资源描述：
《轧辊测量数据粗大误差剔除研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、轧辊测量数据粗差剔除的3σ应用研究河南平顶山工业职业技术学院机电系梁晓红（同济大学机械制造专业在读工学硕士）摘要：本文结合轧辊海量数据特点，介绍了3西格玛准则的具体使用方法，给出了程序流程图。程序实现了数据输入、数据编辑、粗差剔除的界面可视化。研究表明本文提出的方法能在保留轧辊原始数据的有用信息的基础上剔除冗余数据,提高工作效率，增加科学性。关键词：粗差剔除3σ准则轧辊数据编程一、轧辊测量数据分析必要性随着轧钢工业生产规模的扩大和对轧制产品质量要求的提高，许多轧钢厂都是通过增加先进设备如液压自动厚度控制仪，红外线测温仪和自
2、动测厚仪等，用以保证轧制产品的实物质量。轧辊是唯一与轧制产品相接触的零部件，因而这些先进技术的实施，最终将反映到轧辊上，从而导致轧辊测量数据的采集量就大大增加。生产的管理、计划、和控制对数据的依赖性越来越大，准确的测量数据为过程的监控、优化、计划调度以及决策分析提供可靠的基础。在热连轧机中，轧辊是最重要的设备，其工作性能和状态直接关系到轧制产品的质量，因此轧辊测量数据是轧辊工作状态的最直接反映，对这些测量数据进行科学的处理和分析显得非常必要，通过数据分析，排除各种干扰获得更准确的测量数据，为后续更深入的数据处理打下了基础。
3、但在轧辊海量测量数据的处理中，由于受测量仪表的精度、现场测量环境和测量方法以及人为因素的影响，这些数据中不可避免地存在各种各样的误差，在数据预处理阶段的首要问题就是如何剔除粗大误差，因此必须依靠科学的误差理论和统计方法，利用数据处理软件对海量轧辊原始数据进行误差剔除。二、数据粗大误差理论与处理方法在相同条件下,对同一个被测量值进行多次测量,由于主观疏忽大意或客观外界条件的突然改变,使一个或几个测量值与其它测量值差异很大,这种测量误差称为粗大误差。粗大误差又称疏忽误差,由于它的存在严重歪曲测量结果,在测量中是不允许存在的,所
4、以应从测量数据中剔除。剔除粗大误差不能凭主观臆断,应根据判断粗大误差的准则予以确定。通常用来判断粗大误差的准则主要有：3σ准则、罗曼诺夫斯基准则、格罗布斯准则、狄克松准则等。3σ5准则是其中最常用、最简单的判别粗大误差的准则，它是以测量次数充分大为前提。对于某一侧量列，若各测得值只含有随机误差，则根据随机误差的正态分布规律，其残余误差落在±3σ以外的概率为0.3%，即在370次测量中只有一次其残余误差
5、Vi
6、>3σ,如果在测量列中，发现有大于3σ的残余误差的测得值，即
7、Vi
8、>3σ（式1）则可认为它含有粗大误差，应予剔除。
9、它的使用方法是：先求所有观测数据的算术平均值、各观测值的残差ΔVi和标准残差3σ，再将残差绝对值大于或等于3σ的观测值剔除，然后重新求，△和，再次审查是否还有超过3的，有则继续剔除。三、3σ准则对于轧辊海量数据的适用性1、轧辊数据特点1）种类多，轧辊方面的数据：轧辊编号、生产厂家、化学成分、冷硬层深度、轧辊初始硬度；轧辊磨削方面的数据：轧辊磨损量、轧辊磨削凸度、轧辊磨削精度、轧辊磨削量、涡流探伤仪检测、磨后辊身硬度等等，2）要求准确、快捷高效的剔除异常数据，为后续数据处理做好准备。3）量多，每天都要对每个工作辊进行测量，积
10、累下来的数据数以万计。是基于时间序列的数据处理，大样本数据。2、3σ方法对于轧辊数据的适用性1）该方法简单快捷，便于操作2）该方法适用于大样本海量数据的处理3）该方法便于程序快速实现，为后续数据处理节省时间。针对于海量轧辊数据的特殊性，采用3σ准则作为理论依据来剔除轧辊数据中的粗大误差。四、自动化编程实现1、误差分析数据的程序流程图：粗差剔除的运算过程需要大量繁琐重复的计算,且易出现运算错误,如果利用计算机辅助计算,可使这一过程变得非常简单且可靠性大为提高。程序的设计思想就按上述理论要求进行,在界面上设置四个命令按扭,它们
11、是“输入数据”、“计算”、“打印”和“结束”按扭。“计算”按扭控件的程序代码内容为:（1）计算测量值、算术平均值、剩余误差、标准偏差；(2)粗大误差剔除。误差分析程序框图见图15开始数据输入模块n=n-1剔除xi用剩下的值组成新的测量列由3σ准则，按公式（1）（2）分别计算、δi=1vi>3δ?i=n?i=i+1显示全部测量值并在“坏值”上作记号；计算并显示出剔除“坏值”后的算术平均值结束NY图1 误差分析程序流程图2、轧辊数据粗大误差剔除程序界面笔者利用基于EXCEL的VBA宏命令中的进行二次开发编写了一个直观、简便的粗
12、差剔除应用程序，程序界面和剔除结果如下图2所示图2红色圆圈出的数据即为3σ准则剔除的数据5五、案例以国内某轧钢厂测得海量数据中的轧辊磨削量为例，计算步骤如下：同一机架Ｆ１Ｓ辊号为ＨＸ０２的轧辊磨削量等精度测量数据为：0.200.180.250.150.250.300.270.110.100.16…..等
