Влияние параметров усовершенствованного классификатора на предельные траектории непроходовых частиц по данным регрессионного анализа Текст научной статьи по специальности «Технологии материалов»

ПРОЦЕССЫ И МАШИНЫ АГРОИНЖЕНЕРНЫХ СИСТЕМ

УДК 630*232.315 + 631.362.3

Г.Н. Вахнина, ЕЛ. Шадрина, О.В. Терновская

ВЛИЯНИЕ ПАРАМЕТРОВ УСОВЕРШЕНСТВОВАННОГО КЛАССИФИКАТОРА НА ПРЕДЕЛЬНЫЕ ТРАЕКТОРИИ НЕПРОХОДОВЫХ ЧАСТИЦ ПО ДАННЫМ РЕГРЕССИОННОГО АНАЛИЗА

G.N. Vakhnina, E.L. Shadrina, O.V. Ternovskaya

IMPROVED CLASSIFIER PARAMETERS' INFLUENCE ON LIMITING TRAJECTORIES OF NON-SIEVED PARTICLES ACCORDING TO REGRESSION ANALYSIS DATA

Вахнина Г.Н. - канд. техн. наук, доц. 208 каф. общепрофессиональных дисциплин Военно-воздушной академии им. проф. Н.Е. Жуковского и Ю.А. Гагарина, г. Воронеж. E-mail: galina_vahnina@mail.ru Шадрина Е.Л. - ст. преп. 208 каф. общепрофессиональных дисциплин Военно-воздушной академии им. проф. Н.Е. Жуковского и Ю.А. Гагарина, г. Воронеж. E-mail: galina_vahnina@mail.ru Терновская О.В. - канд. пед. наук, доц. 208 каф. общепрофессиональных дисциплин Военно-воздушной академии им. проф. Н.Е. Жуковского и Ю.А. Гагарина, г. Воронеж. E-mail: ga-lina_vahnina@mail.ru

Одна из разновидностей предложенной ресурсосберегающей технологии комплексной предпосевной обработки семян реализуется конусным классификатором. На этом усовершенствованном классификаторе семенной материал проходит обработку перед посевом, которая включает фракционирование на плоских решетах, импакцию и направленное движение частиц, создающее возникновение условия резонанса. Все перечисленное происходит одновременно. Важно понять, какие предельные траектории количественно совершают частицы семенного материала и как качественно можно повлиять на них конструктивно-технологическими параметрами классификатора с целью повышения эффективности проводимого процесса. На данном этапе исследований изучались траектории непроходовых частиц при движе-

Vakhnina G.N. - Cand. Techn. Sci., Assoc. Prof., 208th Chair of All-Professional Disciplines, Air Force Academy named after Prof. N.E. Zhukovsky and Yu.A. Gagarin, Voronezh. E-mail: galina_vahnina@mail.ru Shadrina E.L. - Asst, 208-th Chair of All-Professional Disciplines, Air Force Academy named after Prof. N.E. Zhukovsky and Yu.A. Gagarin, Voronezh. E-mail: ga-lina_vahnina@mail.ru

Ternovskaya O.V. - Cand. Ped. Sci., Assoc. Prof., 208th Chair of All-Professional Disciplines, Air Force Academy named after Prof. N.E. Zhukovsky and Yu.A. Gagarin, Voronezh. E-mail: galina_vahnina@mail.ru

нии рабочего органа вправо. В качестве влияющих параметров были выбраны: расстояние между решетами, толщина непроходовой частицы, радиус верхнего решета. Методами регрессионного анализа были определены основные статистические характеристики и составлены уравнения регрессии, позволяющие выявить активные параметры, существенно влияющие на результат. Полученные итоги регрессионной статистики и дисперсного анализа свидетельствуют о высокой точности аппроксимации. Достоверность, определяемая по значимости критерия Фишера, имеет незначительную величину, что позволяет сделать вывод о значимости модели. На основе значений коэффициентов регрессии входящих величин в качестве активных параметров оказались расстояние между решетами и радиус верхнего ре-

шета. Толщина обрабатываемых семян в случае, если они являются непроходовыми, на величину траекторий практически не влияет. Предварительный вывод данных исследований заключается в том, что для изменения значений траекторий непроходовых частиц необходимо варьировать расстояние между решетами или подбирать размер верхнего решета, а значит, и все следующие за ним. Основной вывод можно будет сделать только исследовав траектории проходовых частиц, являющихся составной частью обрабатываемого материала.

Ключевые слова: конусный классификатор, предельная траектория, непроходовая частица, верхнее решето, регрессионный анализ.

One of proposed resource-saving technology varieties of complex preseeding seed treatment is realized by the cone classifier. In this improved classifier the seed material undergoes pre-sowing treatment, which includes fractionation on flat sieves, impact and directional movement of particles, causing resonance condition. All listed occurs simultaneously. It is important to understand which limiting trajectories are performed by seed material particles and how affect them qualitatively by constructive and technological parameters of the classifier in order to improving the efficiency of the conducted process. At this stage of the study trajectories of sieved particles were studied when the working organ moved to the right. The distance between the sieves, the thickness of non-passing particle and the radius of the upper sieve were chosen as influencing parameters. By regression analysis, the basic statistical characteristics were determined and regression equations were made, which allow revealing active parameters significantly affecting the result. Obtained results of regression statistics and dispersive analysis testify to high accuracy of the approximation. The reliability, determined by the importance of Fisher criterion, has a negligible value, allowing concluding that the model is significant. On the basis of values of coefficients of regression of entering sizes as active parameters appeared the distance between the sieves and the radius of the top sieve. The thickness of treated seeds is practically unaffected by the magnitude of the trajectories if they are non-sieved. Preliminary conclusion of these researches is that for change of values of trajectories of not pro-running particles it is necessary to vary in distance between sieves or to select the size of the top sieve, so, and all following behind it. The main conclusion can be drawn only after having investigated trajectories of pro-running particles which are a component of processed material.

Keywords: cone classifier, limiting trajectory, non-sieved particle, upper sieve, regression analysis.

Введение. Исследования в области интенсификации технологических процессов [1], связанных с восстановлением флоры, в частности лесов, способствовали разработке ресурсосберегающей технологии, которая легла в основу комплексной предпосевной обработки семенного материала. Известно и неоднократно доказано, что обрабатывать семена перед посевом необходимо, это, в частности, повышает их всхожесть.

Предлагаемая ресурсосберегающая технология, включающая в себя фракционирование семян, им-пакцию и направленное движение частиц [2], создающее возникновение условия резонанса, реализуется на конусном классификаторе [3]. Рабочий орган конусного классификатора совершает возвратно-колебательное движение, которое повторяет семенной материал, подвергающийся обработке, но одновременно семена совершают движение по траектории в виде знака бесконечности и переориентируются в пространстве в процессе встряхивания. Все это свидетельствует о том, что доминирующее влияние на эффективность всей комплексной обработки будут оказывать кинематические параметры частиц семенного материала, особенно такая составляющая кинематики, как траектория.

Цель исследований. Изучение влияния параметров усовершенствованного классификатора на предельные траектории непроходовых частиц по данным регрессионного анализа.

Задачи: определение, какие предельные траектории количественно совершают частицы семенного материала, а именно непроходовые, и как качественно можно повлиять на них конструктивно-технологическими параметрами классификатора для дальнейшего повышения эффективности предпосевной обработки.

Методы исследований. Для более полного понимания физической составляющей происходящих процессов проводились вычислительные эксперименты, учитывающие возможные параметры рабочего органа классификатора и реальные размеры известных семян [4]. Основываясь на теоретических и практических сведениях в области фракционирования семян, технологический процесс усовершенствованных классификаторов ориентирован на разделение семенного материала на четыре фракции.

Полученные результаты были обработаны с помощью компьютерной программы Excel Microsoft Office ХР методом композиционного ортогонального плана второго порядка для трех факторов [5, 6]. Данный метод позволяет выявить влияние самих факторов, их квадратичной величины и совместного участия.

В качестве основных варьируемых факторов были выбраны:

расстояние между решетами - Х1 = 0,1; 0,15; 0,2 м; толщина непроходовой частицы - Х2 = 0,0015; 0,003; 0,0045; 0,008 м;

радиус верхнего решета - Х3 = 0,35; 0,45; 0,5 м. Выходной величиной - y - приняли траекторию непроходовой частицы при движении вправо, м.

В таблицах 1-4 представлены матрицы результатов регрессионного анализа с учетом сочетаний значений варьируемого фактора - толщины непроходовой частицы. Исследовались следующие соотношения: 0,0015; 0,003; 0,0045 м - модель 1; 0,0015; 0,003; 0,008 м - модель 2; 0,0015; 0,0045; 0,008 м -модель 3; 0,003; 0,0045; 0,008 м - модель 4.

Модель 1 актуальна в большей части для семян лесных видов растений (сосна обыкновенная (Pinus sylvestris), ель обыкновенная (Picea abies), лжетсуга (Pseudotsuga), лиственница европейская (Larix

decidua) и др.) и мелких семян сельскохозяйственных растений.

Модели 2 и 3 будут актуальны для любых видов семян как лесных, так и сельскохозяйственных растений: клевер красный (Trifolium pratense), люцерна (Medicago), житняк (Agropyron), костер безостый (Bromus inermis), томат (Solanum lycopersicum), баклажан (Solanum melongena) - толщина до 1,5 мм; просо (Panicum), рис (Oryza), перец (Capsicum annuum), огурец (Cdcumis), редис (Remote dictionary server) - толщина до 3 мм; эспарцет (Onobrychis), гречиха (Fagopyrum), овес (Avena), пшеница (Triticum), свекла (Beta), кабачок (Cucurbita pepo) -толщина до 4,5 мм; кукуруза (Zea mays), горох (Pisum) - толщина до 8 мм.

Модель 4 более актуальна в основном для семян сельскохозяйственных растений, хотя нельзя забывать о размерах семян кедра (Pinus sibirica).

Таблица 1

Результаты композиционного ортогонального плана для модели 1

y x1*y x2*y x3*y x12*y x22*y x32*y x1*x2*y x1*x3*y x2*x3*y

90 -90 -90 -90 24,3 24,3 24,3 90 90 90

104,8 104,8 -104,8 -104,8 28,296 28,296 28,296 -104,8 -104,8 104,8

89,7 -89,7 89,7 -89,7 24,219 24,219 24,219 -89,7 89,7 -89,7

104,5 104,5 104,5 -104,5 28,215 28,215 28,215 104,5 -104,5 -104,5

120,6 -120,6 -120,6 120,6 32,562 32,562 32,562 120,6 -120,6 -120,6

136,8 136,8 -136,8 136,8 36,936 36,936 36,936 -136,8 136,8 -136,8

120,3 -120,3 120,3 120,3 32,481 32,481 32,481 -120,3 -120,3 120,3

136,5 136,5 136,5 136,5 36,855 36,855 36,855 136,5 136,5 136,5

111,6 -135,036 0 0 82,584 -81,468 -81,468 0 0 0

126,7 153,307 0 0 93,758 -92,491 -92,491 0 0 0

118,7 0 -143,627 0 -86,651 87,838 -86,651 0 0 0

118,3 0 143,143 0 -86,359 87,542 -86,359 0 0 0

96,8 0 0 -117,128 -70,664 -70,664 71,632 0 0 0

127,6 0 0 154,396 -93,148 -93,148 94,424 0 0 0

118,5 0 0 0 -86,505 -86,505 -86,505 0 0 0

1721,4 80,271 -1,684 162,468 -3,121 -5,032 -23,554 0 2,8 0

Таблица 2

Результаты композиционного ортогонального плана для модели 2

y x1*y x2*y x3*y 2(x1)*y 2(x2)*y 2(x3)*y x1*x2*y x1*x3*y x2*x3*y

1 2 3 4 5 6 7 8 9 10

90 -90 -90 -90 24,3 24,3 24,3 90 90 90

104,8 104,8 -104,8 -104,8 28,296 28,296 28,296 -104,8 -104,8 104,8

89,3 -89,3 89,3 -89,3 24,111 24,111 24,111 -89,3 89,3 -89,3

104,1 104,1 104,1 -104,1 28,107 28,107 28,107 104,1 -104,1 -104,1

120,6 -120,6 -120,6 120,6 32,562 32,562 32,562 120,6 -120,6 -120,6

136,8 136,8 -136,8 136,8 36,936 36,936 36,936 -136,8 136,8 -136,8

119,9 -119,9 119,9 119,9 32,373 32,373 32,373 -119,9 -119,9 119,9

136,1 136,1 136,1 136,1 36,747 36,747 36,747 136,1 136,1 136,1

Окончание табл. 2

1 2 3 4 5 6 7 8 9 10

111,6 -135,036 0 0 82,584 -81,468 -81,468 0 0 0

126,6 153,186 0 0 93,684 -92,418 -92,418 0 0 0

118,7 0 -143,627 0 -86,651 87,838 -86,651 0 0 0

117,9 0 142,659 0 -86,067 87,246 -86,067 0 0 0

96,8 0 0 -117,128 -70,664 -70,664 71,632 0 0 0

127,6 0 0 154,396 -93,148 -93,148 94,424 0 0 0

118,5 0 0 0 -86,505 -86,505 -86,505 0 0 0

1719,3 80,15 -3,768 162,468 -3,335 -5,687 -23,621 -2,8Б-14 2,8 0

Таблица 3

Результаты композиционного ортогонального плана для модели 3

у X1*y X2*У xз*y X12*y X22*У xз2*y X1*X2*У X1*Xз*y X2*Xз*У

90 -90 -90 -90 24,3 24,3 24,3 90 90 90

104,8 104,8 -104,8 -104,8 28,296 28,296 28,296 -104,8 -104,8 104,8

89,3 -89,3 89,3 -89,3 24,111 24,111 24,111 -89,3 89,3 -89,3

104,1 104,1 104,1 -104,1 28,107 28,107 28,107 104,1 -104,1 -104,1

120,6 -120,6 -120,6 120,6 32,562 32,562 32,562 120,6 -120,6 -120,6

136,8 136,8 -136,8 136,8 36,936 36,936 36,936 -136,8 136,8 -136,8

119,9 -119,9 119,9 119,9 32,373 32,373 32,373 -119,9 -119,9 119,9

136,1 136,1 136,1 136,1 36,747 36,747 36,747 136,1 136,1 136,1

111,4 -134,794 0 0 82,436 -81,322 -81,322 0 0 0

126,6 153,186 0 0 93,684 -92,418 -92,418 0 0 0

118,7 0 -143,627 0 -86,651 87,838 -86,651 0 0 0

117,9 0 142,659 0 -86,067 87,246 -86,067 0 0 0

96,7 0 0 -117,007 -70,591 -70,591 71,558 0 0 0

127,4 0 0 154,154 -93,002 -93,002 94,276 0 0 0

118,3 0 0 0 -86,359 -86,359 -86,359 0 0 0

1718,6 80,392 -3,768 162,347 -3,118 -5,176 -23,551 -2.8Б-14 2,8 0

Таблица 4

Результаты композиционного ортогонального плана для модели 4

у X1*y X2*У xз*y 2^1)*у 2^2)*у 2^3)*у x1*x2*y x1*x3*y x2*x3*y

89,8 -89,8 -89,8 -89,8 24,246 24,246 24,246 89,8 89,8 89,8

146,5 146,5 -146,5 -146,5 39,555 39,555 39,555 -146,5 -146,5 146,5

89,3 -89,3 89,3 -89,3 24,111 24,111 24,111 -89,3 89,3 -89,3

104,1 104,1 104,1 -104,1 28,107 28,107 28,107 104,1 -104,1 -104,1

120,5 -120,5 -120,5 120,5 32,535 32,535 32,535 120,5 -120,5 -120,5

136,7 136,7 -136,7 136,7 36,909 36,909 36,909 -136,7 136,7 -136,7

119,9 -119,9 119,9 119,9 32,373 32,373 32,373 -119,9 -119,9 119,9

136,1 136,1 136,1 136,1 36,747 36,747 36,747 136,1 136,1 136,1

111,4 -134,794 0 0 82,436 -81,322 -81,322 0 0 0

126,6 153,186 0 0 93,684 -92,418 -92,418 0 0 0

118,5 0 -143,385 0 -86,505 87,69 -86,505 0 0 0

117,9 0 142,659 0 -86,067 87,246 -86,067 0 0 0

96,7 0 0 -117,007 -70,591 -70,591 71,558 0 0 0

127,4 0 0 154,154 -93,002 -93,002 94,276 0 0 0

118,3 0 0 0 -86,359 -86,359 -86,359 0 0 0

1759,7 122,292 -44,826 120,647 8,179 5,827 -12,254 -41,9 -39,1 41,7

Результаты исследований и их обсуждение.

На основании полученных данных регрессионного анализа составляем уравнения регрессии в виде полинома второй степени без незначимых коэффициентов:

- для модели 1 без частиц толщиной 0,008 м

у = 114,76 + 7,34х1 + 14,87хз - 5,43хз2; (1)

- для модели 2 без частиц толщиной 0,0045 м

у = 114,62+ 7,33х1 + 14,87хз - 5,44хз2; (2)

- для модели 3 без частиц толщиной 0,003 м

у = 114,57 + 7,35х1 + 14,85хз - 5,42хз2; (3)

- для модели 4 без частиц толщиной 0,0015 м

у = 117,31+ 11,19X1 - 4,1X2 + 11,04хз +

+ 5,53х12 - 2,82хз2 -- 5,24X1X2 - 4,89X1X3 + 5,21X2X3. (4)

С учетом того, что расчетные значения критерия Фишера значительно меньше стандартного, все модели являются значимыми с достаточно высокой достоверностью R2 > 0,92. Это позволяет выполнить анализ влияния выбранные варьируемые факторов на выгодной параметр.

Согласно полученным уравнениям (1)-(3), наибольшее влияние на траектории непроходовых частиц оказывает радиус верхнего решета. Влияние расстояния между решетами тоже существенно, но практически вдвое меньше. Радиус верхнего решета в квадратичной форме уменьшает величины траекторий. Для эта моделей абсолютно незначащим фактором является толщина частиц. Тем не менее достаточно интересно проследить интенсивность изменения этого фактора. Примем dmin = 0,0015 м. Тогда величина приращения: для модели 1 - Дd1 = 0,0045 - 0,003 = 0,003 - 0,0015 = 0,0015 м; для модели 2 - Дd2 = 0,008 - 0,003 = 0,005 м и Дd2 = 0,003 -

- 0,0015 = 0,0015 м; для модели 3 - Дdз = 0,008 -

- 0,0045 = 0,0035 м и Дdз = 0,0045 - 0,0015 = 0,003 м. В моделях 1 и 3 изменение толщин происходит пропорционально, а в модели 2 изменение толщин скачкообразное.

Уравнение (4) демонстрирует существенное изменение картины влияния варьируемые факторов. Во-первых, практически сравнивается влияние радиуса верхнего решета и расстояния между решетами и появляется их совместное влияние. Во-вторых, проявляется влияние толщины непроходо-вой частицы, и эта величина оказывает комбинированное влияние: совместно с расстоянием между решетами уменьшает траектории, а совместно с радиусом верхнего решета увеличивает. Причем интенсивность изменения толщин частиц в модели 4

следующая: Дd4 = 0,008 - 0,0045 = 0,0035 м и Дd4 =

0.0045.- 0,003 = 0,0015 м. Эти данные показывают, что в модели 4 интенсивность изменения толщин объединяет интенсивность модели 1 и модели 3.

Выводы

1. Полученными регрессионными моделями в качестве первого качественного фактора, влияющего на величины траекторий непроходовых частиц, определен радиус верхнего решета, а следовательно, и радиусы последующих решет, находящихся ниже. Этот показатель влияет на горизонтальные габариты усовершенствованных классификаторов.

2. Полученными регрессионными моделями в качестве второго качественного фактора, влияющего на величины траекторий непроходовых частиц, определено расстояние между решетами. Этот показатель влияет на вертикальные габариты усовершенствованных классификаторов.

3. Величины предельных траекторий непроходо-вых частиц, полностью определяемые размерами рабочего органа классификатора, находятся в интервале от 0,893 до 1,368 м для заданных конструктивно-установочных параметров.

4. Для более полного определения влияния конструктивно-технологических параметров классификаторов на траектории семян необходимо изучить поведение проходовых частиц.

Литература

1. Горелов М.В., Бастрон Т.Н., Мальчик Р.В. Обзор технологических комплексов сушки шишек и извлечения семян хвойных пород деревьев // Вестн. КрасГАУ. - 2017. - № 3 (126). - С. 79-85.

2. Содержательное описание функциональной модели ресурсосберегающей технологии с направленным движением частиц / Г.Н. Вахни-на, Е.Л. Шадрина, А.С. Гулевский [и др.] // Современные научно-практические решения XXI века: мат-лы междунар. науч.-практ. конф. (Воронеж, 21-22 декабря 2015 г.). - Воронеж, 2016. - Ч. I. - С. 260-267.

3. Пат. № 2478446 РФ, МПК В07В 1/46. Конусный классификатор / Г.Н. Вахнина, Ф.В. Пошарни-ков, Е.В. Кондрашова, Р.Г. Боровиков; заявитель и патентообладатель ФГБОУ ВПО «ВГЛ-ТА». - № 2011140912/06; заявл. 07.10.2011; опубл. 10.04.2013, Бюл. № 10. - 4 с.

4. Евченко А.В. Анализ физико-механических свойств семян зерновых культур // Вестн. КрасГАУ. - 2016. - № 8 (119). - С. 144-149.

5. Бричагина А.А., Ильин С.Н., Пальвинский В.В. Моделирование технологического процесса высевающего аппарата зерновой сеялки // Вестн. КрасГАУ. - 2016. - № 11 (122). - С. 67-71.

6. Основы теории и техники физического моделирования и эксперимента: учеб. пособие / Н.Ц. Гатапова, А.Н. Колиух, Н.В. Орлова [и др.]. -Тамбов, 2014. - 77 с.

Literatura

1. Gorelov M.V., Bastron T.N., Mal'chik R.V. Obzor tehnologicheskih kompleksov sushki shishek i izvlechenija semjan hvojnyh porod derev'ev // Vestn. KrasGAU. - 2017. - № 3 (126). - S. 79-85.

2. Soderzhatel'noe opisanie funkcional'noj modeli resursosberegajushhej tehnologii s napravlennym dvizheniem chastic / G.N. Vahnina, E.L. Shadrina, A.S. Gulevskij [i dr.] // Sovremennye nauchno-prakticheskie reshenija XXI veka: mat-ly mezhdunar. nauch.-prakt. konf. (Voronezh, 21-22 dekabrja 2015 g.). -

Voronezh, 2016. - Ch. I. - S. 260-267.

3. Pat. № 2478446 RF, MPK V07V 1/46. Konusnyj klassifikator / G.N. Vahnina, F.V. Posharnikov, E.V. Kondrashova, R.G. Borovikov; zajavitel' i pa-tentoobladatel' FGBOU VPO «VGLTA». -№ 2011140912/06; zajavl. 07.10.2011; opubl. 10.04.2013, Bjul. № 10. - 4 s.

4. Evchenko A.V. Analiz fiziko-mehanicheskih svojstv semjan zernovyh kul'tur // Vestn. KrasGAU. -2016. - № 8 (119). - S. 144-149.

5. Brichagina A.A., Il'in S.N., Pal'vinskij V.V. Mod-elirovanie tehnologicheskogo processa vyse-vajushhego apparata zernovoj sejalki // Vestn. KrasGAU. - 2016. - № 11 (122). - S. 67-71.

6. Osnovy teorii i tehniki fizicheskogo modelirovanija i jeksperimenta: ucheb. posobie / N.C. Gatapova, A.N. Koliuh, N. V. Orlova [i dr.]. - Tambov, 2014. - 77 s.

УДК 631.365.32 В.Г. Захахатнов, В.К. Дыленя,

П.В. Кашин

ИССЛЕДОВАНИЕ РАСХОДНОЙ ХАРАКТЕРИСТИКИ ВЫГРУЗНОГО УСТРОЙСТВА ЗЕРНОСУШИЛКИ

V.G. Zakhakhatnov, V.K. Dylenya, P.V. Kashin

THE RESEARCH ON FLOW CHARACTERISTICS OF DISCHARGER UNIT OF GRAIN DRYER

Захахатнов В.Г. - канд. техн. наук, доц. каф. энергообеспечения и автоматизации технологических процессов Южно-Уральского государственного аграрного университета, г. Челябинск. E-mail: zahvg@inbox.ru

Дыленя В.К. - магистрант каф. энергообеспечения и автоматизации технологических процессов ЮжноУральского государственного аграрного университета, г. Челябинск. E-mail: dello_2010@mail.ru Кашин П.В. - магистрант каф. энергообеспечения и автоматизации технологических процессов ЮжноУральского государственного аграрного университета, г. Челябинск. E-mail: george-ju@yandex.ru

Управление процессом сушки зерна в зерносушилках предполагает регулирование количества тепла, подводимого к зерну в сушильной камере, которое зависит от его влажности, температуры и стадии сушки. При непрерывной работе сушилки наиболее технически просто регулирование осуществлять за счет изменения скорости выгрузки зерна из сушильной камеры, для этого необходимо знать расходную характеристику выгрузного устройства. Цель исследования - получение математической модели зависимости расхода

Zakhakhatnov V.G. - Cand. Techn. Sci., Assoc. Prof., Chair of Power Supply and Automation of Technological Processes, Southern Ural State Agrarian University, Chelyabinsk. E-mail: zahvg@inbox.ru

Dylenya V.K. - Magistrate Student, Chair of Power Supply and Automation of Technological Processes, Southern Ural State Agrarian University, Chelyabinsk. Email: delloyo_2010@mail.ru

Kashin P.V. - Magistrate Student, Chair of Power Supply and Automation of Technological Processes, Southern Ural State Agrarian University, Chelyabinsk. E-mail: george-ju@yandex.ru

зерна выгрузного устройства зерносушилки от его конструктивных параметров и режимов работы. Задачи: создание экспериментальной установки выгрузного устройства зерносушилки и исследование его расходной характеристики методами планирования эксперимента. Эксперименты проводились с зерном пшеницы на экспериментальной установке, моделирующей выгрузное устройство шахтных и колонковых сушилок. Экспериментальная установка включает бункер, выпускное отверстие которого перекрывает по-