随着世界散货运输量的快速增长,螺旋卸船机以其适应性强、生产率高、环境污染小、结构简单等优点而被广泛应用于现代港口散货码头的装卸作业中。取料装置是螺旋卸船机的主要机构,取料装置的性能直接影响到螺旋卸船机的卸船能力。目前螺旋卸船机应用最为广泛的取料装置为相对旋转式取料装置,但该技术长期为国外公司所垄断,而国内对螺旋卸船机的研究主要集中于垂直输送段和水平输送段的研究,对取料装置的研究较少。研究螺旋卸船机的取料机理和物料运动规律,提高取料装置的生产率,降低能耗是目前螺旋卸船机一个重要的研究方向。本文针对螺旋卸船机相对旋转式取料装置的取料过程进行了全面深入的研究,完成如下的创新性研究成果:(1)基于散体力学理论,建立取料装置内物料颗粒运动的散体力学模型。对物料颗粒在取料翼板内的运动规律做出假定,并对取料翼板内的物料微单元进行运动学分析和力学分析,进而确定螺旋取料装置的生产率的计算模型。(2)利用离散元仿真软件EDEM对螺旋取料装置的取料过程进行离散元仿真。分析仿真结果,得到取料装置内和取料装置周边散体颗粒的运动状态分布规律;合理确定了取料装置的等效仿真边界,减小仿真料堆的尺寸规模;分析了生产率、充填率和喂料器的阻力矩随喂料器转速的变化趋势。(3)影响取料装置的生产率和功率的因素有取料翼板进口尺寸、喂料口高度、喂料器转速、埋入深度、取料翼板曲率半径和垂直螺旋转速等参数。通过应用正交试验和离散元仿真相结合方法,确定各参数对生产率和功率影响的主次顺序,以及生产率和功率的随参数的变化趋势,通过综合分析,得出取料装置各参数的最优参数组合。(4)通过正交试验和BP神经网络相结合的方法,建立取料装置生产率和功率的神经网络预测模型,并验证其准确性,从而利用神经网络代替离散元仿真计算,并在正交试验所确定最优参数组合的基础上,利用该模型对取料装置的主要参数进一步优化,并将优化后的方案同原始方案的取料性能对比分析。