Loading web-font TeX/Math/Italic
Benützer: Keine Benutzer angemeldet.


Getreideernte

Storyboard

>Modell

ID:(1687, 0)



Ejemplo de trilla mecanizada

Storyboard

>Modell

ID:(12860, 0)



Ejemplo de trilla mecanizada

Bild

>Top



ID:(12861, 0)



Modelo de difusión para la separación

Gleichung

>Top, >Modell


Para modelar el proceso de separación se puede asumir un proceso de difusión que se describe por la ley de Fick. En este caso se tiene que el flujo de granos Q_g es

Q_g =- D \displaystyle\frac{ A }{ L_g }( C_2 - C_1 )

Q_g = - D * A * ( C_2 - C_1 )/ L_g Q_g = dV_g / dt C_2 - C_1 = V_g / V_MOG dV_g / dt = -D * W * L * V_g /( L_g * V_MOG ) V_gf = V_gi * exp( - D * W * L * t /( L_g * V_MOG )) mt = V_MOG / t G_f = G_i * exp( D * W *rho_MOG * L /( L_d * mt ))

en que A sección eficaz, D constante de difusión, C_2 concentración de granos sobre C_1 debajo de la bandeja de recolección y L_g camino medio de difusión.

ID:(12863, 0)



Ecuación en volumen

Gleichung

>Top, >Modell


En base al modelo de difusión se puede establecer una ecuación para el volumen de grano en base al flujo de granos

Q_g = \displaystyle\frac{ dV_g }{ dt }

Q_g = - D * A * ( C_2 - C_1 )/ L_g Q_g = dV_g / dt C_2 - C_1 = V_g / V_MOG dV_g / dt = -D * W * L * V_g /( L_g * V_MOG ) V_gf = V_gi * exp( - D * W * L * t /( L_g * V_MOG )) mt = V_MOG / t G_f = G_i * exp( D * W *rho_MOG * L /( L_d * mt ))

ID:(12864, 0)



Diferencia de concentraciones

Gleichung

>Top, >Modell


La diferencia de concentraciones se puede estimar en función de los volúmenes con grano en relación al volumen del material sin grano (MOG= Material out of Grain) como

C_2 - C_1 = \displaystyle\frac{ V_g }{ V_{MOG} }

Q_g = - D * A * ( C_2 - C_1 )/ L_g Q_g = dV_g / dt C_2 - C_1 = V_g / V_MOG dV_g / dt = -D * W * L * V_g /( L_g * V_MOG ) V_gf = V_gi * exp( - D * W * L * t /( L_g * V_MOG )) mt = V_MOG / t G_f = G_i * exp( D * W *rho_MOG * L /( L_d * mt ))

ID:(12865, 0)



Ecuación para el volumen de granos

Gleichung

>Top, >Modell


Con la ley de Fick, el flujo de granos y la estimación de la diferencia de concentraciones se obtiene la ecuación

\displaystyle\frac{ dV_g }{ dt } = -D\displaystyle\frac{ W L }{ L_d }\displaystyle\frac{ V_g }{ V_{MOG} }

Q_g = - D * A * ( C_2 - C_1 )/ L_g Q_g = dV_g / dt C_2 - C_1 = V_g / V_MOG dV_g / dt = -D * W * L * V_g /( L_g * V_MOG ) V_gf = V_gi * exp( - D * W * L * t /( L_g * V_MOG )) mt = V_MOG / t G_f = G_i * exp( D * W *rho_MOG * L /( L_d * mt ))

ID:(12866, 0)



Volumen de granos en el tiempo

Gleichung

>Top, >Modell


La solución de la ecuación del volumen de granos es de la forma

V_{gf} = V_{gi} e^{- D W L t / L_g V_{MOG} }

Q_g = - D * A * ( C_2 - C_1 )/ L_g Q_g = dV_g / dt C_2 - C_1 = V_g / V_MOG dV_g / dt = -D * W * L * V_g /( L_g * V_MOG ) V_gf = V_gi * exp( - D * W * L * t /( L_g * V_MOG )) mt = V_MOG / t G_f = G_i * exp( D * W *rho_MOG * L /( L_d * mt ))

ID:(12867, 0)



Tasa de alimentación de MOG

Gleichung

>Top, >Modell


La tasa de alimentación de MOG nos permite estimar el tiempo ya que

\dot{ m } =\displaystyle\frac{ V_{MOG} }{ t }

Q_g = - D * A * ( C_2 - C_1 )/ L_g Q_g = dV_g / dt C_2 - C_1 = V_g / V_MOG dV_g / dt = -D * W * L * V_g /( L_g * V_MOG ) V_gf = V_gi * exp( - D * W * L * t /( L_g * V_MOG )) mt = V_MOG / t G_f = G_i * exp( D * W *rho_MOG * L /( L_d * mt ))

ID:(12868, 0)



Masa final de granos

Gleichung

>Top, >Modell


Como la masa de granos es proporcional al volumen de granos se tiene que la solución del volumen de granos con la tasa MOG da un volumen de granos de

G_f = G_i e^{ D W \rho_{MOG} L / L_g \dot{m} }

Q_g = - D * A * ( C_2 - C_1 )/ L_g Q_g = dV_g / dt C_2 - C_1 = V_g / V_MOG dV_g / dt = -D * W * L * V_g /( L_g * V_MOG ) V_gf = V_gi * exp( - D * W * L * t /( L_g * V_MOG )) mt = V_MOG / t G_f = G_i * exp( D * W *rho_MOG * L /( L_d * mt ))

ID:(12869, 0)



Perdidas en el proceso

Bild

>Top



ID:(12862, 0)