打浆度的智能检测与优化控制

针对目前国内在制浆造纸工业中打浆度无法在线测量的难题,分析了打浆度与进浆浓度、进浆流量、进浆压力、打浆消耗的电功率、打浆前后纸浆的温差、打浆时间及原打浆度等参数的关系,提出了基于FBP算法的打浆度软测量技术,成功地完成了打浆度的在线检测,并将此测量方法运用于打浆度的优化控制中,取得了良好的控制效果。

软测量技术在打浆度测量和控制中的应用

采用线性软测量模型回归分析法建立了打浆度数学模型,采用Householder变换法进行模型参数辨识,并阐述了模型参数的在线校正方法。给出了相应的软测量仪表的硬件和打浆度控制方法。

一种新的打浆度测量方法及精浆机控制

针对打浆度直接在线检测仪表价格昂贵的现状,给出了一种新的打浆度软测量方法,即采用软测量技术,通过检测进浆浓度、流量和打浆设备电功率来实现打浆度在线软测量。并提出了一种新的打浆过程仿人智能三步控制方案。这一方案已经在多家打浆设备上实施,控制效果良好。

软测量技术在造纸工业中的应用

对软测量技术进行了简介,并对近年国内制浆造纸过程中软测量技术的研究和应用成果进行了比较全面的介绍。

用西门子PLC控制锥形磨浆机一例

介绍了西门子PL(CS7-200)在制浆车间锥形磨浆机控制中的应用,主要包括锥形磨浆机控制的硬件组成、控制系统及打浆度软测量技术。该系统实现了对锥形磨浆机的手/自动控制,达到了精确控制打浆度的目的。在实际的工程应用中,该系统取得了很好的控制效果。

基于软测量技术的打浆度测试仪的设计与应用

简要介绍了打浆工艺过程,采用线性软测量模型回归分析法建立打浆度数学模型,利用Householder变换法进行模型参数的辨识,并阐述了模型参数的在线校正方法。

纸浆打浆度软测量技术及优化控制系统

介绍了打浆度的软测量技术及应用 S7- 2 0 0 PLC实现其控制的方法。在分析影响打浆度的因素的前提下 ,提出了软测量的思路及方法 ,给出了具体的系统组成及系统软件。该系统在多家纸厂使用 ,收到令人满意的效果 。

迭代学习控制与软测量技术在打浆过程中的应用

打浆过程机理复杂,影响因素众多,数学模型提取困难,导致控制系统的控制质量不易提高;将打浆度软测量模型和迭代学习控制算法相结合,并且适当利用成熟经验,采用比例积分型迭代学习规律,设计出可行的控制方案和算法流程,在迭代学习中不断校正学习参数,逐渐缩小软测量模型与真实过程间的误差,解决了由于模型不清晰导致的控制质量较差的问题;经仿真实验证明,该控制方案能有效提高控制系统的准确性和快速性,具有良好的控制效果。

基于FBP网络的打浆度软测量技术的研究及应用

针对目前国内在制浆造纸工业中打浆度无法在线测量的难题,分析了打浆度与进浆浓度、进浆流量、进浆压力、打浆消耗的电功率、打浆前后纸浆的温差、打浆时间等参数的关系,提出了基于FBP算法的打浆度软测量技术,成功地完成了打浆度的在线检测.

打浆度软测量信号中有色噪声的白化及滤除

针对打浆度软测量过程中有色噪声对实际打浆度信号造成的混叠干扰,提出一种新型的信噪分离和消噪的方法。由于软测量噪声不是白噪声信号,因此首先建立噪声的AR模型并根据模型对噪声信号进行白化处理,最终采用相关分析的方法完成噪声的滤除。将该方法试运行于造纸生产线打浆控制系统中,可达到较高的打浆度软测量精度。

打浆度软测量技术的研究及应用

针对打浆度直接在线检测难度大的特点,采用软测量技术,实现了打浆过程打浆度的在线软测量。介绍了打浆度软测量模型建立,阐述了软测量技术在盘磨控制中的PLC应用。

基于BP神经网络的串联连续打浆过程打浆度的软测量

介绍某造纸厂串联连续打浆的工艺过程 ,分析研究BP神经网络的结构和算法 ,建立了串联连续打浆过程打浆度软测量的BP神经网络模型 ,并将该模型用于打浆过程控制和优化控制 ,取得了较好的测量效果。

基于梯度增强回归树算法的磨浆过程打浆度软测量模型

基于梯度增强回归树(GBRT)的方法建立打浆度预测模型。采集实际工业环境中磨浆过程变量(如流量,纸浆浓度和磨浆机功率)和原料性质,包括原料纤维形态和浆料性质作为模型输入,所有输入变量数据来源于造纸厂。在实时数据上检验模型精度,均方误差为RMSE^k=0.9948。对比支持向量机(SVM)打浆度模型,GBRT打浆度模型时间复杂度更低。