Идентификация массовых распределений жировой фазы в молоке с помощью универсальных распределений Пирсона
Автор: Хвостов А.А., Ребриков Д.И., Мерзликин В.Е.
Журнал: Вестник Воронежского государственного университета инженерных технологий @vestnik-vsuet
Рубрика: Информационные технологии, моделирование и управление
Статья в выпуске: 2 (64), 2015 года.
Бесплатный доступ
В работе рассмотрена задача по аппроксимации экспериментальных значений коэффициента затухания ультразвуковых колебаний и массовых распределений жировых шариков в молоке и молочных продуктах. Произведен анализ экспериментальных данных с точки зрения выбора метода аппроксимации. Предложена аппроксимирующая зависимость, которая основана на решении дифференциального уравнения Пирсона. Рассмотрены преимущества предложенного метода аппроксимации с учетом вида получаемых экспериментальных данных. Разработан алгоритм построения математической модели, описывающей спектр времен релаксации и массовых распределений жировых шариков в молоке и молочных продуктах. В результате аппроксимации семейством кривых Пирсона экспериментальных данных показана возможность качественно верно описать изменение распределения жировой фазы в ходе процесса гомогенизации. Оценена погрешность аппроксимирующей зависимости, которая составила 18 %. Показано, что с ходом процесса гомогенизации молочных продуктов изменяется вид кривой, описывающей распределение жировых шариков, в виду того, что появляется локальный экстремум, вызванный наличием части негомогенизированных жировых шариков. При этом точность выбранной математической модели резко снижается. Вместе с этим, теряется физический смысл и её параметров. Для устранения выявленных отклонений в работе предложено массовое распределение жировых шариков рассматривать как функцию с двумя модами. Обосновано, что усложнение модели не только увеличивает в два раза количество её параметров, но и усложняет интерпретацию результатов измерений в системе управления и делает сложным анализ получаемых параметров аппроксимации лицом, принимающим решение. По результатам аппроксимации экспериментальных данных и по их виду предложено использовать статистические моменты распределения для решения поставленной задачи.
Молочные продукты, акустические свойства, массовое распределение, аппроксимация, распределение пирсона
Короткий адрес: https://sciup.org/14040439
IDR: 14040439
Текст научной статьи Идентификация массовых распределений жировой фазы в молоке с помощью универсальных распределений Пирсона
Использование связи значений масс распределения жировых шариков по массовым или объемным фракциям [1, 2] со спектром времен релаксации молока от акустических свойств раствора [3] при параметрической идентификации представляет трудности по следующим причинам:
-
- число точек H ( т ) ограничено количеством их измерений;
-
- разная разрешающая способность по массе и частоте усложняет сопоставление точек, полученных экспериментально, на кривых релаксационного спектра и распределения масс жировых шариков по массовым или объемным фракциям с релаксационным спектром молока;
-
- вероятное увеличение случайной ошибки без фильтрации исходных данных.
То есть необходима аппроксимация экспериментальных значений H (τ) и распределения жировой фазы. Рассмотрим синтез аппроксимирующей зависимости на примере массового (объемного) распределения жировой фазы в молоке. Поскольку полная функция распределения начинается с нулевого значения и заканчивается нулевым значением, проходит через один или несколько максимумов и при этом вид спектра заранее неизвестен, то для его аппроксимации можно использовать решения дифференциального уравнения Пирсона [4, 5]:
dHT1) = А T + \ 2 • HT) , (1) ат b0 + b1T + b2т где a, b0, b1, b2, — постоянные.
Общее решение этого уравнения может быть представлено в виде:
j ( т + a ) d T
h ( t ) = He b ° + b 1 ' + b 2 T 2 (2)
Параметры a, b0, b1, b2, определяются по методу моментов:
a — м (м + 3ц2) / A, bо = - ^2 (4 ^2 M4 — 3^2) / A,
* b — - M ( ^ 4 + 3 M ) / A, b 2 — - ( 2M Ц 4 - 3 M - 6 M 2 ) / A, A — 10 MM - 18 м - 12 М ,
где μ 1 , μ 2 , μ 3 , μ 4 – первые четыре центральных момента распределения измеряемой величины:
n
A k — X ( т - M ) k • H ( т ) , (4)
i — 1
где k – порядок рассматриваемого момента;
n – количество экспериментальных точек.
Структура решения дифференциального уравнения (1) зависит от полученных корней V 1, ^ уравнения [5]:
b 0 + b 1 T + b 2 T 2 — 0 (5)
Для проверки корней данного уравнения вводится параметр:
$ —
b i2
4 b 0 b 2
Величина æ называется критерием Пирсона (каппа Пирсона) и ее значения определяют следующие свойства корней уравнения:
-
- Если $ < 0, уравнение (2) имеет действительные корни разных знаков.
-
- Если 0< $<1, уравнение (2) имеет комплексные корни.
-
- Если $>1, уравнение (2) имеет действительные корни одного знака.
Всем этим вариантам Пирсон ставит в соответствие три основных типа своих кривых, которые он назвал кривыми I, IV и VI типа. Также $ может принимать значения 0,1 ± », что дает переходные типы кривых. Всего семейство кривых Пирсона включает 12 типов, плюс нормальную кривую.
Имея рассчитанный параметр æ, можно определить вид кривой, аппроксимирующей экспериментальные данные.
В случае нескольких основных времен релаксации согласно принципу суперпозиции релаксационных процессов в молоке суммарная функция f ( T , ^ ) будет аппроксимироваться взвешенной суммой функций плотности в двумерном виде:
N f (T ,^) —X 5f (T ,^), (7)
I — 1
где i – номер рассматриваемого релаксационного процесса, N – количество рассматриваемых релаксационных процессов, ^ - весовой коэффициент для i -го релаксационного процесса в общие механические потери.
Таким образом, алгоритм, с помощью которого осуществляется построение математической модели, которая описывает спектр времен релаксации в молоке, будет выглядеть следующим образом (рисунок 1):
-
1. Разделение множества всех экспериментально точек в плоскости ( T , ю ) на под-
- множества, соответствующие отдельным выборкам и относящиеся к конкретному релаксационному механизму.
-
2. Создание из множества экспериментальных точек, соответствующих каждому механизму релаксации, подмножеств экспериментальных точек, связанных с фиксированным частотам или температурам, для создания выборок условных распределений по частотам и температурам.
-
3. Приведение к нормированным значениям для расчета выборочных моментов условных распределений.
-
4. Расчет выборочных моментов M m , M T условных распределений.
-
5. Расчет коэффициентов квадратного уравнения в знаменателе (1) С ю, С и вычис
-
6. Выбор типа распределения из семейства универсальных распределений Пирсона.
-
7. Расчет параметров распределения Г ^ Г т , пю , п т .
-
8. Дополнительное уточнение коэффициентов суммарного многомодального распределения с помощью метода покоординатного спуска по среднеквадратичному критерию и начальными приближениями, полученными на этапе 7.
-
9. Оценка адекватности и точности модели.

Рисунок 1. Алгоритм построения математической модели
ление его корней ую , V T .
По проведенным экспериментальным исследованиям установлено, что полученные корни уравнения (2) – вещественные числа разных знаков. Поэтому для моделирования спектра времен релаксации необходимо использовать бета-распределение первого рода:
H ^ ) = У ( т ) - ■ (1 - у ( т )) - 2 к ■ B ( - 1 , - 2)
где s1, s2 – параметры рассматриваемого распределения; y(τ) - аргумент; B(s1,s2) - значение полученной бета-функции.
Параметры для распределения вычисляются по формулам:
c - a х, =-----1---------
1 B 2 ( c + c 2 ) ,
- 2 =
c 2 - a
B 2 ( c i + c 2 )
Аргумент распределения можно определить по формуле:
У ( т ) = ^-Г 1 , (10)
где 1 1 = ^ - с 1 , 1 2 = с 1 + с 2.
Для того чтобы идентифицировать параметры модели релаксационного спектра был использован среднеквадратичный критерий:
^ = f ( H( т i ) эксп - H( т i ) расч ) 2----- >
- 1 , - 2 , k , 1 1 , 1 2
■> Ш1П
При проведении экспериментальных исследований использовано 42 образца молока с различным массовым распределением жировой фазы вследствие проведения процедуры гомогенизации при разных давлениях.
Необходимо заметить, что в процессе параметрической идентификации использованы предварительно нормированные данные эксперимента. Переход от абсолютных значений H(τ) к нормированным вызван тем, что площадь под кривой распределения жировой фазы должна быть равна 1, однако условие J H(т)dт = 1 не тШ1П выполняется, поэтому для дальнейшего расчета массового распределения жировой фазы по спектру времен релаксации необходимо осуществить нормировку исходных данных.
Для чего необходимо соблюдение следующего условия:
N f н (т) = 1, (12)
i = 1
где N – количество точек измерения.
Для чего необходимо осуществить введение дополнительного нормирующего коэффициента k норм , который обеспечивает выполнение равенства (4):
k норм N (13)
f н ( т , ) i = 1
При дальнейших расчетах используемые экспериментальные значения спектра времен релаксации подразумеваются как нормированные значения.
На рисунке 2 представлены экспериментальные значения распределений жировой фазы молока до процесса гомогенизации и при разных давлениях проведения процесса. Приведенные данные показывают увеличение содержания низкоразмерных фракций с увеличением давления гомогенизации.
Аппроксимация семейством кривых Пирсона с использованием зависимости структуры (3) позволила качественно верно описать изменение распределения жировой фазы в ходе процесса гомогенизации (рисунки 3, 4, 5). Из представленных графиков видно, что в начале процесса гомогенизации вид распределения имеет ярко выраженный экстремум, благодаря чему распределение можно считать унимодальным. В этом случае математическая модель на основе кривых Пирсона с приемлемой погрешностью (порядка 18%) описывает распределение жировой фазы.

– – негомогенизированное молоко, - . - . - – гомогенизированное при давлении 90 и 180 МПа, соответственно
Рисунок 2. Сравнительные распределения жировых шариков в объеме пробы по диаметру

Диаметр жировых шариков, мкм
̶ кривая аппроксимации, ××× экспериментальные данные
Рисунок 5. Аппроксимация экспериментальных данных распределения жировых шариков гомогенизированного молока при давлении 180 МПа ДУ Пирсона

Диаметр жировых шариков, мкм
̶ кривая аппроксимации, ××× экспериментальные данные
Рисунок 3. Аппроксимация экспериментальных данных распределения жировых шариков негомо-генизированного молока ДУ Пирсона

Диаметр жировых шариков, мкм ̶ кривая аппроксимации, ××× экспериментальные данные
Рисунок 4 Аппроксимация экспериментальных данных распределения жировых шариков гомогенизированного молока при давлении 90 МПа ДУ Пирсона.
Однако в ходе процесса гомогенизации вид кривой распределения изменяется, и экстремум смещается к левой границе области определения функции распределения фазы по размерам. Кроме этого, ввиду наличия как гомогенизированной, так и негомогенизирован-ной части в общем объеме начинает проявляться остаток негомогенизированного молока в виде небольшого локального экстремума. В этом случае для того, чтобы достигнуть приемлемого уровня отклонений модельных данных от экспериментальных в математическую модель приходится вводить вторую моду. Такое усложнение модели не только увеличивает в два раза количество её параметров, но и усложняет интерпретацию результатов измерений в системе управления и ЛПР.
Проведенные исследования показали возможность качественного описания изменения объемного (массового) распределения жировой фазы в молочных продуктах с использованием семейства распределений Пирсона. Для более точного описания необходимо вводить в математическую модель описание второй моды или использовать описание функции распределения статистическими моментами.
Вестник ВГУИТ, №2, 2015
Список литературы Идентификация массовых распределений жировой фазы в молоке с помощью универсальных распределений Пирсона
- Крусь Г.Н. и др. Технология молока и молочных продуктов. М.: Колосс, 2003. 315 с.
- Kress-Rogers E., Brimelow C. J. B. Instrumentation and sensors for the food industry. Second edition. Abington: Woodhead Publishing Limited, 2000.
- Honerkamp J. et al. Determination of the relaxation time spectrum from dynamic module using an edge preserving regularization method//Rheologica Acta. 2000. V. 39. № 2. Р. 163-173.
- Крамер Г.Математические методы статистики. М.: Мир, 1975. 658 c.
- Кендалл М., Стьюарт А. Теория распределений. М.: Наука, 1966. 588 c.