基于小波分析的纸浆Kappa值分类模型软测量

针对在蒸煮过程纸浆Kappa值软测量中,基于经验的直接模型法在复杂工况情况下预测精度不高的问题,提出了一种分类模型软测量方法。该方法选择Daubechies小波作为分析工具,提取五维特征向量对升温过程曲线进行特征描述,并利用曲线特征对工况进行分类,对不同工况采用不同的软测量模型进行预测。用某造纸厂化浆车间的130组实际生产数据对该方法进行了检验,其中前100组数据用于训练,后30组数据用于测试。检验数据结果显示,分类模型预测标准偏差(3.87)比直接模型预测偏差(4.21)小,取得了更好的效果。

间歇蒸煮过程纸浆Kappa值分段模型研究

由于技术和工艺原因,间歇制浆蒸煮过程纸浆Kappa值难于在线测量。本文在Hatton模型的基础上,提出了分段机理回归模型预测方法,工厂数据的应用证实了该方法的可行性和有效性。

硫酸盐法蒸煮过程Kappa值预测模型的研究与应用

本文在分析硫酸盐法间歇蒸煮机理的基础上 ,采用定性和定量相结合的方法 ,在吸收前人的成果后 ,提出一种新的实用的蒸煮过程纸浆Kappa值数学模型 ,该模型物理意义明晰 。

基于定性知识和线性PLS的间歇蒸煮过程Kappa值软测量方法

间歇制浆蒸煮过程是一个复杂的物理化学过程,蒸煮过程的各变量之间的关系是本质非线性的。文章应用蒸煮过程各变量的定性知识对过程数据进行变换,经过变换后的数据之间的关系的非线性程度得到降低,因而线性PLS建模方法也能较好地应用,避免了因采用非线性PLS算法而引起的复杂计算和稳定性分析。PLS方法不仅能见到主导变量和辅助变量之间的外部关系,还能看到因子之间的内部关系。对实际蒸煮过程数据的应用表明,该软测量方法是有效的。

复杂工况下的纸浆Kappa值软测量方法

在纸浆Kappa值软测量技术的研究与应用中 ,发现直接基于经验模型的Kappa值软测量方法在复杂工况应用中预测精度有所下降 .针对这个问题 ,提出了首先利用Daubechies小波变换获得升温过程特征信息来进行工况分类 ,再进行分类模型预测的方法 .以某制浆车间的 130组样本数据为对象进行分析 。

间歇制浆蒸煮过程的混合建模方法研究

在分析间歇蒸煮过程的经验模型和神经网络模型的基础上 ,提出了制浆蒸煮过程的混合建模方法 ,给出了混合模型的结构和算法。在对工厂的实际数据应用表明 。

纸浆卡伯值软测量模型的研究与应用

对近年国内制浆蒸煮过程纸浆卡伯值软测量技术的研究和应用成果进行了全面的对比分析,展望了智能软测量技术在纸浆卡伯值软测量建模过程中的发展前景。

基于改进k-最近邻回归算法的软测量建模

机器学习回归方法被广泛应用于复杂工业过程的软测量建模k-最近邻(kNN)算法是一种流行的学习算法,可用于函数回归问题.然而,传统kNN算法存在运行效率低、距离计算忽略特征权值的缺点.本文引入了二次型距离定义和样本集剪辑算法,改进了传统kNN回归算法,并将改进的算法用于工业过程软测量建模.仿真实验得到了一些有益的结论.

RBF神经网络在卡伯值软测量中的应用研究

本文提出了一种新的RBF神经网络的在线学习算法 ,该算法能在线实时地调整RBF神经网络的隐层单元数目和网络参数 ,并且使用计算量小、运算速度快的基于逆QR分解的Givens递推最小二乘算法调整网络权值 ,克服了离线训练方式的不足 ,并将其用于制浆蒸煮过程中纸浆卡伯值的软测量。通过工厂蒸煮数据验证 ,表明此算法具有良好的性能 ,训练的网络具有学习速度快、精确度高、结构紧凑的优点 ,用于建立卡伯值数学模型 ,实现卡伯值的软测量是有效的。

基于支持向量机的蒸煮过程卡伯值软测量

卡伯值是制浆蒸煮过程表征纸浆质量的一个重要质量指标 ,卡伯值软测量是实现蒸煮过程质量控制的重要途径。支持向量机是一种新型的机器学习方法。该方法采用了结构风险最小化原则 ,与传统机器学习方法相比 ,在最小化学习误差的同时可以保证有较小的泛化误差。将支持向量机应用于制浆蒸煮过程卡伯值的软测量建模 ,取得了比经验模型更好的预测效果。

基于OPC技术卡伯值软测量的实现

近年来蒸煮终点卡伯值软测量的模型多采用高级智能算法来建立,其在工业控制器编程实现上存在较大难度。本文提出了一种新的软测量设计方案:利用MATLAB软件对高级智能算法的可实现性,将软测量模型建立在MATLAB中,采用OPC通信技术,使MATLAB与上位机监控软件WinCC实时交换数据,从而实现卡伯值的在线软测量。通过实验仿真表明,该系统设计方案简单易行,仿真结果真实可靠。

DCS控制系统及软测量技术在间歇制浆蒸煮过程的应用

采用两级DCS控制系统及先进的软测量技术极大地提高了传统间歇蒸煮生产过程自动化水平 ,并对蒸煮粗浆的重要质量指标Kappa值的控制效果良好。介绍该控制系统的体系结构及其软、硬件的功能实现 ,特别对软测量预报系统的原理、功能。

基于BP神经网络的蒸煮卡伯值预测模型

卡伯值反映了纸浆的硬度,是稳定纸浆质量的关键。本文利用BP人工神经网络与工厂实际数据建立了一个简单的卡伯值BP神经网络模型。且介绍了以BP网络为基础的卡伯值预测模型在蒸煮终点预报系统中的应用。将该模型的仿真结果与LUO模型进行比较,可知利用BP人工神经网络进行纸浆卡伯值预测是可行的,且具有很大的理论意义和实用价值。

基于双取样点的立锅间歇蒸煮过程卡伯值软测量模型

建立了一个基于双取样点的间歇蒸煮过程卡伯值软测量模型。该模型同时利用了大量脱木素起始阶段和残余脱木素起始阶段两个取样点的有效碱浓度,降低了有效碱浓度测量误差对卡伯值预测精度的影响,提高了模型的鲁棒性,比其他单独利用初始有效碱浓度或某个过程取样点有效碱浓度的模型更能反映蒸煮过程卡伯值的变化。通过用工厂实际数据对模型的检验,新模型的优点得到了证实。

间歇蒸煮过程优化控制在福建青山纸业的应用

介绍了一套应用于纸厂蒸煮车间的间歇蒸煮过程计算机优化控制系统 ,该系统能自动完成蒸煮各阶段的操作 ,也可用来指导操作工进行操作 .除了实现对蒸煮过程的常规温度和压力控制以外 ,还针对立式蒸锅建立了Kappa的软测量模型 ,实现蒸煮终点的精确预报 .该系统在福建青州造纸厂蒸煮车间的投运后运行稳定 ,Kappa值的均方差减小约 2 0 % ,单锅产量提高约 1 % ,蒸汽压力波动减少 91 % ,化学品用量减少 8% ,增加产量 1 4 1 % 。

基于RBF神经网络的制浆蒸煮终点预测模型

为稳定纸浆质量,实现蒸煮终点的精确预测,建立基于RBF网络的终点预测模型,通过与BP模型的比较,可知基于RBF网络的蒸煮终点预测模型具有较好的快速性及准确性。

蒸煮过程软测量中的异常数据发掘方法研究

面向实际生产过程的软测量技术,融合了大量的现场数据,其中的任一异常数据(野值)的出现都可能导致模型的预测效果下降,甚至完全失败。由于实际测量数据不可避免地会带有误差,因此,对测量数据进行预处理非常重要。以制浆蒸煮过程纸浆Kappa值软测量模型为例,给出了一种综合判别异常样本数据的方法。该方法基于聚类分析和工艺机理发掘矛盾数据组,并结合回归分析和统计分析,定位异常样本数据并解释这些异常样本对建模的影响大小。以某造纸厂化浆车间的100组样本数据为对象进行分析,得到的异常样本及对建模的影响与专家经验分析相一致,证明了该方法的有效性。

间隙蒸煮过程计算机优化控制

介绍了一套应用于纸厂蒸煮车间的间歇蒸煮过程计算机优化控制系统,该系统能自动完成蒸煮各阶段的操作,也可用来指导操作工进行操作。除了实现对蒸煮过程的常规控制,包括温度随动控制和压力定值控制以外,还针对立式蒸锅建立了Kappa的软测量模型,实现蒸煮终点的精确预报。该系统在福建青州造纸厂蒸煮车间投运后,运行稳定,Kappa值的均方差减小约20%,单锅产量提高约1%,蒸汽压力波动减少91%,化学品用量减少8%,增加产量14 1%,取得了良好的经济效益。

脱木素反应的多变量推断控制系统研究

根据脱木素反应动力学理论,建立了脱木素反应的双输入双输出数学模型,设计了用有效碱浓度和卡伯值作为控制变量的多变量推断控制系统。对实际连续蒸煮过程脱木素反应控制的测试结果表明,该控制系统可以很好的克服各种不可测扰动对脱木素反应的影响,提高脱木素反应生成纸浆的质量和纸浆得率,同时降低反应生成副产品蒸煮黑液中的残碱浓度,减少蒸煮过程的用碱量,达到保护环境、清洁生产的目的。

间歇制浆蒸煮过程的混合建模方法探讨

本文在分析间歇蒸煮过程的经验模型和神经网络模型的基础上,提出了制浆蒸煮过程的混合建模方法,给出了混合模型的结构和算法。在对工厂的实际数据应用表明,该混合模型的结构和算法是有效的。