（化学工程专业论文）基于支持向量机软测量技术的研究和应用.pdf

基于支持向量机软测量技术的研究和应用 摘要 造纸过程具有大滞后、大惯性、强非线性、时变以及多变量耦合 等特点，这给造纸生产过程控制带来了极大困难，各种智能技术的飞 速发展为解决此类问题提供了一条比较可行的途径。 首先就智能控制技术在制浆造纸生产过程中的应用现状进行了详 细综述，其中包括神经网络、模糊逻辑和专家系统以及集成控制技术 等，并对智能控制技术的应用研究发展前景进行了评价，指出支持向 量机将在制浆造纸生产过程中具有良好的应用潜力。 造纸主要包含两大过程制浆过程和抄纸过程，制浆过程包括 蒸煮、洗涤、筛选、漂白工序。抄纸过程包括纸料制备、纸浆流送等 过程组成。其中白水系统工艺复杂，白水浓度难以测量。 神经网络具有结构可变性、容错性、非线性、自学习性和自组织 性等特点，但是基于神经网络的建模技术都必须先选择模型结构，不 能动态调整结构，易陷入局部最优解，也不能保证最优性。另外制约 上述技术向实用化推广的一个根本原因就在于这些技术都基于经验 风险最小化，无法保证充分的样本数量。因此提出支持向量机算法， 一种新的机器学习方法，它以统计学习理论为基础，从结构风险最小 化原则出发，这与传统学习方法基于经验风险最小化有本质的区别。 克服了神经网络训练陷于局部极值的问题；小样本学习使支持向量机 具有很强的泛化及推广能力，不必过分依赖样本的数量和质量；支持 向量机有别于神经网络还在于它不需要人为设计模型结构，避免了建 模过程中人为因素的影响。通过仿真实验，表明了支持向量机在回归 问题上比神经网络具有更好的预测性能。 到目前为止，支持向量机的参数主要还是依靠经验选择，并没有 坚实的理论支持，因此提出了遗传算法进行参数选择。针对造纸工艺 过程的复杂性，提出最4 , - - 乘支持向量机，由于最1 , - - - 乘支持向量机 失去了稀疏性，因此提出一种改进的最小二乘支持向量机回归方法， 简化了模型复杂程度。本文采用改进的最小二乘支持向量机建立白水 浓度软测量模型，研究影响白水浓度的因素，深入分析主要影响因素， 选择实际生产可采集数据的主要因素，根据采集到主要因素的数据 ( 纸浆流量、纸浆浓度和上网浓度) 与白水浓度建立对应关系，实现造 纸白水浓度在线估计。实验结果显示，这种方法具有很高的预测精度， 预测效果很好，能够优化造纸生产白水浓度工艺条件。 充分运用智能控制技术进行造纸生产过程建模和优化研究，不仅 为白水浓度研究提供了一种有效的研究手段，还有助于进一步开展造 纸过程先进控制、在线优化和故障诊断等方面的研究。本研究工作指 出智能技术合将在造纸生产过程中具有良好的应用潜力，为智能技 术在化工过程中应用提供一种良好的示范。 关键词：造纸，白水，神经网络，支持向量机，遗传算法 r e s e a r c ha n da p p l i c a t i o no f s o f t - s e n s i n gt e c h n o l o g yb a s e d o ns u p p o r tv e c t o rm a c h i n e a b s t r a c t d u et ot h ef a c tt h a tl a r g e l a g ，l a r g ei n e r t i a ，s t r o n gn o n l i n e a r i t y , t i m e v a r y i n ga n d m u l t i v a r i a b l ec o u p l i n ge x i s t e di np a p e r m a k i n gp r o c e s s i ti sd i f f i c u l tt om o d e l ，c o n t r o la n do p t i m i z ep a p e r m a k i n gp r o c e s s t h e d e v e l o p m e n to fa l lk i n d so fi n t e l l i g e n tt e c h n o l o g i e sp r o v i d eaf e a s i b l e a p p r o a c ht os o l v et h ep r o b l e m t h i sp a p e rd e s c r i b e st h ea p p l i c a t i o ns t a t u so fi n t e l l i g e n tc o n t r o l t e c h n i q u e s ，s u c h 勰a r t i f i c i a ln e u r a ln e t w o r k , f u z z yl o g i c ，e x p e r ts y s t e m a n di t si n t e g r a t i o n t h e ni t sa p p l i c a t i o n sa n dr e s e a r c hd e v e l o p m e n t p r o s p e c t sa r ee v a l u a t e d , a n dp o i n t e do u tt h a ts u p p o r tv e c t o rm a c h i n ew i l l e x h i b i tg r e a tp o t e n t i a l i t i e si np u l p i n ga n dp a p e r m a k i n gp r o c e s s p a p e r m a k i n g i sm a d eo ft w o p r o c e s s - - - p u l p i n gp r o c e s s a n d p a p e r m a k i n gp r o c e s s ，p u l p i n gp r o c e s s i n c l u d e c o o k i n g ，w a s h i n g ， s c r e e n i n g a n d b l e a c h i n gp r o c e s s p a p e n n a k i n gp r o c e s s i n c l u d e p r e p a r a t i o no fs t o c k , a p p r o a c ho fs t o c ka n d s oo n w h i t ew a t e rs y s t e mi s c o m p l e x w h i t ew a t e rc o n s i s t e n c yi sm e a s u r e dd i f f i c u l t y t h en e r v en e t w o r kh a ss t r u c t u r e v a r i a b i l i t y , f a u l t t o l e r a n t ， n o n l i n e a r i t y , s e l f - o r g a n i z i n ga n ds e l f - l e a r n i n ge t c b u ta l lt h et e c h n o l o g y b a s e do na r t i f i c i a ln e u r a ln e t w o r km u s tf i r s tc h o o s et h em o d e ls 缸u c t i l r e e a s i l yg e t t i n gal o c a lo p t i m u ms o l u t i o n ，a l s oc a n n o tg u a r a n t e eo p t i m a l i t y m o r e o v e rt h eb a s i cr e a s o nl i ei nt h e s et e c h n o l o g i e sb a s e do nt h e e x p e r i e n c er i s k ，i su n a b l et og u a r a n t e et h ef u l ls a m p l eq u 锄t i 够t h e r e f o r e p r o p o s e dt h es u p p o r tv e c t o rm a c h i n e ，an e wk i n do fm a c h i n el e a r n i n g m e t h o d t h i sm a c h i n el e a r n i n gm e t h o di sb a s i so ft h es t a t i s t i c a lt h e o r i e s a n dt h es 扛u c t i l r er i s km i n i m u m p r i n c i p l e i ti sd i f f e r e n c ei ne s s e n t i a lw i t l l t h et r a d i t i o n a ls t u d ym e t h o db a s e do nt h ee x p e r i e n c er i s k o v e r c a m et h e n e r v en e t w o r kt r a i n i n gt os i n ki n t ot h el o c a lo p t i m u ms o l u t i o n ；t h es m a l l s a m p l es t u d ym a ye n a b l et h es u p p o r tv e c t o rm a c h i n e sh a v i n gf a v o r a b l e c a p a b i l i t i e so fu n i v e r s a l i t ya n dg e n e r a l i z a t i o n ，d o e sn o tn e e de x c e s s i v e l y t or e l yo nt h eq u a n t i t ya n dt h eq u a l i t yo fs a m p l e t h ev e c t o rm a c h i n el i e i nd o s en o tn e e dt h ea r t i f i c i a ld e s i g nm o d e ls 缸1 l c n l r e i sd i f f e r e n tf r o mt h e n a v en e t w o r k , a v o i d sa r t i f i c i a li n f l u e n c ei nt h em o d e l i n gp r o c e s s i tc a n b es e e nf r o mt h es i m u l a t i o nr e s u l t st h a tt h es u p p o r tv e c t o rm a c h i n ec a n m a k eb e t t e rp r e d i c t i o n so f r e g r e s s i o nt h a nt h en e r v en e t w o r k b u ts of a r , p a r a m e t e ro fs u p p o r tv e c t o rm a c h i n ec h o o s ew a sm a i n l y d e p e n d e do nt h e i re x p e r i e n c e w i t h o u tat h e o r e t i c a lb a s i s ，t h e r e f o r e p r o p o s e dg e n e t i ca l g o r i t h mc a r d e do nt h ep a r a m e t e rc h o i c e i nv i e wo f t h ec o m p l e xp a p e r m a k i n gt e c h n o l o g i c a lp r o c e s s ，l e a s ts q u a r es u p p o r t v e c t o rm a c h i n e sw a sp r o p o s e d i tl o s ti t s 耐g i i l a ls p a r s e n e s s ，s oa n i m p r o v e dl e a s ts q u a r es u p p o r tv e c t o rm a c h i n e sr e g r e s s i o nm e t h o dw a s p r o p o s e ds i m p l i f i e dc o m p l e xd e g r e eo fm o d e l t h i sa r t i c l eu s et h el e a s t s q u a r e ss u p p o r tv e c t o rm a c h i n et oe s t a b l i s hs o f ts e n s i n gm o d e lo fw h i t e w a t e rc o n s i s t e n c y , s t u d yi n f l u e n t i a lf a c t o r so fw h i t ew a t e rc o n s i s t e n c y , i n - d e p t ha n a l y s i so nm a i ni n f l u e n t i a lf a c t o r s ，c h o o s em a i ni n f l u e n t i a l f a c t o r sw h i c hc o u l da c q u i r ed a t ai na c t u a l p r o d u c t i o n ，e s t a b l i s h i n g c o r r e s p o n d i n gr e l a t i o n s h i pb e t w e e nd a t aa c q u i s i t i o no fm a i ni n f l u e n t i a l f a c t o r s ( f l o wo fp u l p ，c o n s i s t e n c yo fp u l pa n ds t o c kc o n s i s t e n c yo i lw i r e ) a n dw h i t ew a t e rc o n s i s t e n c y r e a l i z a t i o nw h i t ew a t e rc o n s i s t e n c yo n - l i n e e s t i m a t ei n p a p e rm a k i n gp r o c e s s t h e t e s ts h o wt h a tt h em e t h o d p o s s e s s e sh i g hp r e d i c t i o np r e c i s i o na n de x c e l l e n tf o r e c a s t i n ge f f e c t ，i tc a n o p t i m i z ep a r a m e t e ro fw h i t ew a t e rc o n s i s t e n c yi n t h ep a p e r m a k i n g a ne f f e c t i v er e s e a r c ha p p r o a c ha b o u tm o d e l i n ga n do p t i m i z a t i o no f t h ep a p e r m a k i n gp r o c e s sb yu s i n g i n t e l l i g e n tt e c h n o l o g yi sp r o v i d e d t h e r e s u l t sm i g h tb eh e l p f u lt oc o r r e l a t i v es t u d y ( a d v a n c e dc o n t r o l ，o n - l i n e o p t i m i z a t i o n ，d i a g n o s i s ，e t c ) i np a p e r m a k i n gp r o c e s s t h ea c h i e v e m e n t s p o i n t e do u tt h a ti n t e l l i g e n tt e c h n o l o g yw i l le x h i b i tg r e a tp o t e n t i a l i t i e si n p a p e r m a k i n gp r o c e s s ，a n dp r o v i d ea ni n s t a n t i a t i o nf o r t h ea p p l i c a t i o no f i n t e l l i g e n tt e c h n o l o g yi nc h e m i c a lp r o c e s s k e y w o r d s ：p a p e r m a k i n g ，w h i t ew a t e r , n e r v en e t w o r k , s u p p o r t v e c t o r 蚴c h i n e ，g e n e t i ca l g o r i t h m 浙江工业大学硕士学位论文 w i j e j f ( x ，w ，o j ) 6 口 8 e y b r c m p e c p 符号说明 神经元哂到l l i 的连接权重 神经元的阈值 l l j 的激励函数 神经元的局部梯度 误差瞬时值 网络归一化误差 权值的动量因子和 阈值的动量因子 为单位矢量 两个边界平面的法线 确定两平面相对于原点的位置 偏置量 经验风险 不敏感函数 惩罚参数 r b f 核函数参数 浙江工业大学学位论文原创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工 作所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个 人或集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教 育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体， 均已在文中以明确方式标明。本人承担本声明的法律责任。 作者签名夸侈日期卅年f 月暑1 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密回。 ( 请在以上相应方框内打“4 ”) 日期：卯年f 月弓日 日期：秒年、f 月岁日 浙江工业大学硕士学位论文 第一章前言 制浆造纸过程具有大滞后、大惯性、强非线性、时变以及多变量耦合等问题， 为提高生产过程操控质量，各种智能控制技术在制浆造纸生产过程中逐步推广应 用，分别就神经网络、模糊逻辑和专家系统以及集成控制技术等智能控制技术应 用现状进行了综述。并对智能控制技术的应用研究发展前景进行了评价，指出支 持向量机与智能控制技术有机结合，将在制浆造纸生产过程中具有良好的应用潜 力。最后给出了本文的主要研究内容。 1 1 引言 现代控制技术、计算机技术、网络技术和优化技术等的发展，以及其在制浆 造纸生产过程中的推广应用，使得制浆造纸工业的规模、技术、质量和环保等方 面取得了较大改善。制浆造纸过程自动化是提高产量和质量，节能降耗，实现绿 色生态纸业的基础和前提。 1 2 研究现状 随着全球化经济的快速发展，国内外造纸形式发生了巨大变化。世界造纸技 术先进国家，如加拿大、美国、芬兰等，都以木材纤维为主要原料，产品质量、 档次远远高于国内的产品，且基本实现了无污染清洁生产。我国造纸工业产量的 增长是采取“资源产品污染排放”的高污染、低利用、高消耗的粗放型 传统经济增长方式，致使造纸工业持续发展受到原料供应、水资源、环境污染等 多方面的制约。 随着新技术的不断涌现，特别是先进检测技术、现代传感技术、现代控制技 术、计算机技术、网络技术和优化技术等的出现及其在制浆造纸工业过程中的应 用，使制浆造纸工业规模、技术和污染治理等方面有了较大的改善。制浆造纸过 程自动化是提高产量和质量，节能降耗，实现绿色生态纸业的基础和前提。制浆 造纸主要包含两大过程制浆过程和造纸过程，制浆过程主要包含蒸煮和洗筛 漂两个车间，造纸过程可分为纸浆制备和纸张抄造两个工段。 浙江工业大学硕士学位论文 制浆过程的控制策略目标是利用现有的设备获得质量最好、产量最大而且稳 定的浆料提供给造纸机，同时使生产所消耗的成本达到最低，其典型的控制系统 包括蒸煮、洗涤、筛选、漂白和废纸制浆过程控制系统。蒸煮工段生产的纸浆是 洗、选、漂工段的原料，洗、选、漂后的漂白浆为抄纸工段的原料，抄纸过程 的控制系统包括打浆、配浆、流送和供汽过程控制系统。 造纸过程自动化正发生着巨大变革，它已突破了局部控制的模式，进入到全 局控制；既包括了若干子系统的闭环控制，又有大系统协调控制、最优控制以及 决策管理，即控制管理一体化的新模式，如信息管理系统( m a n a g e m e n ti n f o r m a t i o n s y s t e m ，m i s ) 、管理执行系统( m a n a g e m e n te x e c u t i v es y s t e m ，m e s ) 和企业资源计 划( e n t e r p r i s er e s o u r c ep l a n n i n g ，e r p ) 等。鉴于制浆造纸工业在整个国民经济中所 具有重要的地位和作用，为了适应激烈的市场竞争需要，现代造纸工业要在市场 响应能力、产品质量、服务等各方面满足用户的需求，同时，还要在生产的过程 中尽可能的减少污染、降低消耗，以保护环境。为了实现这些目标，需要在整个 企业的范围内，将现代的管理技术、自动化技术和信息技术的各种功能有效地集 成起来，将现代信息管理技术，如m i s 、i v i e s 和e r p 等应用于浆纸企业管理， 加快信息的综合与传递，并应用于生产规划和指导，在制浆造纸工业中实现综合 自动化，对实现绿色生态纸业战略将起到巨大的促进作用。 制浆造纸厂全厂综合自动化不但包括制浆造纸生产线的计算机控制，生产过 程的优化控制，还包括制浆造纸厂财务、物资、设备、能源管理、生产调度决策、 市场预测等各方面。制浆造纸厂的全厂综合自动化系统可包括如下几个子系统： ( 1 ) d c s 联网子系统，通过对全厂造纸生产过程各种d c s 系统的联网，并与企业 管理系统集成，从而全面反映生产情况，实现管控结合，( 2 ) 生产管理子系统， 生产管理子系统为科学地管理车间和分厂生产计划、及时准确地进行生产业务统 计、及时获得生产进度信息、生产调度等提供了有效手段；( 3 ) 生产优化调度子 系统，生产优化调度子系统是造纸过程优化控制与管理系统集成的重要组成部 分，是企业生产决策系统。该系统建立在d c s 系统联网和生产子系统为主的管 理信息系统基础上。 目前，我国造纸行业现代化管理水平和自动控制程度较低、环境污染较重。 虽然在大型造纸厂整个造纸过程从蒸煮、洗选、漂白、抄纸到碱回收，各个生产 车间大都已采用集散控制系统进行控制，但各个系统互相独立，不利于全厂的优 2 浙江工业大学硕士学位论文 化调度和控制，因此需要在实现对全厂造纸生产过程各种d c s 系统的联网基础 上，开发以生产优化调度为核心的企业计算机网络化管理系统，实现集生产、调 度、管理、决策相结合的集成优化控制。 面对全球经济一体化和日趋激烈的市场竞争，造纸企业必须依靠科技进步， 用高新技术和先进实用技术改造传统的造纸工业，用循环经济理论指导、提升、 改造造纸工业，走新型工业化道路，以信息化带动工业化，实施可持续发展战略， 走出一条科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势得 到充分发挥的路子。研究纸机干燥系统吹贯蒸汽优化动态模型与控制技术，建立 纸张烘干知识库和智能控制系统，提高和稳定纸张的耐折度、平滑度等，降低蒸 汽消耗，提高生产效率；研究造纸白水和废液中短纤维浓度在线检测方法及短纤 维浓度和加药量的相关性模型，建立对短纤维有效回收的闭环控制系统，提高短 纤维回收率，减少污染，仍是造纸过程控制的两大研究热点。努力实现无污染清 洁生产的绿色生态纸业，实现绿色生态纸业的产业链。以可持续发展为目标，从 实际出发，不断调整原料和产品结构，加大污染治理；加快技术改造，实施清洁 生产；采用先进技术和管理手段，从原料的配比、半产品工艺加工、产品的生产、 污染物的回收处理，一直到产品的销售，实现全过程的绿色化；营造一个物流有 序、环境优美、人与自然高度和谐的良好格局，达到最佳的社会效益、环境效益 和经济效益，实现可持续发展。 1 3 主要内容 目前基于神经网络、模糊逻辑、专家系统等智能技术越来越难以满足实际的 控制要求，原因在于此类技术都必须先选择模型结构，不能动态调整结构，易陷 入局部最优解，建模之后还需要严格的检验手续。制约上述技术转化推广的根本 原因就在于这些技术都基于经验风险最小化，无法保证充分的样本数量。因此提 出支持向量机的方法。针对白水浓度在线实时测量比较困难的特点，进行了基于 支持向量机的白水浓度软测量建模研究，通过建立白水浓度软测量模型，最终达 到准确估计白水浓度值的目的。 因此，本文对造纸过程中的白水浓度控制的过程建模和优化问题进行了相关 的研究。本文研究内容主要包括以下五方面： 浙江工业大学硕士学位论文 阐述了智能控制技术在造纸过程中的应用，分别就神经网络、模糊逻辑和 专家系统以及集成控制技术等智能控制技术应用现状进行了综述，并对智 能控制技术的应用研究发展前景进行了评价，指出支持向量机与智能控制 技术有机结合，将在制浆造纸生产过程中具有良好的应用潜力。 详细介绍了造纸过程的工艺流程和造纸质量影响因素。 介绍了神经网络技术，指出了神经网络的不足，详细介绍了支持向量机的 基本原理，深入阐述了支持向量机的核函数和参数的对模型的影响，通过 仿真实验证明，支持向量机比神经网络具有更好的预测能力。 在支持向量机的基础上进一步进行挖掘，提出了基于并行改进的遗传算法 的支持向量回归机选取参数，改进了最小二乘支持向量机的方法，针对造 纸过程中的白水浓度控制，提出了基于改进的最小二乘支持向量机技术的 白水浓度预测模型控制，满足了白水浓度的过程工艺条件。 对全文研究工作进行总结，并指出今后研究方向进行展望。 4 ) ) ) ) ) n o ! 。 浙江工业大学硕士学位论文 第二章智能控制技术在造纸过程中的应用 2 1引言 造纸主要包含两大过程制浆过程和抄纸过程，制浆过程包括蒸煮、洗涤、 筛选、漂白工序。抄纸过程包括纸料制备、纸浆流送及纸页成形、湿纸的压榨脱 水、湿纸干燥、纸页压光和卷取等过程组成。而碱回收过程是出于环保考虑而必 须设置的，包括蒸发、燃烧和苛化三个过程。由于制浆造纸过程是一个典型的大 滞后、大惯性、强非线性、时变以及多变量耦合的过程，难以确定其模型结构和 参数辨识，因此传统先进控制方法的应用效果并不是十分理想。 人工智能采用计算机来探索和模仿人的思维、推理和决策过程，处理生产过 程的信息，获取知识，可用于处理日趋复杂的工程技术问题，以人工神经网络、 模糊逻辑和专家系统等为代表的智能控制方法在制浆造纸工业中逐步得到了应 用。 2 2 制浆过程控制 蒸煮过程是复杂的非线性过程，生产控制的目的是制备出硬度( 卡伯值) 一 定而且均匀的纸浆，要达到这个目的有以下3 个难点：( 1 ) 尚未有直接测量蒸煮 过程中卡伯值的仪表，难以用卡伯值作为被调参数组成常规控制系统；( 2 ) 原料 的种类和特性经常变化，难以分类和测量；( 3 ) 蒸煮过程的滞后时间长且难以确 定。卡伯值是蒸煮过程中一项重要指标，卡伯值研究大部分还集中于机理建模和 回归分析等传统建模方面，国外学者经过大量研究，已得到了许多蒸煮过程模型， 主要有：k e r r 模型、e d w a r d s 、n o r b e r g 模型、l i n 模型、h a t t o n 穆 型、t a s m a n m 模 型、m o d o c e i 模型等 1 】。 国内学者在卡伯值智能控制方面做了很多研究工作，鄢烈祥等将神经网络降 维分析法应用于制浆蒸煮过程【2 】，提出了蒸煮了最高温度、保温时间、用碱量、 蒽醌用量等工艺参数间的内在联系和对纸浆得率及卡伯值的关系，优化计算结果 5 浙江工业大学硕士学位论文 表明：对于以木料为原料的蒸煮工艺，在控制纸浆卡伯值于一定范围的条件下， 提高最高蒸煮温度，适当降低保温时间，减少用碱量和蒽醌用量，可明显提高纸 浆得率，降低操作费用。罗琪等人建立了蒸煮过程纸浆卡伯值的b p 人工神经网 络模型【3 】，根据一定的h 因子数对应纸浆中一定的残余木素量，利用纸浆的卡伯 值、用碱量和液比估计出蒸煮h 因子，从而确定需要多少的蒸煮h 因子才能达到所 需的纸浆硬度，即进行蒸煮过程纸浆卡伯值的控制，应用效果良好。李向阳等将 基于模型的模糊推理方法应用于卡伯值控制 4 】。首先选取模型输入变量( 有效 碱浓度、硫化度、h 因子) ，把模糊输入变量的范围划分为模糊输入空间，根据 模型产生模糊规则，根据基于经验模型的模糊推理确定输出。该方法在实际造纸 过程应用中具有一定的普遍意义和推广价值。钱艳平等提出了基于模糊p i d 的混 合算法【5 】。在小偏差时使用改进的p i d 算法，在大偏差时使用模糊控制算法，该 算法充分发挥两种算法的结合优势。采用于蒸球蒸煮过程跟踪控制后，跟踪精度 大为改善。杨化庭等【6 】以硫酸盐法蒸煮纸浆为例提出在预测控制的基础上增加 智能控制功能，即根据历史数据，结合经验进行综合、分析、计算和推理，选择 控制规律，修正预测控制模型参数，使系统自动适应原料和过程变化。何万里将 实时专家系统应用于制浆蒸煮过程故障诊断和处理中，使粗浆的得率、均匀性和 卡伯值的稳定性有了较大提高，还创建了一个用于操作培训用的仿真环境【7 】。 经蒸煮后的浆料中，含有大量的有机物及可溶性无机物，经过洗涤过程，把 纸浆里的黑液洗涤干净以有利于后续工序的顺利进行。 针对洗浆过程机理复杂、大时滞、难以建立数学模型等特点，刘之红等设计 了一种二输入二输出的真空洗浆机模糊控制器 8 】。以浆池液位和纸浆浓度作为输 入，以洗涤水流量和转鼓的转速作为输出，结合操作经验设计模糊控制规律。该 控制器克服了传统控制的滞后和波动性，能及时调整洗浆机工作状态，得到更好 的洗涤效果和黑液浓度，节约洗涤水用量。郑恩让等 9 】采用神经网络辨识得到纸 浆洗涤过程的稳态数学模型，优化目标为最少化用水，采用无约束最优化方法进 行求解，以达到优化成本的目的。通过建立基于扩展e l m a n 网络的纸浆残碱含量 软测量模型，对洗后纸浆残碱含量进行了在线测量，应用效果良好。 经洗涤筛选后的纸浆均有一定的颜色，经过漂白，除去纸浆中的部分色素， 在获得白度的同时减少对纤维的降解，保持纸浆纤维的强度。漂白过程是一个多 变量、多指标的工艺过程，控制指标多，且影响因素也多，各因素之间具有较强 6 浙江工业大学硕士学位论文 的关联性。目前难以建立起漂白指标与影响因素间的机理模型。 鄢烈祥等建立了漂白因素与漂白效果的网络模型【l o 】，将神经网络和统计分 析结合起来，提出了确定漂白工艺的区域优化方法。其将漂白试验数据的各个指 标进行综合评定分成好坏两类之后，应用三层前向网络作为预测纸浆漂白效果的 分类模型，通过模拟计算和统计分析，确定漂白工艺参数的优化操作区域，提高 优化控制效果。在模糊评判过程中，唐德翠等采用了二元对比负数法及绝对比较 法确定各因素对其上层指标的权重，评判该方案以及该时刻纸浆质量的等级，使 评判结果更加公正、客观、合理，实现漂白过程工艺量的优化以及实现漂白方案 的优先排队【li 】。 2 3抄纸过程控制 纸浆配料过程优化控制主要是对配浆的各种浆料和辅料的浓度和流量进行 精确测量和自动控制。采用产生式规则设计了智能控制器，接受浓度给定信号、 浓度变送器输出信号，稀白水调节阀阀位信号，经运算后产生控制信号，驱动执 行器动作达到调节浓度的目的，计算机在线获取动态过程的特征信息，识别系统 的动态行为，作为控制决策的依据，根据系统的动态特征及动态行为，从多种控 制模式中选取最有效的控制形式d 2 ，应用实例表明，控制器精度高、稳定性好， 对模型要求低，因此适用范围广，且易于工程实现。 另外朱文娜等针对纸浆浓度控制提出单神经元自适应p i d 智能控制器，该控 制器在线调节比例因子k u ，并分别设计出三个学习速率的模糊调整规则表，动 态地调节单神经元的学习速率，系统提高了响应速度、稳态精度，而且具有简单 易行、稳定可靠等优点d 3 。利用s u g e n o 模糊推理实现p i d 的分层控制，建立了 流量过程模糊参数自适应p i d 控制系统 1 4 1 。通过模糊控制规则的在线学习、离 线学习及自动更新，减少了过程中的不确定性、不精确性、噪声以及非线性、时 变性和时滞性等影响，具有鲁棒性强等优点。在打浆过程，影响打浆度的主要因 素有纸浆的绝干浆量、打浆设备数量、消耗的电功率等。王秀云等以打浆浓度、 盘磨消耗的电功率、打浆流量、阀开度、打浆前浆的打浆度作为输入，以打浆后 浆的打浆度作为输出，建立了打浆过程b p 神经网络模型，打浆度控制效果较好 1 5 】。 7 浙江工业大学硕士学位论文 流浆箱的控制参数主要有总压和浆位，控制总压的目的是为了获得均匀的上 网纸浆流速和流量；控制浆位的目的是为了获得适当的纸浆流域以减少横流和浓 度的变化，产生和保持可控的湍流以限制纤维的絮聚。 流浆箱的数学模型具有模型结构复杂且变量之间存在耦合的特点，采用模糊 控制规则，引进调整因子进行简化计算 1 6 1 ，系统测量变量为网速、流浆箱浆料 物位、流浆箱总压头，控制变量为上浆阀的开度、气热空气阀的开度。运行结果 表明该控制器控制效果好，浆网速比的稳定性明显提高，定量控制精度提高，断 纸现象减少，可以适应不同纸种的控制要求。党宏社等在流浆箱单回路控制系统 的基础上，提出组成一个基于仿人协调控制的控n 1 7 ，输入值是总压和浆位的 偏差值，设定总压偏差限值和浆位偏差限值，输出值是进浆调节器和进气调节器 的，该系统有效地兼顾了控制性能、方便操作和低成本之间地关系，调试方便、 便于实现。也有对气垫式流浆箱的总压头和液位实施神经网络解耦控制。 e d w a r d s 等成功设计了造纸压头箱的非线性模糊逻辑控制系统，其中离散线性二 次调整器是该控制系统设计的第一步，实际应用效果良好d 8 。 纸机的定量与水份之间存在严重耦合，而且影响因素有3 0 多个，比如纸浆浓 度、流量、蒸汽压力、网前箱总压等等。当纸浆浓度一定时，影响定量和水份的 主要因素是浆流量和蒸汽压力，孙鑫等设计两个s i s o 的神经网络解耦器 1 9 1 ，对 智能解耦控制技术的体系结构进行了分析，设计了一个两输入两输出神经网络控 制器。为了实现对由多模型描述的不确定对象即纸机定量更加有效的控制，将神 经元与模糊逻辑运算相结合构成的增益模糊自整定神经元控制器，采用增益模糊 自整定神经元非模型控制方法。多模型描述的不确定系统具有很好的动、静态性 能指标及强鲁棒性和抗干扰能力【2 0 】。根据测量水分和设定水分的差及变化趋势、 纸张定量值等变化因素，提出模糊控制和专家系统相结合的造纸过程水分智能控 制方法，当水分值超出设定范围时，由控制决策模块根据专家经验库和模糊表得 出所需修正值【2 1 】。也有提出最佳升温曲线的优化计算方法和蒸气压力预测智能 控制算法，通过对纸料流量和蒸气压力的控制来调节纸页的定量和水分。 当纸页离开纸机湿部以后，进入烘干过程。m a r t z 等采用在线专家系统进行 干燥和压缩部分的动态优化研究，分析压榨、干燥、蒸汽和冷凝系统，干燥机引 擎罩和真空系统的具体运行情况，并进行实时数据收集、输入，执行多变量计算。 当操作环境变化、低于标准时，专家系统发出警报和诊断报告，可通过最大化干 8 浙江工业大学硕士学位论文 燥能力和最长压榨寿命达到增产节约的目的 2 2 1 。 v a l e n z u e l a 等则提出了基于规则的专家系统 2 3 】。该系统能够识别所有操作过 程中正常和不正常的情况，包括加速部分，纸张穿过，启动压力，活跃和钝化电 压控制线圈，保证了干部的有效控制。唐晏等将实时专家系统应用于造纸机的灰 份控制中，通过调节填料流量来实现对灰份的控铝1 j 2 4 ，采用相平面区分的策略， 保证系统在给定的时间内渐近推理得到可接受的控制结果，并且通过知识的分层 将直接的控制和间接的监控很好地结合起来。针对干部实际运行状况，造纸机滚 轴的位置在造纸压榨中是一个非常敏感的因素，涉及非线性动态平衡，渐进和稳 定的滚轴轨道位置符合系统要求，k e s k i n e n 等进行了造纸机滚轴的动态智能精确 控制研究，控制器是集合线性p d 和非线性模糊有机结合，进行补偿非线性条件， 实际反映控制效果较好【2 5 】。陈常祥提出了预报式模糊控制器，通过对纸浆的放 料阀开度的改变，使成品纸页的绝干浆定量值稳定在小偏差范围内，这是一个典 型的滞后s i s o 系统算法在计算机上的实现，投入运行后，控制效果明显提高【： 6 】。 2 4 造纸质量控制 造纸质景的要求有很多，卷曲度，张力，断纸等问题，由于存在在线测量困 难、智能控制技术不断应用其中。l e n z 等通过建立神经网络模型预测纸张产品的 质量特性，如成形、多孔性、不透明性和强度品质等【2 7 】。另外该神经网络模型 还可以用于离线故障检查和在线操作。基于经验的神经网络建模技术在造纸工业 上是可行的，它能提供造纸过程的实时有价值的关键信息，该方法的有效性已通 过实验室分析值与模型预测值的比较得到了证实。 在造纸过程中，刘美俊采用模糊参数自适应p i d 控制器进行纸张张力的控制， 把经验和数据总结成较完善的语言控制规则，并把这些模糊控制规则及有关信息 作为知识存入计算机知识库中，然后根据实际相应情况( 输入条件) ，运用模糊 推理，即可自动实现对p i d 参数的最佳调整，从而实现对张力的控制【2 8 】。袁佑 新等将模糊控制算法与p l c 相结合实现了复卷机的张力控制，利用p l c 实现模糊 控制，既保留了p l c 控制系统可靠、灵活、适应能力强等特点，又提高了控制系 统的智能化程度。系统选择适当的采样周期和量化因子，抗干扰能力强，实现简 单，取得了良好的调节品质【2 9 】。 9 浙江工业大学硕士学位论文 断纸会降低纸浆造纸生产过程的效率和可靠性，导致成本上升，造成对操作 工人严重安全危险。l i 等通过造纸过程专家系统【3 0 】，监测过程参数和排除故障 问题，排除故障问题，并针对具体情况提出补救措施以防止断纸出现。它的知识 库主要基于工人经验和实践操作，并采用工业数据( 包括断纸记录) 进行了专家 系统性能的成功测试在多台造纸电机的同步控制过程中。v i l j a m a a 等利用模糊逻 辑，提出了在纸机等级控制器上进行新指标值计算，该设计方法是在输入一输出 数据使用了启发式知识和预估技术。在输入模糊集和规则的基础上，开始设计， 然后调整最小平方算法，它显示透明度和系统的先验知识并保存在模糊优化模型 【3 1 】。由于多台造纸电机的同步控制过程的非线性、时变性、随机干扰性，以及 对象模型不确定性等因素的存在，朱晕等将神经网络与模糊逻辑相结合【3 2 】，设 计了多机模糊神经网络控制系统，替代了传统的p i d 控制方法，解决了因高速与 多机同步控制系统控制滞后产生的系统不稳定问题。 2 5 小结 制浆造纸工业是个传统的老行业，智能控制技术在造纸行业中的应用正在快 速发展，目前的应用也不甚满意，但是大多数的人士对人工智能这一新生事物仍 抱积极支持的态度，并正在探索人工智能在制浆造纸工业中的应用范围和应用方 法。 目前基于神经网络、模糊、专家等技术的建模方法都不尽人意，此类建模技 术都必须先选择模型结构，不能动态调整结构，易陷入局部最优解，也不能保证 最优性，建模之后还需要严格的检验手续。另外制约上述技术向实用化推广的一 个根本原因就在于这些技术都基于经验风险最小化，无法保证充分的样本数量。 支持向量机是一种依据统计学习理论和结构风险最小化原理的新型学习机，通过 将输入空间映射到一个高维内积空间中，解一个线性约束的二次规划问题得到全 局最优解，有效避免了“维数灾难”，保证了收敛速度，而且不存在局部极小值 问题，因此在解决小样本、非线性及高维模式识别问题中具有特有的优势，在造 纸行业中有着广阔的应用前景。将为智能控制技术在造纸工业应用中的发展带来 新的契机，推动造纸工业的技术革新。 1 0 浙江工业大学硕士学位论文 3 1引言 第三章造纸过程工艺流程 造纸是我国古代四大发明之一，在蔡伦之后的一千八百年间，随着科学技术 的发展，造纸工业越来越成熟，特别是现代控制技术、计算机技术、网络技术和 优化技术等的出现，以及其在制浆造纸工业过程中的广泛应用，使得制浆造纸工 业的规模、技术和污染治理等方面取得了较大改善。制浆造纸过程自动化是提高 产量和质量，节能降耗，实现绿色生态纸业的基础和前提。 造纸主要包含两大过程制浆过程和抄纸过程，制浆过程包括蒸煮、洗涤、 筛