质量预测控制

质量预测控制（精选7篇）

质量预测控制 篇1

在卷烟产品质量管理活动中, 经常利用回归分析来研究质量特性之间的关系变化情况, 这是一种有效的统计分析方法。通过一元线性回归方程的应用, 不仅可以对质量情况分析、质量管理控制、质量改进等进行分析研究, 也可以对生产经营过程中的卷烟质量进行预测和管理。此外, 也可以将回归分析巧妙地运用与生产管理能力、产品质量特性研究、生产试验或校验、产品失败概率和经营过程失效等的模型建设、识别过程中, 并对其中的重要生产要素以及其特性进行评价, 并以此来预测试验结果等。通过对相关文献的研究, 不难发现回归分析多用于质量管理和质量预测控制方面, 在本文的研究中, 尝试将回归分析运用于卷烟质量预测控制中来提高卷烟擀的预测控制准确度。

一、数据采集以及初步分析

本研究是研究卷烟 (滤棒) 单支重与吸阻 (压降) 及硬度间的关系, 为卷烟质量预测控制提供依据, 采集了河南中烟工业责任有限公司卷包车间和滤楱成形车间的检测数据。为提高卷烟质量预测控制的精确度, 提高回归分析的科学性。进行回归分析前, 我们对卷烟单支重、吸阻和硬度指标等原始数据的散列分析以及数据相关性进行了分析。并由这些数据所得的卷烟 (滤棒单支重与吸阻 (压降) 及硬度间的散布图。

通过对以上数据的定性分析, 试验结果表明, 卷烟的单支重和吸阻存在着极显著线性关系 (相关性系统r=0.6324, 显著性水平a=0.02) , 而单支重与硬度之间相关性性减弱r=0.1878, 不能用于进行回归分析预测以及产品质量控制分析;滤棒的单支重与压降间相关性增强 (r=0.7253, 显著性水平为a=0.01) , 然而滤棒的单支重与硬度间的相关性并不显著 (r=0.1664) , 不能用于进行回归分析预测和产品质量控制分析。

二、回归方程的建立

当两个变量线性相关性增强进, 可以建立两者之间的线性回归方程。从以上的分析中不难得出卷烟产品质量的单支重与吸阻之间的回归方程为:y1=-871.0023+1.9932χ1, 决定系数R2=0.39987;滤棒单支重与压降回归方程为:y2=-3048.432+7.9932χ1, 决定系数R2=0.5801。由相应的回归方程、回归系统的显著校验以及回归系统的区间估计不难看出。以上的两个回归议程以及回归系统均达到了极其显著的水平。所以说回归分析有效。

三、利用回归议程对卷烟产品质量进行预测和精度控制

(1) 卷烟质量预测中回归分析方法的应用。

根据以上对回归分析方程的分析。卷烟的单支重每增加1mg, 那么吸阻增加1.9932Pa;滤棒单支重每增加1mg, 那么压降增加7.9932Pa, 如果将卷烟的单支重控制在900mg时, 那么可以预测出该烟支的吸阻为980.3243Pa, 在显著性水平a=0.05时, 吸阻的预测区间为 (899.3242, 1102.058) Pa;若控制滤棒单支重为742mg, 那么可以预测出滤棒的压降为3384.238Pa, 当显著性水平达到a=0.05时, 压降的预测区间为 (3302.323, 3400.123) Pa.

(2) 卷烟质量控制中回归分析方法的应用。

卷烟质量控制可以看作是对预测补充或者说是反问题。假如吸阻的标准指标为 (yn, ym) 间合格, 现在为了保证以1-a的概率合格, 就要确定变量x的范围。想要解决这个问题, 就要对使用近似的区间确定自变量X的范围。如公司这样规定, 某型号卷烟的吸阻范围为899~1287Pa, 滤棒的压降范围为3214~3687Pa, 若选择使用显著性水平a=0.05, 那么烟支的单支重χ1控制区间为900~1005mg;滤棒单支重χ2控制区间为726~786mg。而根据公司生产规定。某型号单支重范围为700~778mg, 所以在质量控制过程中, 需要调整单支重的范围为889~946mg。通过将制定的单支重控制范围报送到机台, 然后通过相关操作人员的控制从而确保卷烟和滤棒的物理指标能够达到相应的标准允差范围内。

需要补充的的是, 本文的研究是基于其它条件达到理想状态下而作出的回归分析, 根据实际生产条件, 如果其中任何一个发生变化, 则需要重新考虑, 并建立回归议程进行预测与控制。

参考文献

[1]张奎, 杨汉:《回归分析在卷烟物理指标设计优化中的应用》[J], 《湖北烟草》, 2012年01期[1]张奎, 杨汉:《回归分析在卷烟物理指标设计优化中的应用》[J], 《湖北烟草》, 2012年01期

[2]尤长虹, 陈光明, 《滤棒质量控制和评价方法的研究》[J], 《烟草科技》;2003年02期[2]尤长虹, 陈光明, 《滤棒质量控制和评价方法的研究》[J], 《烟草科技》;2003年02期

[3]刘穗君, 王玉建:《运用显著性分析探讨卷烟质量与吸阻相关性》[J], 《安徽农学通报 (下半月刊) 》;2009年16期[3]刘穗君, 王玉建:《运用显著性分析探讨卷烟质量与吸阻相关性》[J], 《安徽农学通报 (下半月刊) 》;2009年16期

[4]何晓群:《应用回归分析》 (第三版) [M], 中国人民大学出版社;2011年第一版[4]何晓群:《应用回归分析》 (第三版) [M], 中国人民大学出版社;2011年第一版

[5]邹亮:《基于多元线性回归模型的怀化卷烟需求预测分析》[J], 《湖南烟草》, 2009年第S1期[5]邹亮:《基于多元线性回归模型的怀化卷烟需求预测分析》[J], 《湖南烟草》, 2009年第S1期

质量预测控制 篇2

针对上述精密零件过盈联接对质量及可靠性提出的要求,本文对过盈联接研究的可靠性及压装质量预测进行了综述。介绍了现有过盈联接可靠性预测及根据压装曲线判断压装质量的方法,并对这些方法进行了分析,提出了在理论与仿真研究、精密压装设备研制等目前所面临的问题和研究思路。

1过盈联接的可靠性

由于过盈联接的质量直接影响设备的性能和可靠性,所以预测它在使用过程中的可靠性显得尤为重要。

一般设计方法只从设计角度考虑,认为过盈联接件的各种失效形式之间是相互独立的。卢立新[2]等经过研究发现全面考察过盈联接的可靠性,除了考虑零件的强度外,还应考虑配合件间的相对滑动以及上述两类失效的相关性。

随着有限元分析的推广,对重要部件也有采用有限元方法确定其应力分布情况的,以求精确地确定过盈量。Gang Lei等[3]针对过盈联接传统设计方法的弊端,利用MARC有限元软件对翻斗车传动轴箱的过盈联接进行分析,并根据3σ原则计算合理的过盈量范围,这种方法确定的过盈量要比传统方法更准确。

上述研究主要是从设计角度出发,要求所设计的过盈联接达到预定的可靠度,但对最终形成的过盈联接的可靠度不能给出定量的评估和预测,这样设计给出的可靠度数据还存在可信度的问题。廖卫献[4]根据零件实际制造过程中实测数据来评价过盈联接的可靠性,可以对重要部件的使用可靠性进行定量评估。

除了过盈量以外,结合直径和结合长度对过盈联接的可靠性也有一定的影响。陈连[5]通过建立概率模型,研究了结合直径和结合长度的影响。结果表明,结合直径减小将导致最大极限过盈量的减小,结合长度减小将导致最小极限过盈量增加,两者都将降低配合联接的可靠性。

2过盈联接的质量控制

过盈联接的评价标准是配合面之间的摩擦力是否达到预定值,但是在完成过盈联接后,目前还无法在不破坏过盈联接的情况下,对实际摩擦力进行测量。基于上述原因,20世纪80年代,在传统压装方法的基础上,研制了集成控制与测量功能的压装机,采用最大压装力作为评价过盈联接产品质量的最终指标。但是在实际应用中发现过盈联接的压装过程,对产品的最终质量有很大影响,过盈联接的压装过程中不同位置的状况都可以通过压装曲线反映出来。因此通过压装曲线能够对压装质量进行评价。

2.1过盈联接的压装曲线分析

唐建湘等[6]对滚动轴承的压装曲线进行分析,得出判据(如图1、2所示)。图中的P1是单列轴承的最大压装力,P2是整个轴承的最大压装力。

由于在工作行程内,存在油缸爬行等因素的影响,实际压装曲线呈波浪形。但只要压力在0~P1和P1~P2之间呈逐渐上升趋势,并且压装曲线在0~P1和P1~P2之间两点连线的直线之上,就是合格曲线(如图1(a)所示)。压装过程中,在P1和P2压力值附近出现跳吨现象,但压装曲线仍在0~P1和P1~P2之间两点连线的直线之上,且仍呈上升趋势,其压装曲线仍可视为合格(如图1(a)所示)。压装曲线中出现压装力降低的现象(如图1(c)所示),这是由于压装力不稳定造成的,并非真正降低,仍可视为合格。若压装曲线出现多个平台(如图2(a)所示),这种现象说明轴承压装过程中出现爬行现象,压装曲线为不合格曲线。轴承压装到位后卸载过快,则出现图2(b)所示曲线,其保压时间不够,它的压装到位是由油压冲击造成的假象,所以也是不合格曲线。

压装过程中可能受到多种因素的干扰,对压装曲线产生影响,使得利用压装曲线判断压装是否合格变得困难,因此有必要对压装过程进行精确的控制。

2.2过盈联接的压装曲线预测

D Benuzzi等[7]研究出了一种简化的压力-位移曲线预测模型。首先,采用INSTRON公司的摩擦系数测量机测量火车轮对的摩擦系数,影响测量结果的因素包括表面粗糙度、材料组织结构、润滑、压装速度、环境因素;其次,根据测量结果确定了摩擦系数和接触压力之间的关系;再次,确定轮对几何结构、过盈量、材料特性;最后,根据简化模型预测压力-位移曲线。压力-位移曲线的预测步骤如图3所示。

该预测模型为

式中E-弹性模量,i-过盈量,R-过盈配合半径,r(z)-车轮外径。式中的z是过盈配合长度。Lj-过盈配合段的长度

此模型预测出的压力-位移曲线同有限元分析和实验得到的结果基本一致。但是它也存在一定的局限性,即压装过程中,过盈联接件的应力分布是不均匀的,有的部分已达到屈服极限产生塑性变形,还有的部分仍然处于弹性变形阶段,因此,该公式只适用于弹性变形阶段。

结束语

压装质量的预测与控制研究对于提高过盈联接质量、可靠性具有重要意义,本文着重对压装质量的预测与控制研究进行了综述。虽然精密零件压装质量的预测与控制的研究面临诸多困难,国内外的科学家与工程师们针对不同过盈联接的压装仍然提出了有效的质量预测与控制方法,展现出各自的优势和实用性。目前压装质量预测与控制研究中还存在很多问题,其中包括:

(1)多层过盈联接的可靠性计算。当构成过盈配合的包容件与其它零件形成过盈配合时,包容件也成为了被包容件,这类过盈联接,称为多层过盈联接,目前尚无较好的解决办法。在考虑各层过盈联接中联接件的强度、结合长度、直径的选取及过盈量的选取等因素的影响下,计算多层过盈联接组件整体的可靠性,揭示多层过盈联接间的相互影响,对过盈联接的可靠性设计有指导意义;

(2)过盈联接件内部应力对疲劳性能的影响。压装过程中,过盈联接件内部会产生一定的应力,该应力对疲劳裂纹的萌生和扩展的影响,以及进而对整个组件疲劳寿命的影响,目前还缺少深入研究。

(3)压装过程的精确控制与联接质量的准确预测。对联接质量的控制和准确预测依赖于对压装过程中压装力、压装位移和速度等参数的精确控制和测量。因此研制精密自动压装设备,并结合理论研究和有限元分析,根据压装曲线实现对压装质量的预测,另一方面,也能够根据被联接零件给出过盈量等参数和合理的压装工艺参数,即将过盈联接质量预测和压装参数预示等功能集成于压装设备,成为先进的制造装备。

此外,有限元法是分析过盈联接和压装过程的有效方法,能够克服仅依靠实验所得结果存在的盲目性,但对各种影响因素,如过盈量、摩擦系数、形状误差等的分析需要更加全面,计算更加准确,在有限元分析方法中需要综合考虑各种影响因素,如考虑到过盈联接过程中可能出现的塑性变形,需要对接触算法等进行研究。

摘要：对精密零件过盈联接可靠性预测和质量预测与控制的研究进行了回顾,介绍了它们的研究现状,以及目前常用的预测模型,并分析了各模型的适用范围。针对过盈联接的可靠性和压装质量预测与控制研究的特点和应用状况,简要分析了当前所面临的问题和研究方向。

关键词：过盈联接,精密装配,压装控制,压装质量预测

参考文献

[1]许定奇,孙宋文.过盈联接的设计、计算与装拆[M].北京:中国计量出版社,1992.

[2]卢立新,蔡莹.过盈联接的可靠性研究[J].现代机械,1996,(2):45-47.

[3]Gang LEI,Chunyan BAO,Qi CHEN,Jiming LIU.Study on the Reliability of the Interference Fit Base on the FEA[C].Reliability,Maintainability and Safety,2009.ICRMS 2009.8th International Conference on,2009,6(9):20-24.

[4]廖卫献.基于实测数据的过盈联接可靠性评定[J].机械设计与研究,2001,3(7):13-16.

[5]陈连.过盈联接可靠性设计研究[J].中国机械工程,2005,1(1):28-32.

[6]马富银,李金国,吴伟蔚.过盈堵塞油阀的可靠性研究[J].机械设计与制造,2011,6,(10):258-260.

[7]唐建湘,郝宗潮,李克明.铁路货车滚动轴承压装压力检测标准的研究[J].铁道技术监督,1999(2):8-11.

[8]D.Benuzzi and G.Donzella.Prediction of the press-fit curve in the assembly of a railway axle and wheel[J].Journal of Rail and Rapid Transit.2004.(18):51-65.

轨道质量状态预测方法 篇3

国内外对轨道几何不平顺发展的研究归纳为2类: (1) 直接对轨检车动态检测数据进行相关因素的回归分析, 得出预测公式; (2) 在理论分析基础上, 通过室内试验得到计算公式, 再进行现场验证。由于道床下沉机理复杂, 无法用一般理论分析和室内试验的方法替代, 且随着现代化轨检车、综合检测车等先进检测设备的广泛应用, 为获得大量的轨道状态真实信息提供了技术保证。因此, 利用各种轨道不平顺动态检测数据对轨道状态规律进行分析和预测逐步成为当前世界各国研究轨道不平顺发展的主要方法。

1 局部轨道不平顺预测模型

日本学者利用轨检车的长期实测资料, 通过数据统计分析, 进行了大量研究, 极具代表性的是S预测公式;日本杉山德平等学者利用轨检车实测的轨道几何不平顺资料, 分析了列车速度、轨道结构、路基构造、通过运量等因素对轨道不平顺发展的影响, 通过回归分析, 得到轨道高低不平顺的非线性预测公式;日本研究人员在杉山德平的回归公式基础上, 对近2年的轨检车资料分析, 得出每25m长的轨道最大高低不平顺增长为0.16~1.08mm/100 d。

随着我国高速铁路的陆续开通运营, 在保证安全、舒适的前提下, 充分利用高技术检测手段研究探索轨道平顺性的变化发展规律, 并加以预测应用, 以科学、经济地指导养护维修, 更具有重要的实际意义。中国铁道科学研究院研究人员选用合武高速有砟线路及郑西、武广高速无砟线路的大量有效检测数据进行了研究。为定量化高速铁路轨道不平顺的发展程度, 选用了轨道不平顺的发展率计算公式 (式1) 进行计算分析。

式中:S为轨道不平顺发展率, mm/100 d;xi为第i次读取数值;ti为从第1次检测到第i次检测的累计天数;N为有效检测次数。

分析可知, 所选取的样本点在2010—2011年的变化均较为稳定。郑西、武广高速铁路高低发展率平均值为0.13mm/100d, 轨向发展率平均值为0.09mm/100d;合武高速铁路高低发展率平均值为0.18mm/100d, 轨向发展率平均值为0.07mm/100d。说明高速铁路结构建设的高标准对轨道不平顺的发展起到了较好的控制作用。在进行预测评估时, 工务部门可基于轨道不平顺幅值的发展率预测不同线路的发展速度。

2 区段不平顺预测模型

轨道区段的平均质量指标一般是将轨道区段中所有测点测值作为轨道状态基本元素参与统计运算。由于轨道结构的加强、大型养路机械的推广应用及对线路高品质、高均衡性的维修要求, 提速线路和高速线路的养护维修越来越侧重于轨道质量指数 (TQI) 的应用与管理。因此, 对TQI随时间变化规律的分析与预测是了解和掌握区段轨道不平顺发展、指导大型养路机械维修的重要内容。

基于大量检测数据, 一般对TQI或单项标准差采用线性和非线性2种预测方法进行研究。

2.1 线性预测模型

由于运量和时间一般为线性关系, 因此, 预测时可用时间代替运量。线性预测公式如下:

式中:TQI0为初期轨道质量指数;K为斜率;t为时间。

设某一200 m单元区段长度内, 所选轨检车检测次数为N, 其轨道质量指数为Xi, 距第一次检测的累积天数为ti (i=1, 2, …, N) , 采用最小二乘法计算K和TQI0。

2.2 新型灰色预测模型

由于轨道系统的复杂性, 轨道不平顺的产生与发展是很多具有随机性因素共同作用的结果, 如通过总重、单位时间、载重量、速度、轨道条件、路基构造、温度变化等。国内外大多数轨道不平顺预测模型都无法量化所有相关因素, 极大影响了预测精度。结合国内外有砟轨道相关成果, 认为高速或提速线路有砟轨道运营过程中, 2次维修作业之间的区段线路在众多复杂影响因素的综合作用下, 轨道结构随使用时间的增加质量必然劣化, 然而各影响因素作用的不确定性和彼此间的消长使TQI的时间序列发展过程不仅含有恶化趋势成分, 还含有沿趋势曲线的随机波动成分, 波动幅度随影响因素的随机作用而不同, 自然态势的发展模式见图1。

可见, 在轨道不平顺发展中存在较多不确定因素情况下, 对预测方法的选择主要考虑既要符合轨道不平顺总体趋势发展特征, 也要表现出其随机特征。

由于灰色系统理论是一种研究少数据、贫信息不确定问题的新方法, 适应于环境系统的内部作用机制, 可以将环境系统内部不明确的、难以定量的灰色量以数学模型形式提出, 并运用时间序列数据确定微分方程参量。根据实际情况, 从系统工程角度出发, 选择灰色系统不确定性理论作为预测理论基础, 基于“白色信息”——TQI时间序列数据, 采用GM类预测模型将轨道不平顺系统内部不明确的、难以定量的灰色信息以数学模型形式提出, 对轨道不平顺的未来状态作出科学的定量分析和预测。

设维修周期内所有TQI的时间序列为X={x (0) (t1) , x (0) (t2) , …, x (0) (tn) }, 其中x (0) (t1) 代表轨道质量稳定后的初始质量, 经过对传统核心灰色模型的一系列优化和修正, 新型灰色预测模型分为趋势预测和随机预测两部分。

趋势项序列 预测公式如下:

设其去除趋势项后的残差序列为:

考虑轨道不平顺发展中存在一系列周期性随机因素作用, 基于残差序列利用一系列周期组合波动模型进行模拟, 则随机项序列预测公式如下:

注: (1) 黑色实线为检测数据;黑色虚线为预测数据; (2) 各维修周期时间为相对时间。

则组合模型为:X=X (0) +Q。 (10)

根据灰色预测理论, 发展系数a (t) 反映灰色系统的规律发展趋势, 灰色作用量u (t) 反映整个系统行为模式的变化。因此, 结合式 (5) 可认为a (t) 、u (t) 决定了系统的主要趋势发展进程, 是灰色系统最重要的辨识参数。另外, 初值x (0) (t1) 在TQI时间序列中作为第一个元素, 代表了轨道质量系统发展的基点, 与大型养路机械 (简称大机) 维修后不久的初始质量意义吻合。因此, 整个轨道质量系统趋势发展可看作是由系统辨识参数a (t) 、u (t) 控制、基于x (0) (t1) 初始值的非线性时程函数。根据式 (7) — (10) , 轨道不平顺系统的随机波动发展也可看作时间函数。在具体轨道质量系统波动项计算过程中, 基于残差数列Q可得到函数q1 (ti) 和q2 (ti) 的参数h0、hj、lj、A、T及α、β、m0值。

因此, 对于组合模型来说, 随着这一系列辨识参数的确定, 整个轨道质量系统随机波动项的时程函数便可确定。

2.3 实例预测与比较

为比较说明线性预测和新型灰色预测效果, 取合武高速铁路一组TQI实测数据进行预测说明。新型灰色预测模型和线性模型拟合与预测效果对比见图2。

图2中除TQI实测值外, 分别采用线性拟合方法、新型灰色预测模型的趋势项模型和考虑了随机项的组合预测模型。可以看出, 相比线性模型, 新型灰色趋势项模型能够较好地提取和预测轨道不平顺发展趋势。加入随机项后, 能够更为合理地模拟TQI时间序列波动性的发展过程, 预测效果也较好。

3 轨道质量周期预测模型

轨道质量周期预测方法的研究对于宏观判断轨道结构状态、确定养护维修工作重点、延长轨道结构使用寿命有着重要的意义。在轨道不平顺的长期发展过程中, 工务部门一般采用大机对线路轨道不平顺发展较快的区段进行捣固和稳定作业。由于大机作业的改善效果非常明显, 可将轨道质量寿命划分为不同的维修周期。研究表明, 大机维修后的轨道不平顺系统会以改善后的初始质量重新进入新的发展周期, 可延长整个轨道结构的生命周期。

欧盟轨道养护维修管理系统 (Ecotrack) 的轨道结构生命周期模型中, 把轨道质量恶化过程分为快速恶化 (道床初始稳定期) 、线性恶化和快速恶化 (已超限, 不允许出现) 3个阶段 (见图3) 。进行轨道状态预测时, 主要对轨道质量线性部分的测量数据进行分析, 通过用测得的点和线性外推预测不同维修周期的轨道质量变化值。但实测数据表明, 轨道质量的发展并不完全是线性的, 非线性更符合轨道状态实际发展规律。

新型灰色预测模型是一种针对TQI时间序列发展较好的非线性预测模型, 以新型灰色非线性预测模型为基础, 进行轨道质量生命周期预测方法的探索研究。通过研究, 建立的轨道质量状态发展与修复模型见图4。

通过大机捣固来改善轨道质量, 在很多情况下, 捣固机械在垂向和轨道平面都能将轨道几何参数减小到一个相对稳定的水平。但捣固车不能改变恶化率, 只能延缓平顺性的恶化。因此, 有砟轨道每次捣固作业后不管校正效果如何, 当前的大机作业方法仍无法完全改变区段线路的结构特性, 改善后轨道不平顺系统的发展基本按照前一维修周期的发展态势进行, 这种关系称为轨道质量发展的“相关性”。

新型灰色非线性预测模型是基于对已知维修周期内TQI时间序列的趋势成分和随机成分的合理模拟而建立的, 所挖掘出的一系列辨识参数可表征轨道质量状态随时间发展变化的内在属性。因此, 将已知维修周期内TQI时间序列挖掘出的时程函数参数作为预测维修周期内TQI发展的特征参数, 在已知改善后的初始质量或大机作业效率KG (捣固前末期轨道质量/捣固后初始质量) 的前提下, 便可建立轨道质量不同维修周期的预测模型, 建模思路见图5。

根据工务部门的维修资料, 采用某200~250 km/h速度等级的提速干线上行检测数据进行验证分析。利用第Ⅰ维修周期的末期轨道质量和第Ⅱ维修周期的初始质量计算得到大机作业效率KG=4.328/5.658≈76%, 并假设为恒定值应用在第Ⅲ维修周期。根据第Ⅰ维修周期的实测TQI时间序列, 预测得到第Ⅱ、Ⅲ维修周期的TQI发展, 第Ⅱ、Ⅲ维修周期的实测值与预测值比较见图6。可见, 虽然部分预测值较实测值存在稍许偏差, 但在一定精度范围内, 模型还是较为合理地预测了第Ⅱ维修周期内TQI的趋势发展变化, 由于大机作业效率KG设为恒定值导致了第Ⅲ周期存在一定误差。而实际情况中, 经过大机捣固作业后的轨道状态改善关系并不一定恒定, 这也是影响模型预测精度的重要原因。目前, 我国在这方面的研究成果相对较少, 为使预测模型更加符合线路实际发展规律, 有必要对大机作业前后的轨道状态改善理论进行深入研究。

4 结论

预测轨道质量状态的发展与变化规律是实行预防性计划维修体制的关键技术, 对于科学实施轨道养护维修具有重要的实际意义。利用大量轨检数据对局部和区段轨道不平顺预测模型分别进行研究。局部轨道不平顺通过幅值点计算每百天变化率, 可为工务部门提供统计意义上的评估指标;区段轨道不平顺基于TQI时间序列, 通过建立线性回归预测模型和新型灰色非线性预测模型进行研究, 新型灰色非线性预测模型不仅在理论意义上符合轨道不平顺系统的发展, 还具有较好的拟合预测精度, 为解决轨道系统内部信息的不确定性因果关系提供了新的方法, 在此基础上建立的轨道质量周期预测模型较为合理地预测各维修周期内轨道质量的发展趋势, 可为研究轨道质量周期预测模型提供一种新思路。

参考文献

[1]许玉德.轨道不平顺预测理论及辅助决策系统的研究[D].北京:北京交通大学, 2003

[2]许玉德, 李海峰, 周宇.铁路轨道高低不平顺的预测方法[J].同济大学学报, 2003, 31 (3) :291-295

[3]许玉德, 吴纪才.利用线性预测模型分析轨道不平顺发展[J].石家庄铁道学院学报, 2005, 18 (3) :6-9

[4]陈宪麦, 王澜, 杨凤春, 等.用于铁路轨道不平顺预测的综合因子法[J].中国铁道科学, 2006, 27 (6) :27-31

[5]王建西, 李海锋, 许玉德.基于概率分布推移变化的铁路轨道几何状态评价与预测方法[J].中国铁道科学, 2008 (5) :31-34

[6]曲建军, 高亮, 张新奎, 等.灰色GM (1, 1) 非等时距修正模型在轨道质量预测中的应用[J].中国铁道科学, 2009, 30 (3) :5-8

[7]曲建军, 高亮, 田新宇.基于灰色理论的轨道几何状态中长期时变参数预测模型的研究[J].铁道学报, 2010, 32 (2) :55-59

[8]罗林, 张格明, 吴旺青, 等.轮轨系统轨道平顺状态的控制[M].北京:中国铁道出版社, 2006

[9]Rivier RE, Korpanec I.ECOTRACK:a Tool to reduce the Life Cycle Costs of the Track, Proceedings of the World Congress on Railway Research[J].Florence, 1997 (11) :289-295

[10]Jovanovic S, Esveld C.ECOTRACK:An objective condition-based Decision Support System for longterm track M&R Planning directed towards reduction of Life Cycle Costs[C].7th lnternational Heavy Haul Conference, Brisbane, Australia, 2001

[11]刘思峰, 党耀国, 方志耕.灰色系统理论及其应用[M].北京:科学出版社, 2007

影响盈余预测质量的因素分析 篇4

财务分析师的盈余预测信息通过向资本市场和广大投资者传递会计信息, 影响着投资者的投资决策和市场的资源配置。盈余预测的质量也日益成为研究的焦点。

依据先前金融和会计学者研究结论, 笔者认为可以从3个范畴来定义盈余预测质量, 它们是:预测的精确性、预测的偏差和预测效率。预测的精确性指标是指财务分析师的盈余预测的期望值;预测的偏差指标是指盈余预测的离差;而预测效率指标是指预测过程中盈余预测的收益与成本的权衡。

对应于不同的范畴, 我们可以将影响盈余预测质量的因素归纳为以下4个变量:会计信息质量、盈余可预测性、财务分析师专业胜任能力和激励机制。

一、会计信息质量

首先, 会计信息是影响盈余预测质量的重要基础因素。由于市场的差异性和投资者的多元化受制于会计信息生成成本, 会计信息必须按照统一的会计规范, 即统一的会计准则, 并由此生成统一的财务报告。统一规范的财务报告在一定程度上无法满足使用者的多元化需求, 因此, 会计准则制定机构和证券监管部门允许多元化的财务披露形式和多渠道的会计信息来源的存在。也正如此, 财务分析师的盈余预测服务日益成为会计信息来源之一。会计信息质量不仅决定着财务分析师的盈余预测质量和精确性, 反过来, 盈余预测结果也将作为会计信息的重要来源, 对会计信息质量形成重要影响。

其次, 会计信息的生产方式也构成了财务分析师盈余预测质量要求的必要条件。会计信息的生产方式可以分为:1.提供“更优信息”, 即在现存的历史成本为基础的报告中, 添加更多的细节。例如提供新的或者经过扩展的附注披露、分部报告等。2.提供“额外信息”, 额外信息是指那些历史会计信息系统中尚未涵盖的项目。例如提供财务分析师盈余预测信息、公允价值计量信息、管理当局的讨论分析书等未来导向的财务信息等。3.增强“可靠性”, 对会计系统来说, 越可靠的会计信息越值得信赖。例如, 能与财务分析师盈余预测相吻合的管理层预测和信息披露更具可靠性和可信性。盈余预测信息不仅是一种形式上“额外信息”, 有质量的盈余预测更是一种“更优信息”, 加强了财务报告所蕴含会计信息的质量特征。

二、盈余可预测性

盈余预测的质量依赖于上市公司盈余可预测性。会计系统中, 主要有两个方面会影响盈余的可预测性:一是应计项目的计量方法;二是会计信息的披露。

一方面, 应计项目计量方法的差异会影响盈余的可预测性, 当管理者选择那些能更好代表公司当前和未来业绩的会计计量方法时, 就会提高盈余的可预测性;反之, 当应计项目处理方法反映了资产或负债的市场价值的某些不确定的变化时, 就会减弱盈余的可预测性。可见会计程序选择的灵活性会影响盈余的可预测性, 这取决于企业管理者通过暂时性和异常会计应计项目进行盈余管理的动机。

另一方面, 会计信息的披露也会影响盈余的可预测性, 特别是盈余信息披露的及时性。企业年报的信息披露的“量”的水平与盈余预测的精确性之间是存在正相关关系的。当盈余信息披露及时性不够强的时候, 市场对上市公司信息披露的“量”的要求也就变得更高。另外, 盈余及时性本身也是不对称的, 这主要表现在:盈余披露在市场出现利空消息时要比出现利好消息时表现得更及时性。原因之一是消极的盈余信息比积极的盈余信息对市场的影响要更剧烈也更短暂。

三、财务分析师专业胜任能力与激励机制

财务分析师的盈余预测实际上是一种对上市公司财务或非财务信息进行收集、整理、加工、输出、解释等的一系列工作的集成。每个信息处理的步骤都直接或间接的影响着财务分析师的盈余预测质量。具体而言, 财务分析师应该具有至少3个方面的基本能力:一是财务报告的解释能力。会计系统日渐复杂, 要求分析师能够理解、综合和解释会计数据, 并能够结合非财务信息, 使上市公司的财务信息更具可读性和可理解性。这一过程需要财务分析师具有扎实的会计、金融知识和良好的数据分析能力。二是财务预测能力。分析师要从纷繁复杂的会计信息中, 运用专业经验, 处理财务数据, 向投资者提供准确、及时、客观、独立的盈余预测结果。三是决策咨询能力。除了财务分析师的盈余预测信息为投资者提供价值外, 还会根据部分投资者和企业管理者的要求提供其它经营和投资决策咨询服务, 例如研究企业运营信息、股票发行、评价企业价值和稳健性、股票推荐等附加值服务。总之, 盈余预测过程是财务分析师的专业胜任能力、职业经验和职业道德操守的综合的结果。

财务分析师的专业胜任能力对盈余预测的质量影响不言而喻, 但激励机制直接影响财务分析师专业能力的发挥。活跃在资本市场中的财务分析师一般可以分成两类:卖方分析师和买方分析师。通常, 卖方分析师受雇于证券公司, 专为那些对股票投资感兴趣的投资者提供上市公司的盈余预测等相关投资服务, 他们一般都专注于研究某个特定行业股票;而买方分析师主要是为那些机构投资者和持有投资组合的中小投资者等。与卖方分析师不同的是, 买方分析师并不为公众投资者提供盈余预测等专业报告, 而是主要为他们的雇主买入并持有合适股权的决策提供信息。但是买方分析师在提供买入股权决策的信息时, 也会参考卖方分析师出具的盈余预测等专业报告, 用以评估拟买入股权的价值。买方和卖方分析师的不同职能暗示着其不同的激励动机和信息需求。本文只对卖方分析师的激励动机和行为特征进行分析。

对于卖方分析师而言, 其它博弈主体主要包括:卖方分析师受雇的券商、目标上市企业投资者及其管理者、潜在投资者。各主体的收益———成本函数不同, 表现出不同的激励行为特征。卖方分析师激励相容约束是其所发布的盈余预测报告为雇佣他的券商、目标上市企业投资者带来的收益要大于其为提高盈余预测的精确度而搜寻额外信息所付出的成本。目标上市企业投资者关注的是其股票市值。股票市值除受到宏观经济环境、企业个别风险等因素影响外, 也受到卖方分析师盈余预测质量的影响。盈余预测的质量不仅表达了卖方分析师的独立意见, 更是市场预期的集合, 是确定目标上市公司的股票价格和风险级别的重要依据。而卖方分析师的收益与其受雇的券商紧密联系。券商持有目标上市公司的股票, 一方面是其雇佣的分析师专业评估的结果, 同时也具有信号传递功能, 影响市场上其他券商和分析师的预测结论。目标上市公司的管理者关心的是其所持公司股权的价值和现金薪酬, 而这些收益的兑现有赖于业绩目标的实现, 特别是盈余目标的实现。可以见得, 管理者与分析师的利益既有关联又有区别, 许多高级管理者惯于通过所谓的分析师“吹风会”、证交所公告和投资者关系网站向分析师传递私人或公开信息, 以期主导分析师的盈余预测结论, 配合其业绩的实现。最后, 对于广大的投资者, 卖方分析师的盈余预测与上市公司年报、非财务信息等诸多信息为其提供了具有一定投资价值的预测信息。综上所述, 卖方分析师的盈余预测信息的质量会影响到各交易主体的投资决策, 提高其预测的质量有利于增强市场的有效性。

摘要：本文系统地分析了影响财务分析师盈余预测的主要因素, 从会计信息质量、盈余的可预测性、财务分析师的专业能力和激励行为特征等4个方面论述了影响独立盈余预测质量的主要动因, 并指出只有通过改进会计信息系统及完善交易主体激励相容约束机制才能最终提高盈余预测的质量。

质量预测控制 篇5

新疆是我国最大的优质葡萄生产地区, 气候温和干燥, 昼夜温差大且日照充足, 非常适宜栽培葡萄, 无核白葡萄是新疆主要品牌产品之一。无核白葡萄又名无籽露, 无籽、味甘甜, 是鲜食、制干、制罐的兼用型品种, 因此进行无核白葡萄的品质检测成为提高其产后价格竞争力的有效方法之一。但是, 该地区果品的采后处理比较落后。由于鲜葡萄果皮薄、多汁、易受损, 采用传统的人工视觉分级, 不仅破坏葡萄的外部品质, 同时受主观因素影响, 不能很好地将葡萄有效鉴别出来, 从而不利于葡萄采摘后的标准化、市场化生产。随着自动化技术的不断提高, 基于机器视觉的图像处理技术成为有效实现鲜葡萄的快速无损检测主要技术手段之一。

目前, 对鲜葡萄品质检测主要是基于机器视觉技术的外部品质检测, 国内外学者已取得一定进展。主要研究有: 田锐等[1]采用机器视觉技术对葡萄穗的颜色进行检测, 检测紫色、红色葡萄的准确率接近90%曾庆兵等[2]采用机器视觉技术对重叠葡萄的果实直径进行检测, 采用对象标记以及分水岭变换法来分割图像, 测量的重复精度可达 ± 9μm; 陈英等[3]采用机器视觉技术对葡萄穗的颜色和形状进行检测, 采用基于RGB颜色空间进行颜色分级, 采用投影面积法及果轴方向投影曲线方法提取果穗形状, 颜色和大小形状分级的准确率分别为90% 和88. 3% 。王巧华等[4]发明了一种基于机器视觉的红提葡萄自动分级装置及其办法, 此发明通过提取RGB分量直方图、计算曲率角、 计算突变点等方法提取葡萄的颜色特征和大小。该分级装置对颜色判断准确率达96% , 大小判断正确率为85% 。Qingbing Zeng等[5]提出了一种在葡萄地可无触摸精确测量葡萄直径的光学方法, 采用双滤波器对灰度图像进行平滑, 可有效滤除噪声, 很好地保留原始图像的边界, 采用大津法阈值分割法获得分割图像, 对葡萄直径的检测可达到0. 7mm的重复精度。 Esteban Vazquez - Fernandez等[6]设计了一种基于机器视觉技术的葡萄自动检测和分级的系统, 采用基于HSV颜色空间的V平面高斯滤波的方法对光照度进行分配, 使光照在较广的范围内保持不变, 从而可获得葡萄的平滑图像; 其次采用Gabor滤波器进行图像分割, 然后采用人工神经网络方法和随机森林算法进行葡萄的分级, 准确率达94% 。可见, 目前对鲜葡萄的检测主要是基于颜色和形状大小特征, 其中基于颜色特征的分级准确率较高, 但是基于葡萄形状、颗粒大小和质量等特征的分级准确率较低。为此, 针对新疆无核白鲜葡萄, 采用机器视觉技术进行鲜葡萄穗质量预测, 从RGB图像中找到合适分割的分量或分量运算图像, 分析优选特征组合来预测其质量。

1材料与方法

1. 1材料

试验用样本均为从乌鲁木齐北园春水果批发市场购买的新鲜葡萄, 品种为无核白, 选取35串葡萄进行试验, 样本随机选取, 获得葡萄的外部特征信息。全部样本按3∶ 1比例随机分成建模集和预测集, 分别为26串和9串。

1. 2仪器设备

试验使用加拿大DALSA彩色三线阵CCD摄像机, 相机放于以白色遮光板为挡板的密闭光源箱内。 光源分别为科视自动化BL - 170 - 30 - W型LED灯和奥普特自动化OPT - LS562 - W型LED灯, 设置高度分别为20, 24cm, 角度分别为45°, 30°, 使摄像机能够充分吸收光源的光照, 达到拍摄时所需的最佳光照度。光源箱架于传送台上, 以便实现葡萄图像的在线采集。图像分析软件为Mat Lab R2008a。

1. 3图像采集

图像采集前进行设备调试, 确定最佳参数, 避免图像失真。首先, 需要调整摄像机的位置, 获得最佳工作距离为480mm; 调整相机的曝光时间为620ms; 调整行频为685, 使图像空间分辨率中水平分辨率与垂直分辨率相等, 其分辨率为2 048 /34 = 6. 0mm /pixel; 矫正相机的明场、暗场, 从而获得均匀光线; 背景选用白色卡纸, 便于背景图像分割。将葡萄穗水平放于输送带上, 果梗朝统一方向水平放置, 图像拍摄过程中每翻转120°拍摄1幅图片, 共105幅图片用于图像分析及特征提取。

1. 4方法

1. 4. 1图像预处理

提取RGB图像, 做G, B双通道分量加运算R + B, 如图1所示。对比无核白葡萄的R, G, B分量直方图以及G + B组合分量直方图可以看出: 直方图均表现为明显的双峰, 其中G + B分量直方图波峰波谷较明显且宽度较大, 优于R, G, B单分量直方图, 因此选用无核白葡萄G + B分量进行图像分析。此外, 采用传统的RGB图像转灰度图像、单分量图像和分量运算图像, 然后采用大津阈值分割、自适应阈值分割两种方法。结果表明, 直接转灰度图像和单分量图像和一些分量运算图像, 分割效果不佳; 而选用G + B运算图像分割效果较好。因此, 选择采用G + B运算图像用于后续分析。

采集图像过程中, 由于受到外部和内部干扰, 不可避免地会产生噪声, 增加了图像分割的难度, 本文首先采用3 × 3高斯低通滤波的方法滤除图像中的噪声; 其次采用Gamma变换调整图像灰度级的方法增强图像的灰度, 从而提高前景与背景的对比度。

1. 4. 2图像分割

图像二值化就是将图像上的像素点的灰度值设置为0或255, 即使整个图像呈现出明显的黑白效果。 将256个亮度等级的灰度图像通过适当的阈值选取从而获得可以反映图像整体和局部特征的二值化图像。 图像的二值化有利于图像的进一步处理, 使图像变得简单, 而且数据量减小, 能凸显出感兴趣的目标的轮廓, 从而有利于目标特征参数的提取。

大津法又称最大类间方差法[7], 由Ostu于1978年提出, 属于自适应阈值选取方法, 具有统计意义上的最佳分割阈值, 尤其适合于背景与目标的直方图具有双峰性质的图像分割。该方法采用类别方差来表征特征, 获得最优阈值T将图像分成A和B两部分。 迭代阈值分割同样适用于直方图具有双峰性质的图像, 该方法基于逼近的思想, 根据阈值T将图像分为前景和背景; 但对于直方图双峰不明显, 或图像目标和背景比例差异悬殊, 迭代法所选取的阈值不如最大类间方差法。

图像二值化的关键是阈值的确定, 本文对比大津法和迭代法分割图像的效果获得最优阈值, 利用所得阈值分割图像, 从而获得目标二值图像。进而采用数学形态学算法对图像进行优化, 消除部分阴影区域的影响, 滤除不必要的噪声, 以便获得最优特征参数。

1. 4. 3特征提取及质量预测模型

葡萄穗的质量指标与其图像的几何特征具有一定相关性, 提取二值图像中目标区域的几何特征, 包括面积、周长、长轴和短轴特征来预测葡萄穗的质量。 预测分析中, 分别采用单个特征和多种特征组合的方法建立一元线性回归模型、多元线性回归模型以及偏最小二乘回归模型, 对比模型的优劣, 获得预测葡萄穗的质量的较优模型。

2结果与分析

2. 1图像二值化

采用两种方法分割图像结果, 如图2所示。对比图2中两种算法分割无核白葡萄的效果, 可看出用大津法明显优于迭代法。用大津法分割的图像目标与背景间对比度较大, 分割效果更明显, 保留了较多有用图像特征信息, 有利于后续图像处理及目标区域特征的提取。从图2中可看出, 分割后的图像存在部分噪音影响, 可采用数学形态学运算[8]中的腐蚀和开运算进行滤波去噪, 从而获得较清晰的二值图像。

2. 2葡萄的质量预测

葡萄的质量与其面积、周长、密度、含水率等因素有关, 葡萄图像经预处理及二值化分割后的目标区域的面积 ( S) 、周长 ( L) 、长轴 ( A) 和短轴 ( B) 长度特征信息与葡萄的截面积相关, 因此可以选取这些特征参数来预测葡萄穗的质量。其中, 在图像采集过程中葡萄穗每翻转120°拍摄1幅图片, 因此每个角度拍摄的图片面积特征分别用S1, S2, S3表示。首先, 采用单个特征参数预测葡萄穗的质量, 经研究发现, 采用单个面积特征建立的一元线性回归模型可以预测葡萄穗的质量, 并且采用面积特征的预测结果优于其它3个特征; 其次, 基于一串葡萄的多个面积特征建立多元线性回归模型[9]; 再次, 采用面积分别与周长、长轴以及短轴长度相结合的方法建立多元线性回归模型和偏最小二乘回归模型[10]。对比模型的预测结果, 确定最佳预测模型。使用Mat Lab软件进行建模, 所得结果如表1、表2、表3所示。

从表1 ~ 表3中可看出: 无核白葡萄的几何特征与其质量具有相关性, 相关系数r2越接近于1时, 此方程回归性越好。表1中采用第一个面积特征建立的一元线性回归模型相关系数为92. 33% , 优于其它两个面的预测结果。从表2可以看出, 采用多个面积特征建立的多元线性回归模型可以较好预测葡萄穗的质量, 相关系数最高为92. 43% , 预测结果与采用单个面积特征S1的预测结果相差不大, 但是明显优于采用单个面积特征S2, S3的预测结果。从表3可以看出, 基于面积分别与周长、长轴和短轴长度相结合的多个特征建立的多元线性回归模型和偏最小二乘回归模型相关性最低为93. 34% , 均可以很好地预测出葡萄穗的质量, 预测结果明显优于只采用单个面积特征以及多个面积特征相结合的预测结果。同时, 对比该方法建立的多元线性回归及偏最小二乘回归模型的预测结果发现, 采用偏最小二乘回归进行质量预测效果优于多元线性回归模型的预测效果, 相关性最高可达96. 91% 。

%

%

%

预测模型的精确性及稳定性也可由平均相对误差来判定, 误差越小, 表明预测模型的准确性越高。对比表1、表2、表3中预测值与实际值的平均相对误差结果发现, 采用面积与周长、长轴和短轴长度特征建立的偏最小二乘回归模型预测平均相对误差最小, 建模集平均相对误差为9. 19% , 验证集相对误差为10. 57% 。采用该方法对验证集中9串葡萄进行质量预测, 建立预测值与实际值之间的回归模型如图3所示, 实际值与预测值很好地分布于回归线两侧。

3讨论

本研究初步探讨了基于机器视觉技术的新疆无核白葡萄穗的质量预测方法, 研究中采用葡萄穗图像的单个面积特征, 多个面积特征, 面积与周长、长轴以及短轴长度特征相结合方法建立的回归模型进行葡萄穗的质量预测。其中, 面积与周长、长轴以及短轴长度特征相结合方法建立的偏最小二乘回归模型比只采用单个特征建立的一元线性回归模型和多元线性回归模型质量预测的结果要好。先前的研究一般只采用单个特征进行质量预测, 如马本学、应义斌[11]基于机器视觉技术采用库尔勒香梨的侧面投影面积、顶部投影面积以及两个面积相结合的方法预测其质量, 效果显著, 决定系数达97. 5% 。郝敏等[12]利用机器视觉技术, 采用面积法、周长法两个指标对马铃薯的单薯质量进行检测, 同时采用逐步线性回归分析法选择最优几何特征值, 最终确定采用俯视投影面积和侧视投影面积进行预测的结果最好, 相关性达98. 81% 。 香梨、马铃薯等水果果形较规则, 不易发生形变, 葡萄穗是由单个颗粒堆叠而成, 果穗的形状随放置的变化而变化, 只采用单一的面积特征无法准确预测葡萄穗的质量, 因此本文采用多个特征参数相结合进行品质预测研究。此外, 水果的在线品质检测及分级对图像采集及分割方法的要求较高, 因此需要较高的外部环境以及合理而且简单的分割算法。由图2可看出, 图片中存在部分阴影噪声, 这是由于光照影响使图片亮度不均匀造成, 给图像分割造成一定困难。因此, 在图像采集阶段硬件设备如光源等需要进一步改进, 同时采用较好的方法滤除噪声。其次由于葡萄穗水平放置在输送带上容易引起穗形变化, 不利于后期图像分析, 因此在后续研究中预期采用葡萄穗悬挂式采集不同投影面的图片, 同时检测葡萄的其它外部品质。 本文为葡萄穗群粒的质量预测的初步研究, 后续研究中将增加葡萄单粒的质量检测, 从而进一步提高质量预测的准确性。

4结论

本文方法可有效检测葡萄穗的质量。在图像处理中选择G + B双通道分量进行图像分析, 采用高斯低通滤波法滤除图像中的噪声, 采用gamma变换法增强前景与背景的对比度, 对比自动阈值法和迭代法确定最优阈值分割图像, 最后经数学形态学的腐蚀和开运算优化去噪后获得最佳二值图像, 提取二值图像中目标区域的特征参数。研究发现, 采用面积与周长、长轴长度、短轴长度相结合的方法建立的偏最小二乘回归模型可以很好地预测葡萄穗的质量, 相关性达到96. 91% ; 且采用该方法进行质量预测的误差最小, 建模集平均相对误差为9. 19% , 验证集平均相对误差为10. 57% 。可见, 该技术系统对鲜葡萄穗质量进行检测是可行的。在今后的研究中要增加样本以及样本的广泛性, 进一步完善预测模型, 推动该技术在水果品质检测中的推广和应用。

参考文献

[1]田锐, 郭艳玲.基于机器视觉的葡萄自动识别技术[J].东北林业大学学报, 2008, 36 (11) :95-97.

[2]曾庆兵, 刘成良, 苗玉彬, 等.基于形态学图像处理的重叠葡萄果径无损测量[J].农业工程学报, 2009, 25 (9) :356-360.

[3]陈英, 廖涛, 林初靠, 等.基于计算机视觉的葡萄检测分级系统[J].农业机械学报, 2010, 41 (3) :169-172.

[4]王巧华, 丁幼春, 罗俊, 等.基于机器视觉的红提葡萄分级装置及其方法:中国, CN 102680414 A[P].2012-09-19.

[5]Qingbing Zeng, Chengliang Liu, Yubin Miao, et al.A Machine Vision System for Continuous FieldMeasurement of Grape Fruit Diameter[C]//Second International Symposium on Intelligent Information Technology Application, 2008:1064-1068.

[6]EstebanVazquez-Fernandez, AngelDacal-NietoFernando, Martin, et al.A Computer Vision System for Visual Grape Grading in Wine Cellars[J].ICVS, 2009:335-344.

[7]Carsten Steger, Markus Ulrich, Christian Wiedemann.机器视觉的算法与应用[M].杨少荣, 译.北京:清华大学出版社, 2008.

[8]Rafael C Gonzalez, Richard E Woods, Steven L Eddins.数字图像处理 (MATLAB版) [M].阮秋琦, 译.北京:电子工业出版社, 2005.

[9]程国首, 郭俊先, 石砦, 等.基于高光谱图像技术的新疆红富士苹果重量预测[J].新疆农业大学学报, 2011, 34 (3) :1-2.

[10]郭俊先, 李俊伟, 胡光辉, 等.新疆冰糖心红富士苹果RGB图像多指标分析[J].新疆农业科学, 2013, 50 (3) :509-517.

[11]马本学, 应义斌.基于图像处理和光谱分析技术的水果品质快速无损检测方法研究[D].杭州:浙江大学, 2009.

如何根据配合煤指标预测焦炭质量 篇6

随着高炉的大型化对冶金焦炭的质量要求的提高及我国煤炭资源的分布不均匀, 导致我国焦炭行业必须采用多种煤配合炼焦。用两种或者两种以上的煤均匀的按照适当的比例配合就叫做配合煤。配合煤的几种主要的指标为水分、灰分、挥发份、硫份、细度等指标。每项指标都是影响焦炭质量的重要因素之一。

(1) 配合煤的水分多少和其稳定与否, 对焦炭产量、质量一级焦炉寿命都有很大影响。首先对生产来说, 水分高将延长结焦时间, 配合煤的水分每增加1%, 要求立火道温度上升5~7摄氏度, 炼焦耗热量增加30kj/kg, 结焦时间延长10~15分钟, 从而降低产量。其次配煤水分过高, 产生的酚水量增加。此外, 煤料的堆密度与水分有较大关系, 干煤堆密度最大, 随着水分增加密度减少, 当配合煤水分为7%~8%时, 堆密度最小, 为干煤堆密度的85%左右, 对煤进行干燥可使堆密度增加, 从而改善煤料的粘结性。但是水分过小不利于生产操作, 所以配合煤的水分一般要求在7%~10%之间, 并保持稳定, 以免影响焦炉加热制度的稳定。

(2) 配合煤的灰分在炼焦后全部转入焦炭中, 一般配么的成焦率为70%~80%, 焦炭的灰分为配煤的1.3~1.4倍。灰分是惰性物质, 配合煤灰分高则粘结性降低。灰分的颗粒较大, 硬度比煤大, 它与焦炭物质之间有明显的分界面, 而且膨胀系数不一样, 当半焦收缩时, 这个界面上的应力集中, 成为裂纹的中心, 灰分颗粒越大则裂纹越宽、越深、越长, 所以配合煤的灰分高焦炭的强度低。配煤的灰分指标是按焦炭规定的灰分指标经计算得来的, 即配煤灰分 (A煤) =焦炭灰分 (A焦) ×全焦率 (K, %) 不同用途的焦炭对灰分的要求各不相同, 我国的一级冶金焦的灰分≤12%, 按成焦率75%计算, 配合煤灰分≤9%比较适合, 炼气化焦时, 配合煤则为15%左右。

(3) 配合煤的硫分也是影响焦炭质量的重要指标之一。当焦炭含硫高时, 会使生铁含硫提高, 质量较低, 增加高炉碱度使高炉操作恶化。通常焦炭中的硫份每增加0.1%, 焦比增加1.2%~2.0%, 高炉生产能力下降2%。在炼焦过程中配合煤当中约有60%~70%转入焦炭, 因配合煤的产焦率为70%~80%, 故焦炭硫分约为配合煤硫分的80%~90%。由此可根据焦炭对硫分的要求计算出配合煤硫分的上限。我国一级冶金焦的硫份要求是≤0.6%, 所以配合煤的硫分≤0.75%。

(4) 配合煤中的磷分几乎全部转化到焦炭中, 由于含磷量高的焦炭将使生铁冷脆性变大, 因此生产中要求配合煤的含磷量低于0.05%, 中国的冶金焦和铸造焦出口时, 外商对磷含量的要求十分严格, 气化焦对磷含量一般没有特殊要求。

(5) 配合煤的煤化度是表述煤的变质程度, 常用的指标是挥发分Vdaf和平均最大反射率Rmax, 两者之间有密切的联系。根据鞍山热能研究院对我国148种煤所做的回归分析得出如下方程

确定配合煤的煤化度控制值应从需要、可能、合理利用资源、经济实效等方面综合权衡。配合煤的挥发分过高由于其收缩系数大, 导致焦炭的平均粒度过小, 抗碎强度低。但挥发份又与化学产品的产率成正比, 从兼顾焦炭质量以及焦炉煤气和炼焦化学产品产率出发, 各国通常将装炉煤挥发分控制在28%~32%范围内。生产大型高炉所用焦炭的常规炼焦配合煤, 煤化度指标控制的适宜范围是Rmax=1.2%~1.3%, 相当于Vdaf=26%~28%。但还应视具体情况, 并结合粘结性指标的适宜范围一并考虑。气化焦用煤的挥发分应大于30%。

(6) 配合煤的粘结性指标是影响焦炭强度的重要因素。各国用来表征粘结性的指标各不相同。常用的指标有煤的膨胀度b、煤的流动度MF、胶质层指数y、X和粘结指数G, 这些指数大, 表示粘结性强。多数室式炼焦配合煤粘结性指标的适宜范围有以下数值:最大流动度MF值为70 (或100) ~103ddpm, 奥-阿膨胀度≥50%, 最大胶质层厚度y为17~22mm, G为58~72。气化焦对配煤的粘结性指标要求较低。配合煤的粘结性指标一般不能用单种煤的粘结性指标按加和性计算。我国对粘结性指标的表述一般采用胶质层最大厚度y值和粘结指数G值的方法。

(7) 配合煤的煤岩组分的比例要恰当, 配合煤的显微组分中的活性组分应占主要部分, 但也应有适当的惰性组分作为骨架, 以利于形成致密的焦炭, 同时也可缓解收缩应力, 减少裂纹的形成。惰性组分的适宜比例因煤化度不同而异, 当配煤的平均最大反射率Rmax<1.3时, 以30%~32%较好;当max>1.3时, 以25%~30%为好。采用高挥发分煤时, 尚需考虑稳定组含量。

(8) 配合煤的细度是量度炼焦煤粉碎程度的一种指标, 用小于3mm粒级煤占全部配合煤的质量百分率来表示。各国焦化厂都根据本厂煤源的煤质和装炉煤的工艺特征确定细度控制指标。将煤粉碎到一定细度, 可以保证混合均匀。从而改善焦炭内部结构的均匀性。细度过低, 在运输过程中会造成偏析现象而使混合不匀, 会因矿物质太大而使焦炭内部结构不均一, 也由于惰性物质的颗粒较大而生成较大裂纹, 使焦炭强度降低。细度过高, 不仅粉碎机动力消耗过大, 设备生产能力降低, 还由于煤尘 (<0.5mm) 增多, 使装炉操作困难, 集气管内焦油渣增加, 焦油质量变坏等不利因素。更主要的是细度过高, 降低装炉煤的粘结性和堆密度, 以至于降低焦炭的质量和产量。在配合煤中, 弱粘结性煤应细粉碎, 强粘结性煤细度不要过高, 有利于提高焦炭的质量和产量。一般对配合煤细度控制范围为:顶装炼焦时, 小于3mm粒级量为72%~80%, 配型煤炼焦时为85%左右, 捣固炼焦时为90%以上。控制配合煤细度的措施主要有:正确选用煤粉碎机;在粉碎前筛出粒度小于3mm的煤, 以免重复粉碎。

(9) 配合煤的堆密度是指焦炉炭化室中单位容积煤的质量, 常以kg/m3表示。其它影响配合煤对密度的因素还有在前面所说的配合煤的水分、细度等。配合煤堆密度大, 不仅可以增加焦炭产率, 而且有利于改善焦炭质量。但随着堆密度的增加, 膨胀压力也增大, 而且配合煤膨胀压力过大会引起焦炉炉体破坏。因此, 提高配合煤堆密度以改善焦炭质量的同时, 要严格防止膨胀压力超过极限值, 一些国家对膨胀压力极限值视试验条件不同而不同, 其范围波动在10~24k Pa范围内。

综上所述, 要生产出质量合格的焦炭的前提条件是要配出合格的配合煤。配合煤是影响焦炭质量的重要因素。

参考文献

[1]于振东, 蔡承祐.焦炉生产技术[M].沈阳:辽宁科学技术出版社, 2002.

[2]潘立慧, 魏松波.焦炉技术问答[M].北京:冶金工业出版社, 2007.

质量预测控制 篇7

乳化物干燥是奶粉加工中的一个重要环节。由于乳化物的干燥过程是非线性、多参数、大滞后、强耦合的非稳态过程,很难建立精确的数学模型。因而在乳化物干燥过程中,不仅要考虑乳化物水分、温度及外界气候条件等多个物理参数的影响,而且还需要兼顾乳化物的营养成分、食用品质等一些生化指标。因此,采用一般的控制方法,很难准确控制烘干后奶粉的质量。鉴于此,本文采用模型预测控制来使系统在不确定因素影响下仍能具有良好的性能,且在线实现方便,能基于计算机平台操作。

1 干燥过程分析

图1为乳化物干燥过程示意图[1],含有杂尘的气体通过空气过滤器过滤以后进入到加热器中进行加热,最后送入气流干燥管底部。当乳化物由旋转加料器传送到气流干燥管底部后,鼓风机将热空气和乳状物吹着沿气流干燥管向上运动。随着热空气和乳化物沿干燥管上升,热空气携带的热量以对流的方式传给湿物料使湿物料中的水分汽化并扩散到热空气中,乳化物逐渐得到干燥。到达干燥管顶部后,旋风分离器将奶粉和废气分离,干燥过程结束。由于物料的性质和形状不同、物料的温度、物料的含水量、干燥介质的流速与流向不同导致了待干物料的湿度会偏离期望值。因此,根据现有的运行工况,采取何种措施,既能保证产品质量,又能使整个烘干系统的生产效率处于合理的最佳运行状态是国内外学者研究的热点。本文在对干燥系统深入分析以后选用模型预测控制方案对整个系统进行控制。

2 模型预测控制的基本原理和优点

预测控制也称基于非参数模型的控制,以脉冲响应模型作为控制基础。它采用工业生产中易得到的过程脉冲响应或阶跃响应曲线,利用曲线的一系列采样值作为描述过程动态特性模型的预测模型,然后据此确定控制量的时间序列,使未来一段时间的被控量与期望轨迹之间的偏差最小,而且该最小化过程反复在线进行。

如图2所示,预测控制由预测模型、参考轨迹、滚动优化、反馈校正等构成,可见,算法可分为两步来理解:在当前时刻,基于过程控制模型预测未来有限时域的过程输出,通过最小化输出响应与期望轨迹的偏差确定未来有限时域的控制增量;在所得到的控制增量中只执行当前的控制量。

预测控制具有对数学模型要求不高、能直接处理具有纯滞后的过程、具有良好的跟踪性能和较强的抗干扰能力、对模型偏差具有较强的鲁棒性等优点。基于这些优点,预测控制更符合工业控制的实际要求,这是PID控制或现代控制理论所无法比拟的。

3 控制过程

对于一个特定的干燥过程,干燥器一定,干燥塔介质一定,同时湿物料的含水量、水分性质、温度以及要求的干燥质量也一定。这样,能调节的参数只有干燥介质的流速、干燥空气的温度、乳化物入机的含水率和温度、乳化物的目标含水率。但这五个参数是相互关联和影响的,当任意规定其中的三个参数时,另外两个参数也就确定了,即在对流干燥操作中,只有三个参数可以作为自变量而加以调节。因此将干燥空气温度、乳化物入机时含水率和目标含水率作为输入参数,优化控制参数为各干燥段的含水量。

3.1 预测模型

预测模型是一个描述系统动态行为的模型,在预测控制中具有重要的作用。常用的模型有脉冲响应模型、节约响应模型、可控自回归滑动平均模型和可控自回归积分滑动平均模型。本文对乳化物干燥过程建立了一个分布式参数过程模型[2]。

令Pj为第j个干燥段的入口平均含水率,∆h为干燥段的高度,Q为干燥段空气入口处的乳化物平衡水分,c,d,f为模型系数,ρ为乳化物密度,k为干燥常数,G为乳化物的质量流量,则每个干燥段出口乳化物的含水率为:

通过以上公式,可以得到干燥机内乳化物的水分分布状况。

3.2 参考轨迹

预测控制中,考虑到过程的动态特性,为避免过程输出的急剧变化,往往要求过程沿着事先制定的一条随时间而变化的轨迹达到设定值,这条轨迹就是参考轨迹。

参考轨迹可以采用不同的形式表示,通常采用一阶指数曲线形式[3]。设过程输出的设定值为pj,参考轨迹为pr,则以k时刻实际输出为起始,pr在未来k+i时刻的值为

式中α=e-T/Tr,T为采样周期,Tr为参考轨迹的时间常数。

可见,参考轨迹将减小过量的控制作用,使系统的输出能平滑地达到设定值。而且,Tr越大,α越大,参考轨迹也越平滑,鲁棒性也越强,但是到达设定值的时间也越长,即控制的快速性变差。

3.3 滚动优化

滚动优化就是找到一组能满足性能指标的控制作用,使选定的目标函数最优。在乳化物干燥过程中的目标函数为为最小值,其中α为寻优参数,在本例中则为干燥空气的温度和乳化物入机温度。目标函数Q(α)在α=α*处为极小的充分必要条件[4]为:

33..44反反馈馈算算法法

过过程程模模型型误误差差定定义义为为出出机机含含水水率率的的实实测测值值与与测测量量值值之之间间的的差差值值,,若若误误差差不不为为零零,,过过程程模模型型和和逆逆过过程程模模型型中中的的干干燥燥常常数数kk利利用用经经验验系系数数yy进进行行校校正正。。

kk11为为校校正正干干燥燥常常数数,,kk22为为理理论论干干燥燥常常数数,,yy为为校校正正系系数数,,系系数数yy用用第第二二个个公公式式来来估估算算,,yy为为当当前前采样周期的校正系数,β为滤波系数,pr为预测出机含水率,pm为实际出机含水率。

4 结束语

通过研究干燥过程中参数动态变化规律,建立了能在干燥各阶段对干燥系数进行动态控制的预测模型,实现了乳化物含水率和品质的在线监测,以及粮食干燥过程的优化控制。经生产运行表明具有如下特点:1)系统对干燥过程实行全方位立体控制,抗干扰能力强。当系统某些因素,如乳化物品质、环境温度等发生变化时,能在干燥参数方面及时作出调整和修正,使整个烘干系统不因局部问题而受到太大的影响。2)基于计算机的数字控制与传统控制系统相比,具有成本低、可靠性高、抗干扰能力强和重构性好等特点。本系统可节省大量的人力物力,降低生产成本,有利于提高乳化物干燥的生产效率和保证奶粉的品质,增加企业经济效益。

参考文献

[1]崔克宁.淀粉气流干燥系统中的协调控制算法研究[J].河南大学学报(自然科学版),32(1).

[2]Liu Qiang,Bakker-Arkem F W.Automatic Control of Cros-sflow GrainDryers,Part 1:Development of a ProcessModel[J].Journal of Agricultural Engineering Research,2001,80(1):81-86.

[3]常俊林.过程控制系统[M].机械工业出版社.