间歇蒸煮过程中基于平均卡伯值的综合H因子的研究

在纸浆卡伯值具有加合性的原理和卡伯值与 H 因子的对数成良好线性关系的基础上，根据在相同的蒸煮条件下，实际蒸煮的平均卡伯值与理想蒸煮的卡伯值相等的原则，定义了综合 H 因子，提出了其计算方法，然后根据 Vroom 定义 H 因子的方法，逆向定义了综合温度及其计算方法。

一种预测速生桉木常规KP法纸浆卡伯值的新模型

研究了蒸煮温度、时间、H-因子、消耗碱的量和初始硫化度与蒸煮终点浆料卡伯值之间的关系。结果发现,卡伯值与H-因子的倒数成线性关系;与消耗的碱量平方的倒数成线性关系;与硫化物和残余碱含量之和的倒数同样成线性关系,并得出了卡伯值预测的数学经验方程,即:K=A+B/{H[(CAA-0.5S.CAA)-(0.5S.CAA+CREA)]2}。验证结果表明,该模型可以对速生桉木常规KP法蒸煮终点浆料卡伯值进行准确预测,其线性相关系数R2=0.9152。

硫酸盐法间歇蒸煮过程的建模(英文)

本文从硫酸盐法间歇蒸煮脱木素动力学出发,推导出其蒸煮过程纸浆Kappa值数学模型为:Ka=A-Bln{(H-Hb)[ln(S)EAb]R},用实验和工厂的数据对模型的验证结果表明,该模型具有很好的拟合精度,其相关系数γ大于0.934。

思茅松硫酸盐蒸煮工艺技术条件的优化

实验通过常规硫酸盐蒸煮法对思茅松木片进行了蒸煮,研究了蒸煮条件对细浆得率和纸浆质量的影响,同时进行了蒸煮工艺技术条件的优化。保持液比为1∶4.0的条件下,通过改变其他蒸煮条件(蒸煮温度、保温时间、用碱量、硫化度)探索出两个细浆得率能达到47%的优化的蒸煮工艺技术条件。

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。