近日，機械與電子工程學院劉雪美教授團隊在《Biosystems Engineering》在線發(fā)表了題為“Prediction of the distribution of airflow within the cotton canopy using fluid-structure interaction simulation and machine-learning methods”的研究論文。崔慧媛博士為該論文的第一作者，劉雪美教授為該論文的通訊作者。

在農(nóng)藥噴灑過程中，決定空氣輔助噴霧器在田間作物中有效噴灑的關鍵因素包括操作條件、作物生長期、冠層孔隙度和葉片密度特征以及環(huán)境條件。在噴灑過程中，輔助氣流可以驅動農(nóng)藥噴霧與冠層之間的相互作用，增加霧滴在作物上的沉積。因此，數(shù)字化定量描述冠層內的氣流分布可以為農(nóng)藥噴灑提供更有效的噴灑前預測數(shù)據(jù)，幫助農(nóng)業(yè)和科學從業(yè)者更好地決策農(nóng)藥使用情況，選擇更優(yōu)化的噴霧操作參數(shù)。

棉花是我國主要經(jīng)濟作物、紡織工業(yè)原料、重要戰(zhàn)略物資，棉花整個生育期內涉及植保、化控、封頂、脫落葉劑噴施等施藥的精量化、高效率和高防效作業(yè)問題。以棉花為例，本文提出并發(fā)展了一種利用流-固耦合模擬和機器學習方法來預測氣流分布的方法。

在噴灑農(nóng)藥時，研究冠層內輔助氣流的分布，可以為施藥過程中所需的輔助氣流大小提供調節(jié)依據(jù)，進而提高其農(nóng)藥施藥效果，同時有效減少化學農(nóng)藥的使用量。在本研究中，將結構顯式有限元求解器與LB求解器相結合，建立雙向流-固耦合模型來計算冠層內輔助氣流的動態(tài)分布。利用室內人工棉株噴霧實驗數(shù)據(jù)對數(shù)值模型進行了驗證。為了降低數(shù)值模擬計算成本，提高預測效率，基于流-固耦合數(shù)值模擬結果，比較了三種機器學習方法(ANN、SVR和RF)。從預測結果對比來看，RF模型的預測結果與實測數(shù)據(jù)達到了高度精確的匹配，實現(xiàn)了冠層中不同位置的氣流分布快速預測。

a 不同速度下相同冠層結構內部氣流分布云圖

b 不同時刻下相同冠層結構內部葉片的變形

c 機器學習預測得到的冠層內部上、中、下層的氣流分布結果

圖1.冠層內分層預測氣流分布分析過程

計算流體力學與機器學習算法的新穎結合提高了仿真效率，減少了時間和計算成本，為精準施藥前選擇合理的輔助氣流參數(shù)提供了依據(jù)。

該研究得到了國家自然科學基金、“十四五”國家重點研發(fā)計劃和山東省棉花產(chǎn)業(yè)技術體系創(chuàng)新團隊機械崗位專家項目的資助。

論文鏈接：https://doi.org/10.1016/j.biosystemseng.2023.06.011

編      輯：萬    千 

審      核：賈    波