利用MFBD-DEM和双级BO-ISSA-BP算法对种子玉米脱壳设备的核心损失进行预测并进行参数优化

针对玉米种子收获中脱粒损失率高的问题，本研究构建苞叶-籽粒-穗轴柔性复合模型，结合多体动力学-离散元法耦合仿真，提出基于贝叶斯优化的改进粒子群-反向传播神经网络模型，优化了脱粒轮表面图案、转速及间隙参数，使籽粒脱落率和破损率分别降至1.613%和0.369%，验证了模型预测精度和优化方法的有效性。

常丽蕾|赵五云|戴飞|史瑞杰|任晓静|杜文华

甘肃农业大学草原科学学院，中国兰州730070。

摘要

种子产业是粮食安全的重要支柱，而在机械化收获玉米种子过程中，籽粒的损伤和损失严重限制了种子质量的提升。为了解决玉米穗建模精度不足、传统优化方法预测能力有限以及脱粒过程中籽粒脱落和损伤率较高的问题，本研究基于离散元方法（DEM）构建了一个苞叶-籽粒-穗的柔性复合模型，并采用多柔性体动力学-离散元方法（MFBD-DEM）耦合仿真来模拟脱粒过程。在此基础上，系统分析了表面纹理排列、旋转速度和滚轮间隙对籽粒损失行为的影响。此外，提出了一种双层优化的BP神经网络模型（BO-ISSA-BP），该模型结合了贝叶斯优化（BO）和改进的麻雀搜索算法（ISSA），以实现关键籽粒损失指标的高精度预测和优化。与传统SSA-BP模型相比，BO-ISSA-BP模型分别将RMSE、MAPE和MAE降低了7.42%、15.37%和14.91%，决定系数R²达到0.975。在所有误差指标上均观察到更显著的改进。在最佳参数组合下，台架试验得到的籽粒脱落率和籽粒损伤率分别为1.613%和0.369%；相对于理论最优值的相对误差分别为8.47%和6.65%，相对于模型预测的相对误差分别为7.09%和6.35%，证实了所提出的预测模型和优化方法在实际操作条件下的可靠性和可行性。研究结果不仅为我国玉米种子脱粒设备的参数优化和性能预测提供了可靠的理论基础，还为农业机械设计中的柔性体建模和多目标优化提供了方法论框架。

引言

作为国家层面的基础性和战略性产业，种子产业通过提供充足且高质量的种子供应，是确保粮食安全的关键。玉米种子作为生产优质种子的专用原料，因其较高的产量、抗病性和广泛的适应性，成为大规模生产现代杂交玉米品种的关键（Wonggasem等，2024）。美国、中国和巴西等农业强国已经建立了大规模的玉米种子生产体系，推动了全球玉米产业的蓬勃发展（Gao等，2024）。在中国，主要的玉米种子生产区域位于甘肃、新疆和黑龙江省份，其中甘肃占全国总种植面积的35.81%。在整个种子生产过程中，机械化收获对种子质量起着决定性作用，直接影响种子的活力和发芽率（Evrendilek等，2024）。随着玉米种子生产规模的不断扩大，脱粒过程中的籽粒脱落和损伤问题日益突出，成为阻碍种子质量提升的关键瓶颈。

许多研究致力于推进玉米脱粒技术的发展。刘等人开发了玉米穗和脱粒机构的离散元模型（DEM），研究了脱粒滚轮参数对籽粒损伤和脱落的影响（Liu等，2022a）。崔等人校准参数构建了籽粒-穗集合的离散元模型，为玉米结构的柔性体建模提供了必要的理论基础（Cui等，2023）。陈等人利用ANSYS Workbench/LS-DYNA平台模拟了新鲜玉米穗的脱粒过程，并根据理论分析和仿真结果设计了一种原型脱粒机构（Chen等，2023）。此外，陈等人将DEM-MBD仿真与Box-Behnken实验设计相结合，研究了玉米种子脱粒设备中的相互作用机制，旨在提高脱粒效率并减少籽粒损失（Chen等，2024）。尽管在玉米脱粒建模和仿真方面取得了进展，但现有研究往往受到简化模型结构和传统方法的限制，这阻碍了籽粒损失仿真的精度以及高效预测和优化模型的发展。

近年来，深度学习技术在农业工程应用中显示出显著优势。曹等人将气象参数与多种预测模型结合，用于预测春季玉米种植的干旱情况，有效指导了节水灌溉策略，显著减少了产量损失（Cao等，2022）。方等人将PSO-LSTM算法与离散元建模相结合，预测了不同条件下的玉米脱粒过程中的实时籽粒损伤率（Fang等，2024）。王等人采用深度学习架构和滑动窗口技术，结合定量模型及BCK-YOLOv7框架，实现了玉米籽粒破损率的实时动态检测（Wang等，2025）。黄等人提出了一种多目标优化方法，结合模糊层次分析过程（FAHP）和改进的灰狼优化（IGWO），优化了旋转耕作参数，提高了整体性能（Huang等，2025）。神经网络以其强大的非线性映射能力和自学习特性，在复杂数据处理和多因素优化方面表现出色，已成功应用于作物生长预测、农产品质量评估和机械参数优化，为传统方法无法处理的工程问题提供了新的解决方案（Das等，2025）。

目前，玉米种子脱粒设备的优化仍主要依赖于传统的响应面实验设计，而单一算法优化方法的搜索范围和精度有限，容易收敛到局部最优解，难以揭示多个因素之间的复杂非线性和高阶交互作用。同时，现有的玉米穗模型通常将玉米穗理想化为单一的刚性杆状结构，无法直接捕捉脱粒过程中籽粒脱落和损伤等关键特征。为了解决这些问题，本研究提出了一种综合方法，结合了柔性复合建模、MFBD-DEM耦合仿真和双层优化的BO-ISSA-BP神经网络。基于DEM构建了苞叶-籽粒-穗的柔性复合模型，并通过BO-ISSA-BP模型和MFBD-DEM耦合仿真，分析了不同滚轮排列、旋转速度和间隙下脱粒滚轮与玉米穗之间的动态接触和运动。采用籽粒脱落率和籽粒损伤率作为评估指标，该方法能够预测和优化关键损失指标，为我国玉米种子脱粒设备的参数优化和性能预测提供了可靠的理论基础，并为柔性体建模和多目标优化提供了方法论框架。

玉米种子的固有特性

玉米种子在多个关键方面与田间玉米不同，包括穗径较小、成熟籽粒的水分含量较低（25%～35%）、密度和硬度较高，以及籽粒与穗之间的粘附力较低。这些因素导致脱粒过程中籽粒破损和谷粒脱落率较高（图1）。例如，田间采样使用了来自甘肃省张掖市的“郑丹958”品种，采样方法遵循GB/T标准中的五点法。

神经网络模型和双层优化策略

在玉米种子脱粒过程中，工艺参数（脱粒滚轮与压力喂料器之间的间隙X₁、脱粒滚轮速度X₂和脱粒滚轮间隙X₃）与响应指标（籽粒脱落率Y₁和籽粒损伤率Y₂）之间的关系具有强烈的非线性和耦合性。为了建立输入与输出之间的准确映射，采用了BP神经网络作为基本预测模型。

结果分析

为了直观分析P4配置下关键参数对脱粒性能的影响，并阐明玉米种子脱粒设备的参数-性能关系，使用拉丁超立方抽样方法在预定义的操作范围内生成了500组参数组合。考虑到单次MFBD-DEM耦合仿真需要大约6-8小时的计算时间，导致计算成本显著增加，因此...

结论

本研究提出了一种综合方法框架，结合了柔性复合建模、MFBD-DEM耦合仿真和双层优化的BO-ISSA-BP神经网络，实现了籽粒损失的定量分析、关键籽粒损失指标的高精度预测以及机械化玉米种子脱粒的工艺参数优化。主要发现和贡献如下：

(1)

基于指数缩放函数的籽粒建模方法能够准确捕捉...

CRediT作者贡献声明

常丽蕾：撰写 – 审稿与编辑，撰写 – 原稿，调查，数据管理，概念化。赵五云：验证，监督，项目管理，方法论，概念化。戴飞：监督，项目管理，方法论，概念化。史瑞杰：撰写 – 审稿与编辑，监督，项目管理，方法论。任晓静：方法论，调查，数据管理。杜文华：撰写 – 审稿与编辑，监督，项目

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

作者感谢审稿人的辛勤工作。同时，作者也感谢以下项目对本文工作的财政支持：甘肃农业大学草原生态系统重点实验室、教育部（项目编号：KLGE-2024-08-02）、甘肃省重大项目（26ZDNA005、25ZDNF001-1、24ZD13NA019、23ZDNA008）、甘肃省重点研发计划（24YFNA019）以及甘肃省农业机械研究与发展项目。