УДК 539.122

МЕТОД СТАТИСТИЧЕСКИХ ИСПЫТАНИЙ ПРИ ТРАНСПОРТИРОВАНИИ НЕФТЕПРОДУКТОВ

Коптева Александра Владимировна
Национальный минерально-сырьевой университет «Горный»
кандидат технических наук, ассистент кафедры электротехники, электроэнергетики, электромеханики

Аннотация
В статье описан основной метод моделирования случайных величин применительно к измерительной области при контроле качества нефтепродуктов. Разработан основной алгоритм измерительной системы, позволяющий существенно увеличить точность измерений.

Ключевые слова: градуировочная характеристика, дисперсия., контроллер, метод Монте-Карло, теорема Котельникова


MONTE CARLO METHOD FOR VERIFYING MEASUREMENT OF OIL FLOW

Kopteva Alexandra Vladimirovna
National University of mineral resources "Mountain"
Ph.D., assistant professor of electrical engineering, power engineering, еlectromechanics

Abstract
This article describes the basic method for modeling random variables with respect to the measuring area under the control of product quality. Basic algorithm developed measuring system, can significantly increase the accuracy of measurements.

Keywords: calibration characteristic, controller, Kotelnikov theorem, Monte Carlo method, variance


Рубрика: 05.00.00 ТЕХНИЧЕСКИЕ НАУКИ

Библиографическая ссылка на статью:
Коптева А.В. Метод статистических испытаний при транспортировании нефтепродуктов // Современные научные исследования и инновации. 2014. № 5. Ч. 1 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2014/05/35055 (дата обращения: 28.09.2017).

Метод Монте-Карло можно определить как метод моделирования случайных величин с целью вычисления характеристик их распределений. Суть способа заключается в том, чтобы экспериментально воспроизвести событие, вероятность которого выражается через число , и приближённо оценить эту вероятность. 
Поскольку метод Монте-Карло требует проведения большого числа испытаний, его часто называют методом статистических испытаний [1, с.46]. Теория этого метода указывает, как наиболее целесообразно выбрать случайную величину Х, как найти её возможные значения. В частности, разрабатываются способы уменьшения дисперсии используемых случайных величин, в результате чего уменьшается ошибка, допускаемая при замене искомого математического ожидания «а» его оценкой «а*». 
Характерной особенностью метода Монте-Карло является использование случайных чисел (числовых значений некоторой случайной величины). Такие числа можно получать с помощью датчиков случайных чисел. Например, в языке программирования Turbo Pascal имеется стандартная функция random, значениями которой являются случайные числа, равномерно распределенные на отрезке [0; 1]. Сказанное означает, что если разбить указанный отрезок на некоторое число равных интервалов и вычислить значение функции random большое число раз, то в каждый интервал попадет приблизительно одинаковое количество случайных чисел. В языке программирования basin подобным датчиком является функция rnd. 
Нами найден и исследован новый метод статистических измерений применительно для контроля качества потока углеводородов. Суть разработанного алгоритма состоит в следующем: в статическом режиме градуируется система по основному потоку (нефть, уголь, газ и т.п.) и строится традиционным методом градуировочная характеристика. Далее, по теореме Котельникова находится Δti- интервал времени между измерениями, необходимый для точного воспроизведения характеристики (случайного сигнала) измеряемого параметра [3]. Для конвейерных весов Δti=0,02с; для магистрального нефтепровода Δti=0,2с. По методу скользящего среднего, при каждом измерении контроллер вторичного прибора вычисляет значение функции, представленной на рисунке 2, от измеряемого параметра по формуле [2]:

, (1)

где y(t)- значение измеряемого параметра;l- интервал времени между измерениями, с;
t- время, с.


Рисунок 1 – Случайное распределение выходного сигнала измерительной системы

Значение измеренного параметра y(ti) из памяти прибора (базовая градуировочная характеристика) и вычисленное по формуле (1), уточняется путем усреднения и заносится в память прибора как новая (уточненная) точка градуировочной характеристики. И так в течение всего периода работы прибора – новая характеристика усредняется с предварительно многократно усредненной (и теперь уже являющейся базовой) градуировочной характеристикой (т.н. метод «Монте-Карло»). Рисунок 2 поясняет процесс усреднения градуировочной характеристики, где 1- градуировочная характеристика, занесенная в процессор вторичного прибора; 2- градуировочная характеристика, вычисленная методом скользящего среднего; 3- уточненная градуировочная характеристика, полученная методом «Монте-Карло».


Рисунок 2 – Уточнение градуировочной характеристики измерительной системы

Т.о, делая общий вывод по способу и устройству, можно утверждать, что благодаря огромному энергетическому эквиваленту, на примере радиоизотопной системы измерений можно извлечь дополнительное количество информации за время t с помощью мощности Р, а также повысить точность измерительной системы, перенеся совершенствование системы регистрации в область наноотрезков времени.


Библиографический список
  1. Соболь И.М. Численные методы Монте-Карло. М., 1973.
  2. Коптева А.В., Проскуряков Р.М., Войтюк И.Н. Автоматическая корректировка метрологических характеристик измерителей случайных сигналов первичного преобразователя анализатора жидкостных потоков. – СПб.: Записки Горного института: РИЦ СПГГИ (ТУ). – Т. 195. – 2012. – С.277-280.


Все статьи автора «Коптева Александра Владимировна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться: