难点。

发明内容

本发明的目的在于提供一种基于AI算法与工作需求的文丘里施肥器优化设计方法，依据文丘里施肥器工作压力需求，准确快速获取文丘里施肥器内部流道结构关键参数值优选范围，该方法一方面可有效解决正交设计方法的不足，另一方面填补了依据工作需求进行文丘里施肥器优化设计方法的空白，有助于精准高效文丘里施肥器的研发，满足现代农业生产对水肥精准的需求。

为了解决以上技术问题，本发明采用的具体技术方案如下：

一种基于AI算法与工作需求的文丘里施肥器优化设计方法，其步骤如下：

步骤S1、建立所述文丘里施肥器的参数化自变量物理模型；

步骤S2、对所述参数化自变量物理模型进行网格划分；

步骤S3、根据工作压力参数对所述网格进行参数化因变量求解；

步骤S4、以所述参数化因变量为寻优目标，通过AI寻优算法对所述参数化自变量进行反向求解；

步骤S5、根据自动寻优的数据结果建立可视化吸肥模型，提出文丘里施肥器关键结构参数优化取值范围。

进一步地，所述步骤S1中，将所述参数化自变量物理模型的关键结构参数进口直径、出口直径、吸肥口直径、收缩角、扩散角、喷嘴直径、喉管直径及喉管长度设置为一个或多个参数化自变量。

进一步地，所述步骤S2中，网格尺寸为喷嘴直径的1/10。

进一步地，所述步骤S3中，将所述文丘里施肥器的进口工作压力设定为灌溉系统主管道常规压力0.2-0.5Mpa范围的一个定值,出口工作压力设定为滴灌带常用压力0.1MPa,将吸肥量设置为参数化因变量。

进一步地，所述步骤S4具体为：

设置所述参数化因变量的寻优目标为趋向最大为优，即以吸肥量最大为寻优目标；

设定所述参数化自变量的约束条件为所述喷嘴直径＜所述喉部直径；

对所述得参数化自变量设定合理的取值范围，根据传统文丘里施肥器结构尺寸，收缩角取20°～60°、扩散角取8°～150°、喉管直径取4.5mm～9mm及喉管长度取10mm～50mm；

从所述参数化自变量取值范围中，依照AI算法自动取值并赋值到步骤S1、S2、S3中，进行自动迭代寻优，当参数化因变量(即吸肥量)求解值随迭代次数不在发生变化，即恒定值时停止迭代，从而反向求解出对应的参数化因变量(文丘里结构参数尺寸)。

进一步地，所述步骤S5中，根据所述步骤S4中寻优的数据结果，建立吸肥量与关键结构参数的的可视化吸肥模型，从而读取所述参数化因变量最优时对应参数化自变量的取值范围，即文丘里施肥器吸肥量最大时对应各关键参数的最优取值范围。

本发明的有益效果

本发明提供了一种基于AI算法与工作参数的文丘里施肥器优化方法，建立所述文丘里施肥器的参数化自变量物理模型，对所述参数化自变量物理模型进行网格划分，再根据工作压力需求对所述网格进行参数化因变量求解，并以所述参数化因变量为寻优目标，通过AI寻优算法对所述参数化自变量进行反向求解，最后根据所述寻优求解的数据建立可视化吸肥模型，提出文丘里施肥器关键结构参数优化取值范围。相比现有文丘里施肥器设计方法，不但解决了传统正交方法因正交组合多和求解不精准的问题，而且能够根据用户对文丘里施肥器工作参数的需求入手，建立文丘里施肥器吸肥量与其内部流道关键结构参数的可视化吸肥模型，确定更为精准的关键结构参数取值范围。

附图说明

图1是本发明文丘里施肥器关键结构参数定义图；

图2是本发明的文丘里施肥器优化设计流程图；

图3为本发明满足进口压力0.3MPa，出口压力0.1MPa时的可视化吸肥模型。

附图标记：

D1-进口直径

D2-出口直径

D3-吸肥口直径

α-收缩角

β-扩散角

d1-喷嘴直径

d2-喉管直径

L-喉管长度。

具体实施方式

下面结合附图和具体实施例对本发明的技术方案作进一步详细说明。

本发明提供了一种基于AI算法与工作需求的文丘里施肥器优化设计方法，可按照文丘里施肥器工作压力需求，准确快速获取文丘里施肥器内部流道结构关键参数值优选范围，可有效解决正交设计方法的不足，填补了基于工作压力需求进行文丘里施肥器优化设计的方法空白，有助于快速设计出更加精准高效的文丘里施肥器。为了更好的理解本实施例，提供了文丘里施肥器关键结构参数定义图，如图1所示，其中可参数化的关键结构参数有进口直径D1、出口直径D2、吸肥口直径D3、收缩角α、扩散角β、喷嘴直径d1、喉管直径d2及喉管长度L。如图2所示，提供了本发明的文丘里施肥器优化设计流程图，如图3所示，提供了本发明满足进口压力0.3MPa，出口压力0.1MPa时的可视化吸肥模型。本实施案例结合图1、图2与图3对一种基于AI算法与工作需求的文丘里施肥器优化设计方法的步骤进行具体说明：

步骤S1、建立文丘里施肥器的参数化自变量物理模型，具体可通过建模软件，例如UG软件，对文丘里施肥器进行三维模型的绘制，并从关键结构参数进口直径D1、出口直径D2、吸肥口直径D3、收缩角α、扩散角β、喷嘴直径d1、喉管直径d2及喉管长度L中选取一个或多个作为参数化自变量。

优选的，以本专业领域技术人员所认同的四个较为关键的参数收缩角α、扩散角β、喉管直径d2及喉管长度L作为该实施案例的参数自变量，并取进口直径D1＝14mm、出口直径D2＝15mm、吸肥口直径D3＝20mm、喷嘴直径d1＝4mm构建文丘里施肥器的参数化自变量物理模型。

步骤S2、对参数化自变量物理模型进行网格划分，具体可通过网格划分软件，例如MESHING软件，对上述文丘里施肥器的参数化自变量物理模型进行网格划分。

优选的，Physics Preference(物理参数)选择CFD(计算流体力学)以适应流体力学，当网格尺寸为最小尺寸的1/10，即喷嘴直径的1/10时，既能保证较高模拟精度又可提高计算速度，因而本案例网格最大尺寸设置为0.4mm。

步骤S3、根据工作压力需求对网格进行参数化因变量求解，具体可通过仿真求解软件fluent实现，文丘里施肥器动力学结构的属于一种典型的圆柱射流结构，因而选用适用于圆柱射流的可实现的K-Σ湍流模型。

进一步地，在步骤S3中，设定本案例用户工作压力需求为管道压力0.3Mpa，滴灌压力0.1Mpa，故将文丘里施肥器的进口工作压力设置为0.3Mpa，出口工作压力设置为0.1MPa，将吸肥量设置为参数化因变量Q，进而在该工况下求解吸肥量。

步骤S4、以参数化因变量为寻优目标，通过AI寻优算法对参数化自变量进行反向求解，具体的选用优化算法软件OASIS,设置步骤3所述参数化因变量的寻优目标为趋向最大为优，即以吸肥量最大为寻优目标，再设定所述参数化自变量的约束条件为所述喷嘴直径＜所述喉部直径。

进一步地，对步骤1所述选定的参数化自变量设定取值范围，优选的收缩角α取20°～60°、扩散角β取8°～150°、喉管直径d2取4.5mm～9mm及喉管长度L取10mm～50mm。

继而，从上述参数化自变量取值范围中，依照AI算法自动取值并赋值到步骤S1、S2、S3中，进行自动迭代寻优，当参数化因变量(即吸肥量)求解值随迭代次数不在发生变化，即恒定值时停止迭代，从而反向求解出对应的参数化因变量(文丘里结构参数尺寸)。

步骤S5、根据自动寻优的数据结果建立可视化吸肥模型。具体地，根据上步骤S4中寻优的数据结果，建立如图3所示的吸肥量与关键结构参数的可视化吸肥模型Q＝f(α、β、d2、L)，其中图中线状组合为吸肥量较差的流道结构参数取值范围，浅色带状为较好的流道结构参数取值范围，深色带状为最好的流道结构参数取值范围，从而可获取参数化因变量Q最优时对应参数化自变量的取值范围，即文丘里施肥器关键结构参数的优化取值范围。

以上所述的实施例，只是本发明较优选的具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。

Claims (9)

1.一种基于AI算法与工作参数的文丘里施肥器优化设计方法，其特征在于：依据文丘里施肥器工作压力需求，应用AI算法自动寻优得到吸肥量与各关键结构参数的可视化吸肥模型及优化取值范围，具体包括以下步骤：

步骤S1、建立所述文丘里施肥器的参数化自变量物理模型；

步骤S2、对所述参数化自变量物理模型进行网格划分；

步骤S3、根据工作压力需求对所述网格进行参数化因变量求解；

步骤S4、以所述参数化因变量为寻优目标，通过AI寻优算法对所述参数化自变量进行反向求解；

步骤S5、根据寻优求解的数据建立可视化吸肥模型，提出文丘里施肥器关键结构参数优化取值范围。

2.根据权利要求1所述的优化设计方法，其特征在于，所述步骤S1中，将所述参数化自变量物理模型的关键结构参数进口直径、出口直径、吸肥口直径、收缩角、扩散角、喷嘴直径、喉管直径及喉管长度设置为一个或多个参数化自变量。

3.根据权利要求1所述的优化设计方法，其特征在于，所述步骤S2中，网格尺寸为喷嘴直径的1/10。

4.根据权利要求1所述的优化设计方法，其特征在于，所述步骤S3中，将所述文丘里施肥器的进口工作压力设定为灌溉系统主管道常规压力0.2-0.5Mpa范围的一个定值,出口工作压力设定为滴灌带常用压力0.1MPa,将吸肥量设置为参数化因变量。

5.根据权利要求1所述的优化设计方法，其特征在于，所述步骤S4具体为，以所述参数化因变量为寻优目标，并设定所述参数化自变量的约束条件，从所述参数化自变量取值范围中，依照AI算法自动取值并赋值到步骤S1、S2、S3中，进行自动迭代寻优，当参数化因变量(即吸肥量)求解值随迭代次数不在发生变化，即恒定值时停止迭代，从而反向求解出对应的参数化因变量(文丘里结构参数尺寸)。

6.根据权利要求1或5所述的优化设计方法，其特征在于，所述步骤S4中，所述参数化因变量的寻优目标设置为趋向最大为优，即以吸肥量最大为寻优目标。

7.根据权利要求1或5所述的优化设计方法，其特征在于，所述步骤S4中，设定所述参数化自变量的约束条件为所述喷嘴直径＜所述喉部直径。

8.根据权利要求1或5所述的优化设计方法，其特征在于，所述步骤S4中，对所述的参数化自变量设定取值范围，根据传统文丘里施肥器结构尺寸，收缩角取20°～60°、扩散角取8°～150°、喉管直径取4.5mm～9mm及喉管长度取10mm～50mm。

9.根据权利要求1所述的优化设计方法，所述步骤S5中，根据所述步骤S4中寻优的数据结果，建立吸肥量与关键结构参数的的可视化吸肥模型，从而读取所述参数化因变量最优时对应参数化自变量的取值范围。