基于自编码的长流程造纸过程断纸故障识别

断纸故障造成的非预期停机对生产效率影响较大,预测和识别断纸故障对造纸工业具有重要意义。本研究提出了一种基于堆栈自编码器(stacked autoencoder,SAE)和Softmax分类器的断纸故障分类和识别方法,通过相关性分析与机理分析相结合的方式筛选出关键过程变量,并采用聚类方法对断纸故障进行类型标记。建立并训练SAE模型以提取数据中的深度特征,并基于提取后的特征,可通过Softmax分类器识别断纸故障。以造纸厂历史数据进行验证,得到该模型的断纸故障分类准确率为96.2%,精准率为93.1%,召回率为91.9%,结果优于其他模型,说明基于SAE特征提取的分类模型可以较好地实现断纸故障识别。

基于DNN-LSTM的造纸废水处理过程温室气体排放分析模型

本研究采用深度学习算法,对造纸废水处理过程的温室气体(GHG)排放进行建模与分析,以期为温室气体减排控制提供参考。结合造纸废水处理温室气体产生机理,在基准仿真1号模型(BSM1)的实验基础上,将深度神经网络(DNN)模型和长短期记忆网络(LSTM)模型用于造纸废水处理过程中温室气体排放建模与分析,以辅助温室气体在线监测和分析。结果表明,深度学习模型可以有效地捕捉温室气体排放的特征。模型验证结果 R^(2)>0.99,平均相对误差不超过1%。基于DNN的灵敏度分析结果表明,曝气强度、污泥排放量、溶解氧浓度及内循环流量是影响造纸废水处理过程温室气体排放的关键操纵变量,水质变量和操纵变量间的相互作用是影响温室气体排放的潜在因素。

基于深度强化学习的造纸废水处理过程多目标优化

本课题提出了一种基于多智能体深度强化学习的动态优化方法,以期实现造纸废水处理过程的运行成本和能耗的协同优化。实验采用了基准仿真1号模型(BSM1)模拟造纸废水处理过程的生化反应和沉淀过程,并利用模型数据对强化学习智能体进行训练,最后用实际的造纸废水数据对搭建的模型系统进行验证。结果表明,基于多智能体深度强化学习的废水处理系统能够保障排水质量,实现成本与能耗的多目标优化控制,其性能表现优于传统方法。

基于机器学习的箱纸板质量预测模型构建及比较

箱纸板生产涉及一系列复杂工艺流程,且由于缺乏关键质量的在线监测手段,进而导致质量管控困难。为此,本研究尝试基于机器学习方法建立可在线监测箱纸板质量的预测模型,也称软测量模型,以促进上述问题的有效解决。本研究采用箱纸板企业实际数据,训练并比较了随机森林(RF)、梯度提升回归(GBR)、K近邻回归(KNN)及偏最小二乘回归(PLS)在多项质量指标上的预测表现。结果表明,不同质量指标本身很大程度上影响了预测精度的上限,而不同算法对理论上限的逼近程度有显著差异。复杂、非线性的集成模型(RF、GBR)相较于简单模型(KNN、PLS)有更好的表现。

基于整数动态规划的备浆调度模型

备浆是造纸过程中的重要环节,大多造纸企业的备浆过程都是间歇性的过程。在备浆过程中,需要同时兼顾备浆工段及造纸工段;由于备浆设备的启停缺乏科学的指导依据,工厂依靠人工经验对备浆设备进行调度往往易顾此失彼,达不到错峰用电以降低生产成本的效果。针对备浆设备调度目前存在的问题,本研究提出了一个基于运筹学方法的优化调度模型,应用整数动态规划的方法求解备浆设备调度问题。结果表明,该模型能够科学合理地确定备浆设备的加工时间,克服以往人力调度的不足,同时可保持较高的可用性和可靠性,模型生成的调度可降低备浆工段的用电成本。

造纸工业过程数字孪生模型的构建与应用

造纸业是全球第四大高耗能工业部门,随着能源、资源和环境约束不断增强,如何降低生产环节的能耗、提高生产效率是造纸企业必须考虑的问题。造纸过程是一个涉及多个操作参数的复杂过程,一方面其过程的复杂性导致基于机理方法的建模难度大,准确性和可靠性低;另一方面,基于机理方法的建模只适用于特定的对象,难以适应于实际生产复杂的变化,导致机理模型的适用性低。在工业领域中,机器学习算法已经被广泛的用于不同变量的预测,并在实践中取得了良好的效果。然而,建立数据驱动模型也常常面临着数据获取困难、模型训练复杂等问题,且针对固定场景搭建的模型,在变工况下容易因缺乏更新调节能力会导致性能降低。为了解决上述问题,提出了一种造纸过程数字孪生模型的系统框架,并对框架下的关键参数预测模型及模型更新进行了研究。

造纸废水处理过程温室气体排放代理模型研究

造纸废水处理过程具有高维、非线性和不稳定性等特点,并且其温室气体排放受诸多因素影响,目前缺乏可描述该过程的模型,因此难以对造纸废水处理过程的温室气体排放进行有效地管控与优化。本课题基于造纸废水处理温室气体产生机理,提出将响应面模型(Response Surface Model,RSM)、Kriging等方法与高维模型表征(High Dimensional Model Representation,HDMR)相结合,建立造纸废水处理过程中温室气体排放的代理模型,保障模型精度,同时降低优化设计所需计算成本。研究结果表明,对比于RSMHDMR,Kriging-HDMR具有更高的近似精度,其验证结果R^(2)大于0.95,更适用于高维、非线性的造纸废水处理过程。最后还基于Kriging-HDMR进行了关键参数的灵敏度分析,发现溶解氧传递系数和外循环流量对造纸废水处理温室气体减排最为关键。

面向造纸园区的多能协同调度模型

本课题提出了一种多种能源协同互补的调度方法,以提高风电与光伏发电消纳水平,促进造纸园区节能降碳。本方法在造纸园区全年用能负荷的基础上,利用机器学习技术建立了代表全年用能负荷情况的特征日获取模型;基于综合经济成本和与环境成本,建立了风-光-热-电-储协同的多能调度模型。在多个典型场景下,对模型运行结果进行验证发现,本方法可在保证用能需求的前提下,有效提升造纸园区功能系统的低碳化水平。

基于机器学习的造纸用能负荷特征日获取模型

造纸的用电负荷及用热负荷数据是反映造纸企业运行效益和工艺合理性的重要指标,对于企业生产来说,在大量的历史用能负荷数据中,挖掘出企业用能的分布情况对分析生产耗能情况,优化设备运行具有重要的意义。传统的用能分析方法存在着滞后性,无法保证结果的准确等问题。随着工业大数据的发展,基于机器学习的数据挖掘方法为用能负荷数据分析提供了有效的途径。通过相关性分析和降维算法,剔除数据冗余的信息。在此基础上,通结合聚类算法获取全年用能负荷特征日。结果表明,采用使用K均值与主成分分析法相结合能有效捕捉输入数据分布特征的同时获取代表全年用能负荷的数据。

煤和焦炉气联供制烯烃过程的建模模拟与分析

由于煤富碳少氢,煤制烯烃过程生产1 t产品将排放约5.8 t CO2。与此同时,中国焦炭工业每年产生约7×1010 m3的副产物焦炉气,这些富氢的焦炉气大多被燃烧或直接排放进入大气,对环境造成严重影响的同时还浪费了巨大的经济价值。本文对焦炉气辅助煤制烯烃的新过程进行了建模模拟与系统分析。焦炉气与煤元素互补,焦炉气中的H2可用来调节合成气的氢碳比;CH4可通过甲烷水蒸气重整和甲烷干重整两个过程,提高合成气的氢碳比的同时降低煤制烯烃过程排放的CO2,提高碳元素利用率,实现节能减排。这个新的联供过程的能效比煤制烯烃过程提高了约10个百分点,而CO2排放量则减少了约95%。

煤和焦炉气联供制合成天然气过程的建模、模拟与分析

近年来中国的煤制天然气项目快速发展。然而煤制天然气项目的 CO2排放量大、污水产量高难处理,生产过程能效低。与此同时,中国焦炭工业每年产生约700亿立方米的副产物焦炉气,这些富氢的焦炉气大多被燃烧或直接排放进入大气,对环境造成严重影响,同时还浪费了巨大的经济价值。煤和焦炉气联供制天然气新工艺可有效解决这些问题。焦炉气与煤元素互补,焦炉气中的氢气可用来调节合成气的氢碳比;甲烷可通过甲烷干重整过程降低煤制烯烃过程排放的CO2,提高碳元素利用率,实现节能减排。本文针对煤和焦炉气联供制天然气这个新的工艺过程进行建模、模拟与分析,发现新过程的能效比煤天然气烃过程提高了约8个百分点,而CO2排放量则减少了约60%。

受激拉曼散射显微技术在生物科学中的应用

受激拉曼散射(stimulated Raman scattering,SRS)显微技术,可以通过探测分子的特定振动模式,实现对活细胞的无标记和新型非荧光标记成像。由于SRS显微术具有较高的化学特异性,在生命科学成像领域具有极大的应用潜力。本文简要介绍了SRS显微技术的原理,同时总结了其在脂类、核酸和蛋白质等生物分子,以及在组织结构、小分子药物和食品分析中的应用。

中国造纸工业智能化转型升级路径的探讨与实践

本文探讨了中国造纸企业智能化转型的迭代方向和造纸工业向智能化转型升级的路径。讨论了新一代智能化技术对造纸工业的价值所在。用维达纸业实践案例推演了造纸企业与新一代信息技术融合的路径,证明了造纸工业智能化升级在提升生产效率、减少人力成本、降低生产成本以及节能减排方面的价值和潜力。并对推进中国造纸工业智能化转型升级提出了两条建议:①造纸行业要遵循"做好规划,抓住重点;跨界集成,协同创新;分类指导,先易后难;效益导向,稳妥实施"的原则推进;②造纸企业要分"两步走"实施:第一步实现造纸企业的数据化运营,第二步实现造纸企业的智能化生产。

双挂烘缸纸张干燥模型的建立及其工业验证

造纸机的干燥部能耗占到了整个造纸过程总能耗的50%以上,建立干燥部能耗模型并对其能耗进行优化,对提高整个造纸过程能源效率有着重要意义。纸张干燥是一个复杂的工业过程,现有的纸张干燥模型大部分只是针对纸张干燥过程,并没有把干燥部当作整个系统去考虑。本文针对双挂烘缸建立纸张干燥模型,并对机理模型中拟合较差的部分使用数据驱动模型进行修正,修正后的模型MAPE平均降低了5%。最后基于混合模型对纸张干燥过程进行优化,优化结果每吨纸可节省4%的蒸汽使用。

城市基础设施项目绩效评价指标体系构建研究

在分析城市基础设施项目绩效评价指标体系影响因素和设计原则的基础上,建立了城市基础设施项目绩效评价指标体系,为城市基础设施项目绩效评价提供参考。

基于PSO-LSSVM算法的造纸过程短期电力负荷预测模型

对造纸厂的用电负荷进行预测有利于对生产调度进行合理安排,从而降低能耗。本课题提出了一种粒子群优化算法(PSO)和最小二乘支持向量机(LSSVM)相结合(PSO-LSSVM)的短期电力负荷预测方法,该方法可对造纸厂未来每30min的电力负荷进行预测。结果表明,采用PSO-LSSVM算法对短期电力负荷进行预测时,预测结果的相对百分误差绝对值的平均值约为0.75%,精度高于其他行业的电力负荷预测值,模型具有良好的可行性和有效性。

基于支持向量机算法的造纸过程磨后纤维形态软测量模型

本研究提出了一种基于支持向量机(SVM)算法的造纸过程磨后浆料纤维形态软测量模型,该模型利用原始浆板纤维形态参数和磨浆参数作为输入,用于在线软测量生产过程中的磨后浆料纤维形态。结果表明,采用SVM算法进行建模时,7种磨后浆料纤维形态软测量模型的平均相对误差在2.87%~5.61%之间,均优于采用偏最小二乘回归(PLS)算法的建模效果(平均相对误差3.09%~6.60%),模型精度良好,满足生产中纤维形态实时检测对误差的要求。

eATP在植物生长发育及逆境胁迫中的作用

5'-三磷酸腺苷(ATP)是生物体各种生命活动所需能量的直接来源。研究表明,ATP在植物细胞线粒体、叶绿体等细胞器中合成后,可以被转运到胞外。胞外ATP(extracellular ATP,eATP)作为一种信号分子,在植物生长发育、逆境胁迫等多种生理过程中发挥重要功能。2014年,植物细胞中发现了第一个ATP受体,为阐明植物细胞eATP信号传导过程奠定了基础。本文中,作者将对植物生长发育及胁迫响应过程中产生的eATP及其功能进行总结,对eATP的发现、释放、识别、调控与信号传导、检测方法等进行论述,并对eATP在植物中的研究提出展望。

基于梯度增强决策树算法的纸张质量软测量模型

本研究提出了一种基于梯度增强决策树(GBDT)算法的纸张质量软测量模型,该方法可在线软测量纸张的关键物理指标如抗张强度、柔软度和松厚度。结果表明,采用GBDT进行纸张质量软测量时,抗张强度、柔软度和松厚度的平均相对误差分别为7. 21%、7. 38%和3. 5%;采集新数据验证后,纸张抗张强度、柔软度和松厚度的平均相对误差分别为6. 87%、6. 88%和3. 12%,表明模型对新验证数据的预测结果精度高。

纸张多烘缸干燥过程建模与智能模拟技术研究进展

以纸张干燥工序为切入点,总结纸张干燥过程建模与智能模拟技术的研究进展,为建立纸张干燥过程系统模型,实现智能模拟纸张干燥生产过程并最终助力传统造纸工业转型升级、实现智能制造,积累技术力量。