间歇制浆蒸煮终点预测方法

在分析常用蒸煮模型的基础上 ,提出了基于神经网络的制浆蒸煮过程建模方法。与BP神经网络相比 ,RBF神经网络具有最佳逼近能力、收敛速度快和不存在局部极小点等优点 ,因而选用了RBF神经网络作为建模工具。在决定RBF神经网络的输入和输出变量时 ,充分利用了现场可测量的物理量和制浆蒸煮过程知识 ,其输入变量比常用蒸煮模型增加了硫化度和木片合格率 ,其输出变量采用实际过程测量所需的终点H因子的对数 ,这样就减少了RBF神经网络的规模 ,提高了训练速度。对工厂的实际数据应用表明 ,该RBF神经网络模型的预测精度高于传统的Hatton模型。