基于主成分分析法的低温存储罐材料指标分析.docVIP

基于主成分分析法的低温存储罐材料指标分析 　　摘要 本文从低温存储技术的材料选择为背景，利用主成分分析法对低温存储材料评价指标进行分析研究，利用主成分分析的降维方法将低温存储材料的多个评价指标进行主成分提取达到降维的结果。将提取出的若干主成分基于特征根贡献率进行排序分析，研究各项指标在主成分中所占的成分系数，得到低温存储材料评价的相关度最大的评价指标。可以为低温存储材料的选材提供一定的依据。 　　关键词 低温存储材料；评价指标；主成分分析 　　中图分类号TB6 文献标识码A 文章编号 1674-6708（2014）112-0095-02 　　0 引言 　　近年来，随着低温技术的发展，对低温材料的需要也迅速增长。在工业生产中，要求应用低温技术的场合很多，比如将气态物质转变成液态进行存储和运输，或者在要求低化学反应速率的场合等等，低温存储技术的优点就体现出来了。 　　一般来说，材料的工作温度在-20℃以下时就是低温材料。应用最广泛的低温存储技术就是用于液化天然气的存储和运输。本文选择-196℃作为低温存储罐的工作温度。 　　1 数据来源 　　本文所引用的原始数据来自国防工业出版社2011年出版的《工程选材综合评价》一书。 　　为了更好地说明主成分分析法的应用，本文只从使用性和经济性角度出发，从评价指标体系当中选取一些典型的指标，包括低温韧性、屈服强度以及弹性模量等。低温韧性顾名思义就是材料在低温状态下所呈现出来的韧性，是低温材料选择的一个重要指标。韧性表示材料在塑性变形和断裂过程中吸收能量的能力。韧性越好，则发生脆性断裂的可能性越小。低温韧性则是材料在低温环境下材料韧性的表现。大多数金属的韧性随温度的下降而下降，当达到延性-脆性的转变温度时，材料的韧性发生突变，进入脆化状态。因此，为了保证容器在低温环境下能正常和安全使用，对材料的低温韧性要求较高。为了保证存储罐能安全可靠地工作，在选择材料和对设计结构进行评价时要考虑材料室温屈服强度和弹性模量这两个指标，然后对存储罐进行强度、刚度校核。另外要考虑运输中的经济性，希望材料的相对密度不能很大。还要考虑到热应力的影响，这时就要考虑材料的膨胀系数。最后，整体的成本当然是比较重要的考虑因素了。 　　2 主成分分析法（Principal Component Analysis， PCA） 　　主成分分析法将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。又称主分量分析。 　　 　　现假定我们研究的数据是二维的，以横坐标ζ1和纵坐标ζ2来表示。因此每个观测值都有相应于这两个坐标轴的两个坐标值；如果这些数据形成一个椭圆形状的点阵，那么这个椭圆有一个长轴η1和一个短轴η2，因为η1⊥η2，故η1与η2互不相关。在短轴方向上，数据变化很少；如果长轴变量代表了数据包含的大部分信息，就用该变量代替原先的两个变量（舍去次要的一维），降维就完成了。在极端的情况，短轴如果退化成一点，那只有在长轴的方向才能够解释这些点的变化了。假定我们现在有N个样品，它们散布在椭圆平面内(图1)，并且指标ζ1与ζ2有相关性。但是现在我们把这些数据投影到不相关的η1轴和η2轴上， 　　在η1上离散程度很大，这是一个信息量较大的综合指标，可较好地反映出N个观测值的变化情况，而η2上反应的信息比较少，在降维时可以选择忽略。这样 　　我们就可以选取长轴η1为综合指标，完成降维工作。主成分分析的任务就是要找出代表性的综合指标，该指标能较完整地反应原来数据的信息。 　　3 主成分分析法的应用 　　3.1 原始数据的处理和标准化 　　原始数据给出了8个材料性能的评价指标，见表1。 　　 　　表1 不锈钢的牌号与评价指标数据 　　3.2 几种不锈钢材料评价指标主成份分析的计算结果 　　表2是主成分分析计算得出的表格，提取出的主成分所代表的方差(即对应的特征值)贡献率和原变量变换为新变量以后的成分矩阵就成为我们进行综合分析的重点。在主成分分析中，一般认为提取的主成分的累积方差贡献率大于80%或特征值大于1时能较多的保留原始数据的信息。下列表2和表3分别给出了各个主成份的解释的总方差和主成分的计算结果。图2则是各个主成分的特征值碎石图。 　　 　　表2 各个主成分的解释总方差 　　 　　图2 碎石图 　　 　　表3 成分矩阵 　　3.3结果分析 　　从表2可以看出，本次提取主成分的方法是根据主成分的特征值大于1来抽取的。一共抽取了两个主成分，主成分1的解释方差为52.813%，主成分2的解释总方差为23.743%，解释方差的总贡献率为76.556%，也接近80%，这两个主成分能在76.556%的程度上反应原始数据的信息，说明主成分的提取是合理的。从表3的分析数据可以