Sledování vlivu režimu výpalu speciálního vápna na vlastnosti produktu

Podobné dokumenty
Ing. Radovan Nečas Mgr. Miroslav Hroza

Úvod do zpracování signálů

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.

7. Rozdělení pravděpodobnosti ve statistice

SIGNÁLY A LINEÁRNÍ SYSTÉMY

SIGNÁLY A LINEÁRNÍ SYSTÉMY

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

Regresní analýza 1. Regresní analýza

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

, Brno Hanuš Vavrčík Základy statistiky ve vědě

Postup pro kalibraci vyměřené zkušební dráhy pro stanovení konstanty vozidla W a účinného obvodu pneumatik (dále jen dráhy )

Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality

Regresní a korelační analýza

I. D i s k r é t n í r o z d ě l e n í

Regulační diagramy (RD)

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

p(x) = P (X = x), x R,

Posouzení přesnosti měření

Biostatistika Cvičení 7

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1

Charakterizace rozdělení

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Regresní a korelační analýza

Výběrové charakteristiky a jejich rozdělení

UNIVERZITA PARDUBICE

Simulace. Simulace dat. Parametry

MATEMATICKÉ PRINCIPY VÍCEROZMĚRNÉ ANALÝZY DAT

Pravděpodobnost a matematická statistika

Statistická analýza jednorozměrných dat

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k )

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií

Chyby měření 210DPSM

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

Diskrétní náhodná veličina

Číslicové zpracování signálů a Fourierova analýza.

Signál v čase a jeho spektrum

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

1. Přednáška. Ing. Miroslav Šulai, MBA

Vliv realizace, vliv přesnosti centrace a určení výšky přístroje a cíle na přesnost určovaných veličin

Národní informační středisko pro podporu kvality

Vícerozměrná rozdělení

Technický experiment, příprava, provedení, hodnocení výsledků

Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky

Téma 22. Ondřej Nývlt

Regresní a korelační analýza

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

Statistické vyhodnocení zkoušek betonového kompozitu

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

Detailní porozumění podstatě měření

Semestrální projekt. Vyhodnocení přesnosti sebelokalizace VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. Fakulta elektrotechniky a komunikačních technologií

Vstupní signál protne zvolenou úroveň. Na základě získaných údajů se dá spočítat perioda signálu a kmitočet. Obrázek č.2

Stochastické signály (opáčko)

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

vzorek vzorek

1. Základy teorie přenosu informací

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

Protokol č. 1. Tloušťková struktura. Zadání:

Vyjadřování přesnosti v metrologii

Aplikace teoretických postupů pro ocenění rizika při upisování pojistných smluv v oblasti velkých rizik

SPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,

Ilustrační příklad odhadu LRM v SW Gretl

PRINCIPY ZABEZPEČENÍ KVALITY

SIGNÁLY A SOUSTAVY, SIGNÁLY A SYSTÉMY

Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni

Pearsonův korelační koeficient

teorie elektronických obvodů Jiří Petržela citlivostní a toleranční analýza

VYUŽITÍ PRAVDĚPODOBNOSTNÍ METODY MONTE CARLO V SOUDNÍM INŽENÝRSTVÍ

Lineární regrese. Komentované řešení pomocí MS Excel

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.

Nastavení parametrů PID a PSD regulátorů

Statistika pro geografy

POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica

4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k?

W E M A K E Y O U R I D E A S A R E A L I T Y SUCHÉ KONDICIONOVANÉ ODSÍŘENÍ ZNEČIŠŤOVÁNÍ

Náhodný vektor a jeho charakteristiky

Teorie náhodných matic aneb tak trochu jiná statistika

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

Vlastnosti a modelování aditivního

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

NÁHODNÝ VEKTOR. 4. cvičení

Nespojité (dvou- a třípolohové ) regulátory

SOLVER UŽIVATELSKÁ PŘÍRUČKA. Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =

Odhad parametrů N(µ, σ 2 )

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

populace soubor jednotek, o jejichž vlastnostech bychom chtěli vypovídat letní semestr Definice subjektech.

Zápočtová práce STATISTIKA I

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

MĚŘENÍ A ANALÝZA ELEKTROAKUSTICKÝCH SOUSTAV NA MODELECH. Petr Kopecký ČVUT, Fakulta elektrotechnická, Katedra Radioelektroniky

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

8. Sběr a zpracování technologických proměnných

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

Obsah přednášky Jaká asi bude chyba modelu na nových datech?

zpravidla předpokládá, že hodnoty intenzity poruch a oprav jsou konstantní.

Transkript:

Sledování vlivu režimu výpalu speciálního vápna na vlastnosti produktu Ing. Radovan Nečas, Ing. Jiří Junek, Ing. Dana Kubátová, Ing. Vladimír Těhník Výzkumný ústav stavebních hmot a. s. Ve Výzkumném ústavu stavebních hmot a. s. je poloprovozně vyráběno vápno pro speciální účely. Práce se zabývá posuzováním vlivu podmínek výpalu dvou druhů vápenců na výsledné vlastnosti produktu. K tomuto účelu byla využita data získaná při poloprovozních výpalech v rotační peci. Data byla zpracována metodami matematické statistiky s hlavním důrazem na výpočet korelací mezi jednotlivými sledovanými veličinami. Tyto výpočty se však ukázaly jako málo přesné. Pro dosažení lepších výsledků bylo přistoupeno k tzv. aktivním experimentálním metodám. Při nich se přivádí na vstup sledované soustavy zkušební signál, který způsobí měřitelnou odezvu. Z naměřených dat odezvy soustavy lze potom provést příslušné výpočty. Úvod Z mnohaletých zkušeností člověka s technologickým procesem pálení vápna z vápence je zřejmé, že na vlastnosti vypáleného vápna má vliv jakost použité suroviny, tj. vápence. To je pro výrobu kvalitního vápna podmínka nutná, nikoli však postačující. Dalším rozhodujícím faktorem ovlivňujícím kvalitu produktu je způsob zpracování vápence režim výpalu. V naší práci jsme se zabývali sledováním vlivu podmínek výpalu vápenců na výsledné vlastnosti vápna pro speciální účely. Sledování podmínek výpalu na vlastnosti vápna při poloprovozní výrobě Na Výzkumném ústavu stavebních hmot je v provozu poloprovozní rotační pec na výpal štěrkových a granulovaných hmot do teploty 1200 o C. Použitelná granulometrie vstupní suroviny je v rozmezí 4 18 mm. Pec je vybavena speciálním hořákem na zemní plyn s regulovatelným výkonem (max. 500 kw). Materiál je po průchodu 147

žárovým pásmem chlazen vzduchem v rotačním chladiči. Hlavní parametry pecní linky: Rotační pec: Rotační chladič: Dálka rotační pece 13 000 mm Délka rotačního chladiče 3 000 mm Vnitřní průměr pece 500 mm Vnitřní průměr chladiče 400 mm Vnější průměr pece 950 mm Otáčky pece 0,7-4 min -1 (regulovatelné) Otáčky chladiče 5 min -1 (konstantní) Výkon pecní linky (vápno) max. 100 kg.hod -1 Vyobrazení pece je na následujícím obrázku č. 1. Obrázek 1: Poloprovozní rotační pec K posouzení vlivu podmínek výpalu na výsledné vlastnosti vápna bylo využito dat získaných při poloprovozních výpalech vápna pro speciální účely. Při zkouškách byly používány 2 druhy vápence z lokalit A a B. V průběhu výpalu byl sledován jednak režim výpalu (teploty v žárovém pásmu, na konci pece atd.), jednak vlastnosti suroviny a produktu v určitých časových intervalech odvozených z charakteru technologického procesu výpalu. Tento interval vzorkování představuje 1 výstupní 148

kontejner, tj. cca 500 kg vápna, což odpovídá době 5 7 hodin provozu. Získaná data byla zpracována metodami matematické statistiky s hlavním důrazem na výpočet korelací mezi jednotlivými sledovanými veličinami. Ukazatelem lineární závislosti mezi dvěma náhodnými veličinami je tzv. koeficient korelace. Tento koeficient nabývá hodnot z intervalu <-1;1>. Čím více se absolutní hodnota korelačního koeficientu blíží 1, tím těsnější vazba existuje mezi zkoumanými veličinami (pro absolutní hodnotu rovnou 1 se jedná o funkční závislost). V praxi jsou náhodné veličiny realizovány tzv. výběry, tj. uspořádanou množinou (časovou posloupností, vektorem) naměřených hodnot. Označíme-li dva tyto vektory pro dvě náhodné veličiny X a Y, platí (za předpokladu, že veličiny mají normální rozložení pravděpodobnosti) pro výpočet odhadu R korelačního koeficientu vztah: R = kde S XY je odhad kovariance cov(x,y): S XY S S XY. S 2 2 X Y a S 2 X a S 2 Y jsou odhady rozptylů výběrů X a Y. n 1 = Xi X Yi Y n ( ).( ) (2) 1 1 i= (1) Z výše uvedených matematických vzorců vyplývá pro správnost vypočtu odhadů korelačních koeficientů mimo jiné též velmi důležitá skutečnost, že sledované veličiny musí mít dostatečně velké (nenulové) rozptyly. Hodnoty odhadů rozptylů se vyskytují ve jmenovateli zlomku ve vzorci (1). Blíží-li se průběh sledované veličiny průběhu konstantnímu s nulovým rozptylem, je výpočet zatížen velkou chybou nebo je neproveditelný (nula ve jmenovateli zlomku!). Poznámka: Je nutno zdůraznit, že výpočty korelačních koeficientů naznačují pouze souvislosti mezi zkoumanými jevy, neodhalují však jejich příčiny. Byly sledovány tyto veličiny: 149

TŽP teplota žárového pásma ( o C). Měří se 1x za hodinu. Pro daný interval vzorkování (tj. naplnění příslušného výstupního kontejneru, 5 7 hodin) byly hodnoty stanoveny jako aritmetické průměry z odpovídajících hodinových měření. TKP teplota konce pece ( o C). Měří se 1x za hodinu. Pro daný interval vzorkování (tj. naplnění příslušného výstupního kontejneru, 5 7 hodin) byly hodnoty stanoveny jako aritmetické průměry z odpovídajících hodinových měření. NED Stanovení nedopalu (CaCO 3 ) v % ve vápně podle Scheiblera. Měří se 1x za 2 hodiny na bodových vzorcích. Pro daný interval vzorkování (tj. naplnění příslušného výstupního kontejneru, 5 7 hodin) byly hodnoty stanoveny jako aritmetické průměry z odpovídajících dvouhodinových měření. AKT( o C) a AKT(s) stanovení aktivity vápna (podle dřívější ČSN 72 2216). Vyhodnocuje se čas dosažení maxima teploty při hašení a příslušná teplota maxima. Měří se 1x za 2 hodiny na bodových vzorcích. Pro daný interval vzorkování (tj. naplnění příslušného výstupního kontejneru, 5 7 hodin) byly hodnoty stanoveny jako aritmetické průměry z odpovídajících dvouhodinových měření. CaO stanovení aktivního CaO v % ve vápně. Provádí se acidimetricky sacharátovou metodou. Stanoví se na průměrném vzorku vápna za příslušný výstupní kontejner. SED-1h a SED-20h sedimentační objem v % po 1 hodině a po 20 hodinách. Stanoví se podle zvláštní metodiky na průměrném vzorku vápna za příslušný výstupní kontejner. VISK-1min a VISK-prům. viskozita vápenné suspenze v mpa.s (dříve cp centipoise) stanovená podle zvláštní metodiky. Stanoví se na průměrném vzorku vyhašeného vápna za příslušný výstupní kontejner. Měří se jednak bodová hodnota po 1 minutě odležení suspenze, jednak průměrná hodnota za 15 minut odležení. CaCO3 obsah uhličitanů ve vápenci vyjádřený jako % CaCO 3. Stanoví se acidimetrickou titrací 1x za směnu na bodovém vzorku dávkovaného vápence. 150

Byly zpracovány výběry dat v tomto rozsahu: 1. Výpal vápence A, období 1, rozsah 18 vzorků 2. Výpal vápence A, období 2, rozsah 17 vzorků 3. Výpal vápence A, období 3, rozsah 13 vzorků 4. Výpal vápence B, období 1, rozsah 28 vzorků 5. Výpal vápence B, období 2, rozsah 36 vzorků 6. Výpal vápence B, období 3, rozsah 48 vzorků Pro zmíněné soubory dat byly pro příslušné veličiny vypočteny odhady středních hodnot (jako aritmetické průměry), odhady směrodatných odchylek a relativních směrodatných odchylek (variační koeficienty podíl směrodatné odchylky a střední hodnoty). Přehled relativních směrodatných odchylek (variačních koeficientů) sledovaných veličin pro jednotlivé soubory dat Soubor AKT AKT TŽP TKP NED CaO SED- SED- VISK VISK dat ( C) (s) 1h 20h 1min prům CaCO3 A 1 0,03 0,03 0,21 0,04 0,31 0,01 0,15 0,07 0,57 0,70 0,01 A 2 0,01 0,05 0,27 0,04 0,23 0,01 0,14 0,06 0,29 0,35 0,01 A 3 0,02 0,04 0,29 0,03 0,36 0,01 0,15 0,05 0,89 0,93 0,01 B 1 0,03 0,03 0,39 0,02 0,22 0,00 0,10 0,06 0,35 0,36 0,01 B 2 0,02 0,04 0,31 0,02 0,40 0,00 0,16 0,06 0,36 0,35 0,01 B 3 0,02 0,05 0,26 0,02 0,22 0,04 0,08 0,09 0,62 0,61 0,01 Hodnoty variačních koeficientů pro některé sledované veličiny jsou velmi nízké pro teploty v žárovém pásmu, na konci pece, aktivitu a obsah aktivního CaO dosahují max. hodnoty 0,05 (tj. směrodatná odchylka je 5% z průměru v tabulce zvýrazněno tučně). K realizaci výpočtů odhadů korelačních koeficientů byly použity standardní nástroje analýzy dat v softwarovém produktu EXCEL. Výsledkem výpočtu je tabulka odhadů korelačních koeficientů pro jednotlivé výběry dat (každá veličina s každou). Protože korelace veličiny A s veličinou B je totožná s korelací veličiny B s veličinou A, tvoří tabulka trojúhelníkovou matici (ve skutečnosti zrcadlově symetrickou podle 151

úhlopříčky). Na úhlopříčce matice jsou jedničky, formálně symbolizující korelaci veličiny samy se sebou. Protože se při výpočtech ukázalo, že u vápence A je počet vzorků v jednotlivých souborech pro kvalitní statistické zpracování malý, byly soubory dat 1, 2 a 3 sloučeny do jediného souboru a data pak znovu zpracována společně. Pro ilustraci uvádíme příklady výpočtů tabulek korelačních koeficientů pro dva soubory dat: Korelace sloučená data z výpalů v obdobích 1, 2 a 3, vápenec A (celkem zpracováno 48 vzorků) TŽP TKP NED AKT( C) AKT(s) TŽP 1,000 TKP 0,120 1,000 NED 0,065 0,239 1,000 AKT( C) -0,795-0,266-0,170 1,000 AKT(s) 0,679 0,166 0,158-0,722 1,000 CaO -0,395 0,147 0,111 0,349-0,189 1,000 SED-1h -0,420-0,588-0,287 0,539-0,332-0,180 1,000 SED-20h -0,404-0,555-0,444 0,557-0,343-0,130 0,847 1,000 VISK 1min -0,439-0,072-0,113 0,338-0,476 0,312 0,154 0,035 1,000 VISK prům. -0,435-0,078-0,111 0,331-0,464 0,303 0,155 0,038 0,999 1,000 CaCO3-0,014 0,476 0,379 0,002-0,110 0,357-0,423-0,478 0,132 0,130 1,000 CaO SED-1h SED-20h VISK 1min VISK prům. CaCO3 Korelace výpal vápence B, období 3 (zpracováno 48 vzorků) TŽP TKP NED AKT( C) AKT(s) TŽP 1,000 TKP 0,267 1,000 NED 0,059-0,084 1,000 AKT( C) -0,039-0,064-0,355 1,000 AKT(s) 0,617 0,165 0,051-0,190 1,000 CaO -0,122 0,032 0,158 0,089 0,049 1,000 SED-1h -0,423-0,337-0,080-0,049-0,175 0,034 1,000 SED-20h -0,464-0,155 0,013 0,079-0,215 0,069 0,762 1,000 VISK 1min -0,398 0,151-0,292 0,365-0,331 0,096 0,156 0,418 1,000 VISK prům. -0,401 0,122-0,307 0,334-0,370 0,069 0,102 0,363 0,954 1,000 CaCO3-0,273 0,090-0,213 0,154-0,119 0,101-0,035 0,128 0,510 0,508 1,000 CaO SED-1h SED-20h VISK 1min VISK prům. CaCO3 152

Výpočty odhadů směrodatných odchylek a zejména relativních směrodatných odchylek (variačních koeficientů) ukazují, že některé sledované veličiny se v průběhu výpalu mění poměrně málo. Tato skutečnost může mít nepříznivý vliv na přesnost výpočtů korelačních koeficientů pro tyto veličiny. Aktivní experimentální metody V dalším postupu prací byla pozornost zaměřena na tzv. aktivní experimentální metody. Na rozdíl od pasivních metod, kdy budicím signálem soustavy je pouze její vlastní šum, při použití aktivních metod přivádíme na některý ze vstupů sledované soustavy zkušební signál, který způsobí měřitelnou odezvu. Z naměřených dat odezvy soustavy lze potom provést příslušné výpočty. Možnosti přiváděného vstupního signálu: 1. Jednotkový skok. Odezvou je tzv. přechodová charakteristika. Výhody: snadná realizace. Nevýhody: Amplitudové spektrum skokové funkce prudce klesá směrem k vyšším frekvencím, takže soustava je na různých kmitočtech buzena nerovnoměrně. Další nevýhodou je, že soustavu skokovou změnou trvale vychýlíme ze stávajícího pracovního režimu, což může v praxi způsobit technologické potíže. 2. Diracův impuls. Diracovým impulsem rozumíme nekonečně krátký impuls nekonečné výšky, jehož plocha omezená grafem je jednotková. Odezvou je tzv. impulsní charakteristika (zvaná též váhová funkce). Výhody: Amplitudové spektrum je v určitém pásmu kmitočtů prakticky konstantní, takže je soustava co do kmitočtů buzena rovnoměrně. Nevýhody: obtížná realizace takovéhoto impulsu, krátká doba působení na identifikovanou soustavu, vychýlení soustavy ze stávajícího pracovního bodu. 3. Sinusový nebo jinak periodický signál. Výhody: Nulová střední hodnota, takže soustava není trvale vychylována ze stávajícího pracovního režimu. Nevýhody: obsahuje jedinou frekvenci (nebo se amplituda harmonických složek rychle zmenšuje 153

s jejich pořadím), proto je nutno provést více měření při různých kmitočtech. Obtížně se realizuje. 4. Bílý šum. V ideálním případě se jedná o funkci, jejíž dvě libovolně blízké hodnoty jsou nekorelované (jsou na sobě nezávislé). Obsahuje se stejnou amplitudou všechny kmitočty od nuly do nekonečna. V praxi by proto k realizaci takového procesu bylo třeba generátoru o nekonečně velkém výkonu. Je však možno realizovat generátor šumu, jehož nejvyšší kmitočet je omezen. Výhody: Soustava je buzena rovnoměrně na všech frekvencích. Střední hodnota je nulová, takže soustava není trvale vychylována ze stávajícího pracovního režimu. Nevýhody: Obtížná realizace. 5. Pseudonáhodný binární signál (PNBS). Za nekorelovaný šum lze považovat též posloupnost pseudonáhodných binárních čísel (nabývajících hodnoty 0 nebo 1, případně -1 nebo 1), která sice nejsou vytvářena náhodně, ale zákonitě podle určitých pravidel. Přesto však mají vlastnosti náhodných čísel. Výhody: snadná realizace, přibližně nulová střední hodnota (resp. podobný počet nul a jedniček) nevychýlí proměřovanou soustavu. Příklad jedné periody PNBS, který splňuje výše uvedené vlastnosti, je uveden na obrázku. Časový průběh signálu se s periodou T neustále opakuje. 1 0 0 1 2 3 4 5 6 číslo vzorku 7 T (perioda) -1 Takovýto signál lze poměrně jednoduše realizovat podle tohoto grafu např. ručními zásahy na regulačním kohoutu paliva, na dávkování suroviny apod. 154

Volba vlastností zkušebního signálu Volba vlastností budicího signálu je problematika značně složitá a je podrobně diskutována v literatuře [2]. Základním požadavkem je, aby v budicím signálu byly obsaženy s přibližně stejnou amplitudou všechny frekvence (vyjádřené jako převrácené hodnoty časových konstant) všech dílčích subsystémů, ze kterých je zkoumaná soustava složena. Určení délky periody PNBS a intervalu vzorkování Z rozboru problému v literatuře [2] vyplývá požadavek, aby základní perioda PNBS byla alespoň pětinásobek T max, kde T max je nejdelší časová konstanta v systému se vyskytující. Z praktických zkušeností s provozem zkoumané rotační pece je známo, že nejdelší časovou konstantu T má oblast žárového pásma. Víme, že teplota θ v žárovém pásmu pece při náběhu se ustálí (tj. dosáhne odhadem 99 % jmenovité hodnoty θ max ) za dobu cca 7 hodin. Chápeme-li oblast žárového pásma jako soustavu 1. řádu, platí z přechodové charakteristiky pro okamžitou teplotu θ jako funkci času t vztah: θ = θ max [1 exp( t/t)] (3) kde T je časová konstanta soustavy. Dosazením θ = 0,99 θ max a t = 7 hodin do tohoto vztahu dostaneme časovou konstantu T = 1,52 hodin. Perioda PNBS je pak podle výše uvedeného požadavku dána pětinásobkem této časové konstanty, tedy 7,60 hodin. Jelikož perioda PNBS se skládá ze 7 intervalů vzorkování, je interval vzorkování 1,08 hod, tedy po zaokrouhlení cca 1 hodina. Volba amplitudy zkušebního signálu Amplitudu PNBS se snažíme volit co největší, avšak s přihlédnutím ke splnění podmínky činnosti soustavy v její lineární oblasti. Rovněž je třeba, aby se prováděným měřením výrazněji nenarušila kvalita výstupního produktu vápna. Ze 155

zkušeností víme, že řízení teploty výpalu probíhá regulací příkonu plynu a největší akční zásahy při ručním řízení teploty v peci se pohybují v intervalu cca + 15 % od střední hodnoty. Takovéto zásahy se již na teplotě v peci významně projevují, ale zpravidla ještě nedochází k vychýlení chodu pece mimo přijatelnou mez. Proto lze přiřadit podle výše uvedeného grafu PNBS hodnotě 1 zvýšení tlaku plynu o 15 % od střední hodnoty, hodnotě 1 snížení tlaku plynu o 15% od střední hodnoty. Návrh vlastního experimentu Podle metodiky uvedené v [2] je zapotřebí proměřovat soustavu alespoň po dobu 4 period PNBS. V prvních dvou periodách se ještě projevuje vliv počátečních podmínek (z doby před zahájením experimentu). Počínaje třetí periodou se vliv počátečních podmínek přestává uplatňovat, takže data získaná během 3. a 4. periody lze využít pro vyhodnocení výsledků. Za předpokladu, že soustava není zatížena významnějším šumem, lze jako interval vzorkování příslušných odezev použít základní interval vzorkování PNBS, což je v našem případě 1 hodina. Experiment proběhne koncem dubna 2008. Pecní linka bude buzena akčními zásahy na příkonu plynu po dobu 28 hodin a v 1-hodinových intervalech budou sledovány příslušné veličiny. O výsledcích experimentu budeme referovat při přednášce. Literatura [1] Riečanová, Z. a kol.: Numerické metódy a matematická štatistika. ALFA, Bratislava, 1987. [2] Drábek, Oldřich: Základy stochastického modelování. Vysoká škola chemickotechnologická v Pardubicích, 1975. Tento příspěvek vznikl za podpory výzkumného centra MŠMT č.1m06005. This paper arose by the support of research centre MŠMT No. 1M06005. 156