食品物料输送机械

《食品物料输送机械》由会员分享，可在线阅读，更多相关《食品物料输送机械（196页珍藏版）》请在金锄头文库上搜索。

1、 第一章 物料输送机械第一节 固体物料输送机械与设备 带式输送机 螺旋式输送机 刮板输送机 斗式提升机 气力输送装置第二节 流体输送装置 真空吸料装置 液料泵本章学习目标l了解各种形态物料的输送特点l掌握输送机械的主要类型及其工作原理l了解各种主要输送机械的基本结构l掌握输送机械的基本性能特点l掌握输送机械的选用和使用要点第一节 固体物料输送机械与设备一、 带式输送机：食品工厂中应用最广泛的一种连续输送机械。l 输送物料：块状、颗粒状物料及整件物料l 功 能：水平输送、倾斜输送l 特 点：输送量大，动力消耗少，运转连续，工作平稳，输送距离大。（一）带式输送机构造与工作原理构造： 输送带、滚筒、

2、料斗、托辊、卸料装置、驱动装置1输送带；2上托辊；3缓冲托辊；4导料板；5加 料斗；6改向滚筒；7张紧装置； 8尾架；9空段清扫器；10下托辊；12弹簧清扫器 ；13头架；14传动滚筒；15头罩主要构件l特点：牵引和承载功能的构件，输送带应具有强度高、质量轻、延伸率小、吸水性小、耐磨性好特点。l材料：食品工业常用橡胶带、纤维编织带、网状钢丝带及塑料带。工作表面有平向和花纹两种，后者适宜于内摩擦力较小的光滑颗粒物料的输送。还常采用不锈钢带。其强度高、耐高温、耐腐蚀 ，适用于边输送，边清洗、沥水、炸制、通风冻结 、干燥的场合。A A、 输送带：输送带：（1）橡胶带l橡胶带是由若干层纤维帆布作为带芯

3、，层与层之间用 橡胶加以粘合而成的。l其上下两面和左右两侧还附有橡胶保护层。l帆布带芯是胶带承受拉力的主要部分，而橡胶保护层 的主要作用是防止帆布磨损及腐蚀。l橡胶带按其用途不同可分为强力型、普通型和耐热型 三种。l带宽也有一系列的规格尺寸（200、250、300、400、 450、500、650、800、1000、1200、1600mm等）。l橡胶带越宽，帆布层越多，承受的总拉力越大。但随 着帆布层数的增多，其柔性变小（2）钢带l链节式（便于维护，成本低，卫生条件差）l整体式（成本高，难维护，卫生条件好）（3）钢丝网带l造价高（4） 塑料带l耐磨、耐酸碱、耐油、耐腐蚀。不适用温度变 化范围大

4、。l一般有单层和多层结构，多层结构塑料带与普 通型橡胶带相似B、 驱动装置-传动滚筒和改向滚筒l驱动装置包括电动机、减速器、驱动滚 筒。l驱动滚筒是传递动力的主要部件，其长 度略大于带宽。呈鼓形结构，即中部直径 稍大用于自动纠正输送带的跑偏。l转向滚筒：改向C、 托 辊l作用： 用于承托输送带及其上面的物料，避免作业时输送带产生过大的挠曲变形。l托辊分为上托辊(即载运托辊)和下托辊(即空载托辊)两种。l上托辊：平托辊和凹面托辊，又有单辊式和多辊。下托辊：平托辊l托辊间距：一般0.40.5m物料轻取12m20kg成件品 间距1时，该随机过程生成的时间序列是发散的 ，表现为持续上升(1)或持续下降

5、(0，样本自相关系数近似 地服从以0为均值，1/n 为方差的正态分布，其 中n为样本数。也可检验对所有k0，自相关系数都为0的联 合假设，这可通过如下QLB统计量进行：该统计量近似地服从自由度为m的2分布 （m为滞后长度）。因此:如果计算的Q值大于显著性水平为 的临界值，则有1-的把握拒绝所有k(k0)同 时为0的假设。例9.1.3: 表9.1.1序列Random1是通过一 随机过程（随机函数）生成的有19个样本的随 机时间序列。 l容易验证：该样本序列的均值为0，方差为 0.0789。 从图形看：它在其样本均值0附近上下波动， 且样本自相关系数迅速下降到0，随后在0附近 波动且逐渐收敛于0。

6、 由于该序列由一随机过程生成，可以认为不 存在序列相关性，因此该序列为一白噪声。l 根据Bartlett的理论：kN(0,1/19)，因此任一rk(k0)的95%的置信区间都将是:l可以看出:k0时，rk的值确实落在了该区间内 ，因此可以接受 k(k0)为0的假设。l同样地，从QLB统计量的计算值看，滞后17期 的计算值为26.38，未超过5%显著性水平的临界 值27.58，因此,可以接受所有的自相关系数 k(k0)都为0的假设。l因此，该随机过程是一个平稳过程。 l 序列Random2是由一随机游走过程Xt=Xt-1+t生成的一随机游走时间序列样本。其中，第0项 取值为0， t是由Rando

7、m1表示的白噪声。图形表示出：该序列具有相同的均值，但从样 本自相关图看，虽然自相关系数迅速下降到0， 但随着时间的推移，则在0附近波动且呈发散趋势。 样本自相关系数显示：r1=0.48，落在了区间- 0.4497, 0.4497之外，因此在5%的显著性水平 上拒绝1的真值为0的假设。该随机游走序列是非平稳的。例9.1.4 检验中国支出法GDP时间序列的平稳性。 表9.1.2 19782000年中国支出法GDP（单位：亿元）l 图形：表现出了一个持续上升的过程，可初 步判断是非平稳的。l 样本自相关系数：缓慢下降，再次表明它的 非平稳性。 l 从滞后18期的QLB统计量看：QLB(18)=57

8、.1828.86=20.05 拒绝：该时间序列的自相关系数在滞后1期之后 的值全部为0的假设。结论:19782000年间中国GDP时间序列是非平稳序列。例9.1.5 检验2.10中关于人均居民消费与人均国内生产总值这两时间序列的平稳性。原图 样本自相关图 l从图形上看：人均居民消费（CPC）与人均国 内生产总值（GDPPC）是非平稳的。 从滞后14期的QLB统计量看：CPC与GDPPC序列的 统计量计算值均为57.18，超过了显著性水平为 5%时的临界值23.68。再次表明它们的非平稳性 。l就此来说，运用传统的回归方法建立它们的 回归方程是无实际意义的。l不过，9.3中将看到，如果两个非平稳

9、时间序列是协整的，则传统的回归结果却是有意义 的，而这两时间序列恰是协整的。 四、平稳性的单位根检验（unit root test）1、DF检验l 随机游走序列:Xt=Xt-1+t是非平稳的，其中t是白噪声。而该序列可看成 是随机模型:Xt=Xt-1+t中参数=1时的情形。（*）式可变形式成差分形式：Xt=(1-)Xt-1+ t=Xt-1+ t (*)检验（*）式是否存在单位根=1，也可通过（* ）式判断是否有 =0。对式：Xt=Xt-1+t （*） 进行回归，如果确实发现=1，就说随机变量Xt有一个单位根。一般地:l 检验一个时间序列Xt的平稳性，可通过检验 带有截距项的一阶自回归模型：Xt

10、=+Xt-1+t （*）中的参数是否小于1。或者：检验其等价变形式：Xt=+Xt-1+t （*）中的参数是否小于0 。在第二节中将证明，（*）式中的参数1或=1时，时间序列是非平稳的;对应于（*）式，则是0或 =0。 因此，针对式： Xt=+Xt-1+t 我们关心的检验为：零假设 H0：=0。备择假设 H1：临界值，不能拒绝存在单位根的零假设。l 时间T的t统计量小于ADF分布表中的临界值，因此不能拒绝不存在趋势项的零假设 。需进一步检验模型2 。2）经试验，模型2中滞后项取2阶：LM检验表明模型残差不存在自相关性，因此该模型的设定是正确的。l从GDPt-1的参数值看，其t统计量为正值，大于临

11、界值，不能拒绝存在单位根的零假设。l常数项的t统计量小于AFD分布表中的临界值，不能拒绝不存常数项的零假设。需进一步检 验模型1。3)经试验，模型1中滞后项取2阶： LM检验表明模型残差项不存在自相关性，因此模型的设定是正确的。l 从GDPt-1的参数值看，其t统计量为正值，大于临界值，不能拒绝存在单位根的零假设。l 可断定中国支出法GDP时间序列是非平稳的。例9.1.7 检验2.10中关于人均居民消费与人均国内生产总值这两时间序列的平稳性。1) 对中国人均国内生产总值GDPPC来说，经过偿试，三个模型的适当形式分别为：l 三个模型中参数的估计值的t统计量均大于各自的临界值，因此不能拒绝存在单

12、位根的 零假设。l 结论：人均国内生产总值（GDPPC）是非平稳的。2）对于人均居民消费CPC时间序列来说，三 个模型的适当形式为 ：l 三个模型中参数CPCt-1的t统计量的值均比 ADF临界值表中各自的临界值大，不能拒绝该时间序列存在单位根的假设，l因此,可判断人均居民消费序列CPC是非平稳的。五、单整、趋势平稳与差分平稳随机 过程l 随机游走序列Xt=Xt-1+t经差分后等价地变 形为 Xt=t， 由于t是一个白噪声，因此差 分后的序列Xt是平稳的。l 如果一个时间序列经过一次差分变成平稳 的，就称原序列是一阶单整（integrated of 1 ）序列，记为I(1)。单整l一般地，如果

13、一个时间序列经过d次差分后变 成平稳序列，则称原序列是d 阶单整（integrated of d）序列，记为I(d)。l 显然，I(0)代表一平稳时间序列。l现实经济生活中:1)只有少数经济指标的时间序列表现为平稳的， 如利率等;2)大多数指标的时间序列是非平稳的，如一些 价格指数常常是2阶单整的，以不变价格表示的 消费额、收入等常表现为1阶单整。l 大多数非平稳的时间序列一般可通过一次或多次差分的形式变为平稳的。l 但也有一些时间序列，无论经过多少次差分，都不能变为平稳的。这种序列被称为非单整 的（non-integrated）。例9.1.8 中国支出法GDP的单整性。经过试算，发现中国支出

14、法GDP是1阶单整的，适当的检验模型为：例9.1.9 中国人均居民消费与人均国内生产总 值的单整性。经过试算，发现中国人均国内生产总值 GDPPC是2阶单整的，适当的检验模型为：同样地，CPC也是2阶单整的，适当 的检验模型为： 趋势平稳与差分平稳随机过程前文已指出，一些非平稳的经济时间序列 往往表现出共同的变化趋势，而这些序列间本 身不一定有直接的关联关系，这时对这些数据 进行回归，尽管有较高的R2，但其结果是没有任何实际意义的。这种现象我们称之为虚假回 归或伪回归（spurious regression）。如：用中国的劳动力时间序列数据与美 国GDP时间序列作回归，会得到较高的R2 ，但不

15、能认为两者有直接的关联关系，而只不过它们 有共同的趋势罢了，这种回归结果我们认为是虚 假的。为了避免这种虚假回归的产生，通常的做法 是引入作为趋势变量的时间，这样包含有时间 趋势变量的回归，可以消除这种趋势性的影响 。然而这种做法，只有当趋势性变量是确 定性的（deterministic）而非随机性的（ stochastic），才会是有效的。换言之，如果一个包含有某种确定性趋势 的非平稳时间序列，可以通过引入表示这一确 定性趋势的趋势变量，而将确定性趋势分离出 来。1)如果=1，=0，则（*）式成为一带位移的随机游走过程：Xt=+Xt-1+t （*） 根据的正负，Xt表现出明显的上升或下降 趋势。这种趋势称为随机性趋势（stochastic trend）。考虑如下的含有一阶自回归的随机过程：Xt=+t+Xt-1+t （*） 其中:t是一白噪声，t为一时间趋势