梅潇¹， 江川¹， 袁本森²， 强海燕¹

1.上海海事大学 物流工程学院， 上海 201306；2. 上海亿博机电设备有限公司， 上海 201401

引用格式：

梅潇， 江川， 袁本森， 等. 多形态散料离散元参数的协同标定方法与验证［J］. 中国粉体技术， 2026， 32（5）： 1-13.

Mei Xiao， Jiang Chuan， Yuan Bensen， et al. Collaborative calibration method and verification of discrete element parameters for multi-morphology bulk materials［J］. China PowderScience and Technology， 2026， 32（5）： 1-13.

DOI：10.13732/j.issn.1008-5548.2026.05.013

收稿日期： 2026-02-16， 修回日期： 2026-05-07， 上线日期： 2026-06-16。

基金项目： 国家自然科学基金项目，编号 ：52502447；上海市浦江人才计划项目，编号：21PJ1404600。

第一作者： 梅潇（1974—），女，副教授，博士，硕士生导师，研究方向为港口起重机械与运输机械的失效分析与机制。E-mail：xiaomei@shmtu.edu.cn。

摘要： 【目的】 建立一套适应多种类和形态的物料的离散元参数协同标定方法，构建高保真散料参数数据库。 【方法】 通过物理实验测量各种类和形态的物料的粒径分布、休止角和堆积密度；根据物理实验实测参数和待标定参数范围，采用颗粒缩放模型确定离散元仿真试验所需的仿真参数值；通过Plackett-Burman试验、最陡爬坡试验、Box-Behnken试验以及回归方程进一步确定最优参数组合；根据最优参数组合进行仿真试验，确定仿真休止角和仿真堆积密度，确定与物理实验测定值之间的仿真误差，实现对离散元参数标定方法的验证。 【结果】 在建立颗粒状、粉尘状和混合状散料的离散元颗粒模型时，黄豆、玉米、小麦和水稻缩放因子为1，粉煤灰、石灰粉、硫酸铵及散煤样品缩放因子为5。散料与散料之间的滚动摩擦系数对不同种类散料的休止角的影响率为66.1%~99.7%，显著高于泊松比、切变模量、散料与散料之间的恢复系数、散料与钢之间的恢复系数、散料与钢之间的滚动摩擦系数、JKR（Johnson-Kendall-Roberts）表面能等参数的影响率，JKR表面能对粉尘状物料的影响率为12.9%~20.9%。各散料回归模型的决定系数R²均大于0.95，信噪比均大于4。仿真休止角与实验值的相对误差均小于3%，仿真堆积密度与实验值的相对误差均小于7%。 【结论】 休止角回归模型拟合度良好，各散料的仿真堆积轮廓与实验堆积形态高度吻合，所标定的参数能够准确复现真实散料的宏观流动行为。

关键词： 多形态散料； 颗粒缩放理论； 离散元参数； 休止角； 堆积密度； 参数标定

Abstract

Objective Based on physical experiments and simulation tests， a collaborative calibration method for discrete element parameters is established for materials with different types and morphologies， and the particle scaling effect is taken into account. A high-fidelity parameter database for bulk materials is also constructed.

Methods The particle size distribution， angle of repose， and bulk density of materials with different types and morphologies were measured through physical experiments. Based on the measured parameters and the ranges of the parameters to be calibrated， a particle scaling model was used to determine the simulation parameter values required for discrete element simulation tests. The optimal parameter combination was further determined using Plackett-Burman tests， steepest ascent tests， Box-Behnken tests， and regression equations. Simulation tests were then conducted using the optimal parameter combination to determine the simulated angle of repose and bulk density. The simulation error between the simulated and experimental values was calculated to validate the calibration method for discrete element parameters.

Results and Discussion When discrete element particle models were established for granular， powdery， and mixed bulk materials， the scaling factor λ was set to 1 for soybean， maize， wheat， and paddy rice， whereas it was set to 5 for fly ash， lime powder， ammonium sulfate， and loose coal samples. The influence rate of the rolling friction coefficient between bulk materials on the angle of repose of different bulk materials was approximately 66.1%-99.7%， which was significantly higher than those of Poisson’s ratio， shear modulus， restitution coefficient between bulk materials， restitution coefficient between bulk material and steel， rolling friction coefficient between bulk material and steel， and JKR （Johnson-Kendall-Roberts） surface energy. The influence rate of JKR surface energy on powdery materials was approximately 12.9%-20.9%. The coefficients of determination （R²） of the regression models for all bulk materials were greater than 0.95， and the signal-to-noise ratios were greater than 4. The relative error between the simulated and experimental angles of repose was less than 3%， and that between the simulated and experimental bulk densities was less than 7%. The relative errors between simulated and experimental bulk density and angle of repose of all bulk materials were within a reasonable range.

Conclusion The angle-of-repose regression model shows a good fit and can accurately predict the variations in the angle of reposewith significant influencing factors. The bulk density simulation test effectively reproduces the experimental process of bulk materials from the initial state through falling to final deposition state. The simulated deposition profiles of all bulk materials are highly consistent with experimental deposition morphologies， indicating that the calibrated parameters can accurately reproduce the macroscopic flow behavior of real bulk materials and that the parameter values are reasonable and reliable.

Keywords： multi-morphology bulk material； particle scaling theory； discrete element parameter； angle of repose； bulk density； parameter calibration

参考文献（References）

［1］Pezo M， Pezo L， Lončar B， et al. Granular flow in screw conveyors： a review of experiments and discrete element method （DEM） studies［J］. Powder Technology， 2025， 459： 121040.

［2］Sun Hongyuan， Ma Huaqing， Zhao Yongzhi. DEM investigation on conveying of non-spherical particles in a screw conveyor［J］. Particuology， 2022， 65： 17-31.

［3］Zhang Junqi， Chen Xiaobin， Zhang Jiasheng， et al. DEM investigation of macro- and micro-mechanical properties of rigid-grain and soft-chip mixtures［J］. Particuology， 2021， 55： 128-139.

［4］韩伟， 王绍宗， 张倩， 等. 基于JKR接触模型的微米级颗粒离散元参数标定［J］. 中国粉体技术， 2021， 27（6）： 60-69.

Han Wei， Wang Shaozong， Zhang Qian， et al. Calibration of discrete element parameters for micron particles based on JKR contact model［J］. China Powder Science and Technology， 2021， 27（6）： 60-69.

［5］朱永乐， 马征， 卢中华， 等. 基于DEM的非连续折边螺旋输送机谷物颗粒群高效输运研究［J］. 智能化农业装备学报（中英文）， 2025， 6（4）： 84-90.

Zhu Yongle， Ma Zheng， Lu Zhonghua， et al. Research on efficient transport for grain particle groups in non-continuous folded edge spiral conveyors based on DEM［J］. Journal of Intelligent Agricultural Mechanization （in Chinese and English）， 2025， 6（4）： 84-90.

［6］李明月， 钱付平， 马骁， 等. 基于EDEM钢渣颗粒堆积角的颗粒接触参数标定［J］. 中国粉体技术，2026， 32 （3）： 1-10.

Li Mingyue， Qian Fuping， Ma Xiao， et al. Calibration of particle contact parameters based on steel slag particle stacking angle using EDEM［J］. China Powder Science and Technology， 2026， 32（3）： 1-10.

［7］蓝莹， 刘兆祥， 李培茂， 等. 基于JKR黏结模型的木薯渣离散元仿真参数标定［J］. 西北工程技术学报， 2025， 24（1）：15-22.

Lan Ying， Liu Zhaoxiang， Li Peimao， et al. Parameter calibration of cassava pomace discrete element simulation based on JKR bonding model［J］. Journal of Northwestern Engineering Technology， 2025， 24（1）： 15-22.

［8］Mei Xiao， Wu Weirong， Liu Xiangwei. Research on discrete element parameter calibration of coal based on similarity theory［J］. IET Conference Proceedings，2023（49）： 223-230.

［9］李永祥， 李飞翔， 徐雪萌， 等. 基于颗粒缩放的小麦粉离散元参数标定［J］. 农业工程学报， 2019， 35（16）： 320-327.

Li Yongxiang， Li Feixiang， Xu Xuemeng， et al. Parameter calibration of wheat flour for discrete element method simulation based on particle scaling［J］. Transactions of the Chinese Society of Agricultural Engineering， 2019， 35（16）： 320-327.

［10］李铁军. 煤颗粒离散元模型宏细观参数标定及其关系［D］. 太原： 太原理工大学， 2019： 31-43.

Li Tiejun. Calibration of DEM model parameters for coal particles and research on relationships between macro and micro parameters［D］. Taiyuan： Taiyuan University of Technology， 2019： 31-43.

［11］GB/T 35017—2018 连续搬运设备 散状物料分类、符号、性能及测试方法［S］.

GB/T 35017—2018 Continuous handling equipment： classification， symbols， properties and test methods for bulk materials［S］.

［12］黄文秀. 散体物料力学［M］. 北京： 机械工业出版社， 1993： 159-161.

Huang Wenxiu. Mechanics of bulk materials［M］. Beijing： China Machine Press， 1993： 159-161.

［13］Feng Y T， Loughran J. On upscaling of discrete element models： similarity principles［J］. Engineering Computations， 2009， 26（6）： 599-609.

［14］E Silva B B， Da Cunha E R， De Carvalho R M， et al. Modeling and simulation of green iron ore pellet classification in a single deck roller screen using the discrete element method［J］. Powder Technology， 2018， 332： 359-370.

［15］陈汝广， 王光辉. 颗粒物料力学与工程［M］. 北京： 科学出版社， 2009： 20-22.

Chen Ruguang， Wang Guanghui. Mechanics and engineering of granular materials［M］. Beijing： Science Press， 2009： 20-22.

［16］谢仁海， 渠天祥， 钱光谟. 构造地质学［M］. 2版. 徐州： 中国矿业大学出版社， 2007： 47-49.

Xie Renhai， Qu Tianxiang， Qian Guangmo. Tectonics［M］. 2nd ed. Xuzhou： China University of Mining & Technology Press， 2007： 47-49.

［17］Chen Zhengpu， Wassgren C， Veikle E， et al. Determination of material and interaction properties of maize and wheat kernels for DEM simulation［J］. Biosystems Engineering， 2020， 195： 208-226.

［18］曾国熙， 顾尧章， 吴建平. 粉煤灰的动剪切模量［J］. 岩土工程学报， 1985， 7（5）： 1-9.

Zeng Guoxi， Gu Yaozhang， Wu Jianping. Dynamic shear moduli of fly ashes［J］. Chinese Journal of Geotechnical Engineering， 1985， 7（5）： 1-9.

［19］邹洋， 汤佟， 高自成， 等. 基于颗粒缩放理论的生石灰粉离散元参数标定［J］. 中国粉体技术， 2023， 29（2）： 81-91.

Zou Yang， Tang Tong， Gao Zicheng， et al. Discrete element parameter calibration of quicklime powder based on particle scaling theory［J］. China Powder Science and Technology， 2023， 29（2）： 81-91.

［20］Carpenter M A， Costa M B， Nataf G F， et al. Strain-coupling and relaxation dynamics in multicaloric ammonium sulphate （NH₄）₂SO₄［J］. Physical Review Materials， 2023， 7（8）： 083601.

［21］唐福元， 冯家畅， 程绪铎. 大豆籽粒弹性模量的测定与研究［J］. 粮食储藏， 2015， 44（5）： 6-9.

Tang Fuyuan， Feng Jiachang， Cheng Xuduo. Determination and study on the elastic modulus of soybean seeds［J］. Grain Storage， 2015， 44（5）： 6-9.

［22］丁林峰， 李耀明， 徐立章. 稻谷压缩试验的接触力学分析［J］. 农机化研究， 2007， 29（12）： 112-115.

Ding Linfeng， Li Yaoming， Xu Lizhang. Contact mechanics analysis of paddy rice compression test［J］. Journal of Agricultural Mechanization Research， 2007， 29（12）： 112-115.