橡胶开炼机在线预测数学模型分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇橡胶开炼机在线预测数学模型分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
开炼机炼胶工艺是一种典型的低温炼胶工艺，其炼胶温度低，炼胶持续时间长，胶料的分散性好，塑性值均匀，相对密炼机的高温炼胶方式，其混炼质量更好，尤其近些年随着低温一次法炼胶技术的推广使得开炼机的应用又得到进一步重视。关于开炼机低温炼胶，国内外许多研发人员致力于实现其智能化，即实现炼胶质量状况的在线检测，从而及时调整炼胶工艺参数，使炼胶最优化。但目前开炼机混炼过程中混炼胶的质量指标难以在线检测，必须送到实验室或快检站检测，造成信息的滞后［1－2］。目前，张海等通过寻找混炼胶质量指标与过程参数之间的关系，建立了预测混炼胶分散度的数学模型，但其研究均在工艺条件相对稳定的密炼机上进行，对于开炼机炼胶还未能建立混炼胶的质量指标在线预测数学模型［3］。门尼黏度是混炼胶重要的质量指标。SPSS是世界上最早的统计分析软件之一，在自动统计绘图、数据深入分析等方面获得了很高的评价［4］，自20世纪60年代末研发至今，虽已广泛应用于技术科学领域，但将其应用于建立开炼机混炼胶门尼黏度在线预测数学模型却是一种新的方法。本工作针对开炼机低温炼胶，运用SPSS统计分析软件的统计绘图、相关分析、回归分析、趋势研究等功能，建立了门尼黏度和炼胶过程参数间的数学模型，实现了开炼机混炼胶门尼黏度的在线检测，并为实现开炼机炼胶过程的质量在线控制提供依据。
1实验部分
1.1主要原材料
天然橡胶(NR)，牌号SCR－5，海南天然橡胶产业集团股份有限公司产品;炭黑，牌号N330，上海卡博特炭黑公司产品;白炭黑，江西南昌南吉化学工业公司产品;ZnO、硬脂酸(SA)，均为上海白石公司产品;促进剂NOBS，山东玉皇化工有限公司产品;其他助剂均为市售橡胶工业常用品。
1.2试样制备
基本配方(为轮胎生产过程中最具代表性的子午线轮胎胎面胶实际应用配方)(质量份):NR100，炭黑N33038.5，白炭黑15，ZnO3.5，SA2，Si－693，增塑剂A2，防老剂RD1.5，防老剂6PPD2，促进剂NOBS1.5，硫黄1。为了与目前工厂采用的低温一次法炼胶工艺相一致，且方便开炼机后续的炼胶操作，本实验先采用密炼机进行塑炼及混炼，其加料顺序依次为:橡胶、1/2的N330、白炭黑、SA、ZnO、增塑剂A、防老剂RD、防老剂6PPD、促进剂NOBS、剩余1/2N330，然后将得到的母炼胶加入开炼机中，再加入硅烷偶联剂Si－69和硫黄，得到混炼胶。开炼机中的炼胶工艺条件为:辊距0.5～0.9mm，后辊辊速23～35r/min，速比1.0∶1.1～1.3，炼胶时间14～20min，辊筒温度50～80℃。
1.3主要设备及仪器
开炼机智能炼胶实验平台，XK－160E型(本平台可以实现2辊筒速率和速比的任意调节、辊筒间距的自动调整和精确测量、辊筒横压力的自动测量、辊筒温度的自动控制以及数据存储等功能)，自行研制;密炼机，XSM－500型，上海科创橡塑机械设备有限公司生产;无转子硫化仪，MM4130C型，北京环峰化工机械实验厂生产;平板硫化机，QLB－400×400×2型，上海第一橡胶机械厂生产;门尼黏度仪，UM－2050型，台湾优肯科技股份有限公司生产。
1.4实验方法
针对全钢子午线轮胎胎面胶配方，运用正交实验设计方法，设计25组实验。根据实验结果，选取开炼机炼胶的主要过程参数:以开炼机炼胶结束排胶时在线检测的辊筒横压力(F)、排胶时功率(P)、单位能耗(N)、排胶温度(T)的瞬时检测值为模型的自变量，以门尼黏度(其值可根据国家标准检测)为因变量。根据以上方案进行混炼，排胶后直接通过实验平台读取F值，用手持测温仪检测实际胶料的T，计算排胶时的P和N，同时采集样本进行门尼黏度测定，最后得到开炼机的F、P、N、T及门尼黏度的25组实验数据。
2数据的处理与分析
2.1实验数据
开炼机炼胶过程中的F、T、P、N与门尼黏度的25组实验数据如表1所列。
2.2散点图分析
按正交实验设计方法，以F、P、N和T炼胶过程参数为横坐标，门尼黏度为纵坐标。根据实验数据，用统计分析软件SPSS绘制出散点图，如图1所示。从图1可直观地看出，门尼黏度的高低和F、T有较明显的联系，即随着F值的增大、T的升高，胶料的门尼黏度升高，虽然波动较大，但这种趋势是肯定的;而P、N与门尼黏度的关系则不是很明显，相关性不大。
2.3相关性分析
运用统计分析软件SPSS，对25批试样的统计分析结果进行相关性分析，得到门尼黏度与F、P、N和T之间的相关系数(Y)矩阵(见表2)。对表2的数据进行筛选，去掉误操作(异常点)数据，得到F、P、N、T等自变量与门尼黏度的Y分别为0.729、－0.272、－0.058、－0.531。F、T与门尼黏度的Y分别达到了0.729、－0.531，说明它们之间有非常明显的线性关系，尤其是F与门尼黏度的线性关系更为显著;而P、N与门尼黏度的Y的绝对值都小于0.400，说明它们之间的线性相关程度不高。这个结论和通过散点图得到的直观分析是一致的。
3.1预测数学模型的建立
根据上述分析可知，F、T与门尼黏度线性相关性较大，有较为显著的线性关系，尤其是F，与门尼黏度的线性关系更为显著，因此，要建立的门尼黏度在线预测数学模型可以是一元或者二元的线性回归方程。
3.2回归方程的显著性检验
由线性回归分析的结果得到的分别以F为自变量(模型1)和以F、T为自变量(模型2)，门尼黏度为因变量的2个模型的线性回归方差分析结果列于表3。
3.3回归系数的显著性检验
对回归方程的系数(β)的显著性采用t检验，其系数及检验结果列于表4。由表4可以看出，经t检验，模型2的β1和β2的显著性水平分别为0和0.008，其值的绝对值都大大小于给定的显著性水平0.100，均有显著性意义，说明本模型的β有较强的显著性［4］。
3.4预测数学模型的适宜性检验
对预测数学模型的适宜性检验结果残差正态概率如图2所示。从图2可以看出，残差值近乎为一条直线，表明残差服从正态分布，符合回归假设。对模型的考察表明该模型拟合得非常好，回归极为显著，通过了所有有关的检验。此外，测定Y值达到0.813，非常理想，再次说明在影响因素众多的情况下，采用逐步回归法逐次寻找对因变量影响显著的因素是比较合适的。
3.5预测数学模型的验证
将通过预测数学模型求得的NR试样的门黏度预测值与实测值进行比较，计算并分析它们之间的绝对误差，结果如表5所列。由表5可见，NR的门尼黏度预测值与实测值的绝对误差均在5.00以内，占100%;绝对误差在3.00～5.00的试样共有4个，占16%;其余的绝对误差都在3.00以下，占84%。可见本预测数学模型的误差较小，预测结果可用。
4结论
根据实验测得NR的25组实验数据，运用统计分析软件SPSS，建立了开炼机混炼胶门尼黏度与F和T相关的线性在线预测数学模型:y=56．308+1．471x1－0．301x2，用其对25组试样的门尼黏度进行预测，其预测值与实测值之间的绝对误差全部在5.00以内，说明本预测数学模型的误差较小，预测效果良好，可以应用于开炼机混炼胶的门尼黏度在线预测。
作者：曾宪奎 刘威 张宗廷 吕冲 单位：青岛科技大学机电工程学院