（动力工程及工程热物理专业论文）基于神经网络的纸浆洗涤过程优化控制.pdf

基于神经网络的纸浆洗涤过程优化控制 摘要 制浆过程产生的黑液是主要的环境污染源之一，科学有效的处理方法是 采用碱回收技术，但碱回收运行成本高。降低其运行成本的有效途径是尽可 能地提高黑液浓度。这就要求在纸浆洗涤过程中，不仅要保证洗涤质量，又 要获得高浓度的黑液。目前，对洗浆机理进行了大量的研究，但洗浆过程中 还存在许多不可控扰动，因此，仅依靠洗浆设备和工艺的改进是不够的，还 须对洗浆过程实现自动控制和集成优化。 本文在国家自然科学基金项目“草浆洗涤过程两步神经网络建模及集 成优化”的资助下，针对纸浆洗涤过程的研究重点是克服工况波动，保证持 续，平稳洗浆，着重研究了洗浆过程的数学模型，设计了洗浆过程的优化控 制系统。主要研究成果如下： ( 1 ) 提出纸浆洗涤过程软测量模型。以集散控制系统采集的大量现场数 据和用机理模型得到的模拟数据为基础，借助两步神经网络辨识法及最d x - - 乘法，建立了残碱和黑液波美度的软测量模型，并对模型进行校正。校正后 的软测量模型具有较高的预报精度，很好地满足了质量指标。 ( 2 ) 综合洗浆质量及生产效益，分别实现洗浆过程的单目标和多目标优 化。通过洗浆和蒸发系统的物料衡算，建立稀释因子与洗涤用水费用的单目 标优化；以洗浆质量高、出浆量大、耗水量低为目标，建立洗浆过程的多目 标优化，使总体经济效益达到最优。 ( 3 ) 稀释因子的预测推断控制。分析稀释因子，浆层厚度，洗涤水流量 之间的机理关系，通过调节洗涤水流量控制浆层厚度，以浆层厚度软测量模 型为预测模型，构造稀释因子的预测推断控制策略。有效的提高了不可测变 量的响应速度，并为生产过程提供了监视值。 ( 4 ) 纸浆洗涤过程优化控制系统的实现。以西门子s 7 4 0 0 系列的p l c 为硬件开发平台，西门子的w i n c c 6 0 和s t e p 7 为软件开发平台，组成三级 d c s 控制系统。在基本级，设置浓度、液位、流量、温度等子控制系统， 以保证多段浆料逆流洗涤的正常进行。在联动级，将各个小单元联系起来， 以适应产量的变化及工艺参数的修改，增加系统的柔性。在优化级，实现洗 涤过程数学模型辨识和多目标优化，保证洗后浆残碱和黑液波美度尽可能地 满足工艺优化要求。 关键词：纸浆洗涤过程，软测量，神经网络，多目标优化，集散控制系统 o p t i m i z a t i o nc o n t r o lo f p u l pw a s h i n g p r o c e s sb a s e do n n e u r a ln e t w o r k a b s t r a c t b l a c kl i q u o ri nt h ep u l p i n gp r o c e s si so n eo ft h em a j o rp o l l u t i o n t h e e f f e c t i v ew a yt oa p p r o a c hi ti st h eh i g hc o s to fa l k a l ir e c o v e rt e c h n o l o g y t h e w a y t or e d u c et h ec o s ti si n c r e a s et h ec o n c e n t r a t i o no fb l a c kl i q u o r s o ，i nt h e p u l pw a s h i n gp r o c e s s ，i tn o to n l yk e e p st h eh i g hq u a l i t yo fp u l pw a s h i n g ，b u t a l s or e q u i r e so b t a i nt h i c kb l a c kl i q u o r r e c e n t l y , t h em e c h a n i s mo fp u l pw a s h i n g h a sb e e ne x t e n s i v e l yr e s e a r c h e d ，b u td u et ot h eu n p r e d i c t a b l ea n dm u l t i - v a r i a b l e d i s t u r b a n c e ，t h er e s e a r c ho ne q u i p m e n ta n dp r o c e s si m p r o v e m e n ti sn o te n o u g h a u t o m a t i cc o n t r o la n di n t e g r a t e do p t i m i z a t i o no fp u l pw a s h i n gp r o c e s ss h o u l d b ef u l l ys t u d i e d t h i sp a p e rw a ss u p p o r t e db yn a t u r a ls c i e n c ef o u n d a t i o no fc h i n a i no r d e rt o k e e pp u l pw a s h i n gp r o c e s sw o r ks m o o t h l y , t h i sp a p e rb u i l dt h em a t h e m a t i c a l m o d e lo ft h ep u l pw a s h i n gp r o c e s sa n dd e s i g nt h eo p t i m i z a t i o nc o n t r o ls y s t e m t h er e s u l t so ft h i sw o r kc a nb cd e s c r i b e da sf o l l o w s ： ( 1 ) t h es o f ts e n s o rm o d e lo fp u l pw a s h i n gp r o c e s sh a sb e e np r o p o s e d b a s e do nt h ef i e l dd a t ac o l l e c t e db yd c sa n ds i m u l a t i o nd a t ao b t a i n e db y m e c h a n i s m ，t h es o f ts e n s o rm o d e lo ft h er e s i d u a ls o d aa n dt h eb a u m ed e g r e e w e r eo b t a i n e db y t w o - s t e pn e u r a ln e t w o r k a n dl e a s ts q u a r em e t h o di d e n t i f i c a t i o n i na d d i t i o n ，t h en e u r a ln e t w o r km o d e lw a sr e v i s e do n l i n e i ts h o w st h a tt h e m o d e lh a sah i g hp r e d i c t i o n ( 2 ) s i n g l eo b je c t i v ea n dm u l t i o b je c t i v eo p t i m i z a t i o nm o d e lh a v eb e e n s t u d i e d b a s e do nm a t e r i a lb a l a n c eo fw a s h i n ga n de v a p o r a t i o ns e c t i o n ，as i n g l e o b je c t i v er e l a t e dt od i l u t i o nf a c t o ra n dt h ec o s to fw a s h i n g w a t e rh a sb e e nb u i l d ， i no r d e rt o i m p r o v et h ea c t u a lp r o d u c t i o ne f f i c i e n c y , m u l t i - o b j e c t i v ew h i c h r e s p e c tt oh i g hq u a l i t y , h i g hy i e l da n dl o wc o n s u m p t i o nh a v eb e e ns t u d i e d ( 3 ) t h ep r e d i c t i v ei n f e r e n c ec o n t r o lo fd i l u t i o nf a c t o rh a sb e e np r o p o s e di n t h ea r t i c l e a st h es e r i e sc h a r a c t e r i s t i co fd i l u t i o nf a c t o r , p l a s m al a y e rt h i c k n e s s a n dw a s h i n gw a t e rf l o w , e s t a b l i s ht h es o f ts e n s o rm o d e lo fp l a s m al a y e r t h i c k n e s s b a s e do nt h i sm o d e la n dp r e d i c t i o ni n f e r e n c ec o n t r o la l g o r i t h m ， i i i d i l u t i o nf a c t o rc a l lb ee s t i m a t e d i ts h o w st h a tt h ea l g o r i t h mi m p r o v e dt h e r e s p o n s es p e e do fu n p r e d i c t a b l ev 撕a b l e ，i ta l s oc a l lb eam o n i t o r e dv a l u ef o r p r o d u c t i o np r o c e s s ( 4 ) o p t i m i z a t i o nc o n t r o ls y s t e mh a sb e e nd e s i g n e d b a s e do nt h eh a r d w a r e o fp l co fs i e m e n ss 7 - 4 0 0a n ds o f t w a r eo f 、阢n c c 6 o & s t e p 7 ad c sw i t h t h r e el a y sf o rp u l p w a s h i n gp r o c e s sw a se s t a b l i s h e d t h eb a s i cl e v e ls e t s u b - c o n t r o ls y s t e m so fc o n c e n t r a t i o n ，l e v e l ，f l o wa n dt e m p e r a t u r e ，w h i c hk e e p t h ep u l pw a s h i n gp r o c e s sw o r k s m o o t h l y i nt h el i n k a g el e v e l ，s m a l lu n i t sl i n k e d t oa d a p tt h ec h a n g e so fp r o d u c t i o n i nt h eo p t i m i z a t i o n l e v e l ，m a t h e m a t i c a l m o d e lo fw a s h i n gp r o c e s sc a l lb ei d e n t i f i e da n d 也ei n d i c a t o r s c a l lm e e tt h e o p t i m i z a t i o nr e q u i r e m e n t sa sm u c ha sp o s s i b l e k e y w o r d s - p u l pw a s h i n g ，s o f ts e n s o r , n e u r a ln e t w o r k , m u l t i o b je c t i v e o p t i m i z a t i o n ，d c s 基于神经网络的纸浆洗涤过程优化控制 1 绪论 1 1 课题的目的与意义 我国是浆纸大国，制浆造纸企业在全国的分布是相当广泛的。据中国造纸协会统计， 我国现有浆纸企业3 5 0 0 多家，2 0 0 0 年的纸和纸板产量是3 0 5 0 万吨，2 0 0 5 年为5 6 0 0 万吨， 2 0 0 7 年为7 3 5 0 万吨，2 0 0 8 年实际已达9 3 9 1 万吨d - 3 1 。然而，我国的纸浆资源却是十分有限， 目前，在国内，草浆是制浆造纸的主要浆种之一，占我国纸浆纤维原料1 4 多的比例。但 是利用草浆制浆，也是有一定的危害的，主要是因为利用草浆造纸时，对生态环境的污 染相对较大，以草浆为代表的制浆过程，其中产生的黑液是我国主要的环境污染源之一， 会对生活水源的水质造成一定影响，有的地方甚至危及到人们的日常生活，引起了国家 和地方环保部门的重视。近年来，国家不断提高新的废水排放标准，对浆纸工业带来了 更大的压力，为此，我国每年有上百家浆纸企业因环境污染问题被迫关停。然而，“关 和“停 不是解决问题的最好办法，我们需要分析问题的根源，通过科学有效的手段来 达到发展经济、保护环境、实现人类可持续发展的目的。 对于麦草制浆产生的黑液，科学有效的处理方法之一是采用碱回收技术，彻底根除 黑液污染并回收工业用碱，实现工业碱和蒸汽的循环利用。然而，碱回收系统不但一次 性投资很大( 一般约需3 6 0 0 万元以上) ，而且运行成本比较高，投资回收慢( 约需8 年) 。 降低其运行成本的有效途径之一是尽可能地提高碱回收车间蒸发工段入效黑液的浓度， 这就对浆料洗涤过程的洗涤水用量提出了要求。怎样在保证洗涤质量的前提下，尽量减 少洗涤水的加入量，从而有效减少洗涤工段产生的黑液量并提高黑液浓度是摆在制浆造 纸业内人士面前的一个难题。 为解决这一难题，目前很多研究集中于洗涤过程的参数设置【蜘，基于我国目前的洗 浆设备、洗浆工艺，要很大程度的改变生产状况，仍存在很大的难题，首先制浆造纸过 程是一个连续的过程，各个工段之间相互关系并制约，在进入洗浆工段之前，浆料在蒸 煮工段要满足一定的工艺指标，但是蒸煮工段也是一个很复杂的过程，工艺环境、原料 设备等都存在着很大的扰动变化，加之洗浆过程本身的不可观、不可测与多扰动，对研 究工作带了很大的挑战，它们都会影响纸浆的洗涤效果。近年来，随着自动化技术的全 面发展，工业技术得到了很大的进步，因此，在基于洗浆设备和工艺的前提下，应加大 自动控制在洗浆过程中应用。 本课题在国家自然科学基金“草浆洗涤过程两步神经网络建模及集成优化 的资助 下，结合陕西科技大学微机应用研究所现有技术，针对我国麦草制浆现状对纸浆洗涤过 程建模和优化控制效果进行了研究。 陕西科技大学硕士学位论文 本课题的目的就是基于我国目前草浆洗涤的研究现状，以及目前洗浆工艺的具体流 程，对麦草浆进行了全面的研究。分析和研究影响麦草浆洗涤质量的主要因素，为了能 够有效地解决残碱与黑液波美度在工艺要求上的矛盾的问题，通过神经网络建立纸浆洗 涤过程的数学模型，采用最小二乘法实现对模型的修正。对洗浆过程有了全面准确的认 识。在环保节能的前提下，以高产、优质、节能为多目标对洗浆质量、清水加入量和洗 后浆产量进行多目标优化。进而提出一种具有三级控制框架的d c s 控制系统，三级控制 通过基本控制级、联动级和优化级对纸浆洗涤过程实现了横向、纵向的全面集成优化控 制，为纸浆洗涤过程集成优化控制系统的研发和实施过程提供理论依据。 本课题的意义在于，我国是一个浆纸大国，纸和纸板的生产在大幅度的提高，近几 年来，随着造纸需求量的增加，对造纸工业也带来了很大的挑战与机遇，造纸行业最大 的弊端就是对环境带来污染，随着环保力度的加强，造纸工业越来越重视污水处理。制 浆黑液是造纸过程对环境最大的危害来源，而在纸浆洗涤过程中，会产生很多的黑液， 也是黑液处理的重要环节1 7 母1 。因此，本课题着手对制浆黑液进行软测量与优化控制。加 强对此的研究，不但能够提高纸浆洗涤的质量，使浆料洗涤更加干净，这为后续工段漂 白带来了很大的帮助，使得漂白药剂的使用量大大减少。也为碱回收工段减轻了负担， 为企业降低了成本。 纸浆洗涤过程自动化控制的研究，很大程度上节约了人力，可以显著减轻操作人员 的劳力消耗及企业的运营成本【l o 】，还能在很大程度上提高质量和产量。 鉴于以上优势，本课题的研究不仅具有良好的经济效益，还有突出的环保效益和社 会效益。 1 2 纸浆洗涤过程研究概况 1 2 1 纸浆洗涤工艺 ( 1 ) 洗涤方式 洗涤方式可分为单段洗涤和多段洗涤。多段洗涤又分为多段单向洗涤，( 每段都用 新鲜洗涤水) 和多段逆流洗涤】。由于洗浆过程不仅要求获得洁净高的纸浆，还要求获 得高浓度的黑液。单段洗涤过程，很难同时满足这两个要求。多段单向洗涤过程，可以 保证纸浆洗涤质量，但是洗涤用水过多，导致黑液的浓度很低。因此，目前在各个大中 型制浆造纸企业中，浆料洗涤过程较为广泛的采用多段逆流洗涤的方法。多段逆流洗涤， 就是由多台洗浆机( 真空洗浆机) 串联，或者是一台洗浆机( 水平带式洗浆机) 分隔成 多个洗浆段，浆料依此通过各台设备，从最后一段排出，洗涤水则是逆流，从最后一段 进入，与最后一段的浆料形成稀液进行逆流洗涤。逆流洗涤过程可简要的描述如图1 1 所示。 2 基于神经网络的纸浆洗涤过程优化控制 i 段洗浆机i l 段洗浆机i l l 段洗浆机i v 段洗浆机 和碱回收车间 图1 - 1 纸浆逆流洗涤工艺流程 f i g1 - 1 t h ec r a f t so fp u l pw a s h i n gp r o c e s s 目前，一般说来，为了将浆料洗干净，就象洗衣服一样，要多加水，并延长洗涤时 间，这不但造成洗涤效率低，能源消耗大，而且产生的黑液量大，浓度低，明显加重了 后续的碱回收车间蒸发工段的压力和运行费用。为了提高首段黑液波美度，最直接的方 法是减少洗涤清水的加入，但这样以来，又很可能会造成洗后浆残碱量大幅提高和浆料 里面附着的有机质( 如木素等) 增多1 1 2 】，给漂白工段增加了很大的负担。 ( 2 ) 工艺指标 洗浆过程中，洗涤每吨风干浆时，进入所提取的废液中的水量，用稀释因子( d f ) 表示。稀释因子代表了提取废液的稀释程度，也称为稀释度，稀释因子大，说明洗涤水 用量多，提取废液的浓度低，但废液提取率高，纸浆洗涤干净。一般稀释因子为l 4 1 1 3 】 稀释因子表示如下： d f y 一圪( 朋3 t 风干浆) 或d f 圪一圪( 肘3 t 风干浆) 式中，y 一提取的废液量( 聊3 t 风干浆) 虼一蒸煮后纸浆中的废液量( r f j ，t 风干浆) 圪一洗涤用水量( m 3 t 风干浆) 圪一出浆中带走的液体量( 所3 t 风干浆) 显然，在纸浆洗涤过程中，洗涤不完全的时候，会导致溶质的损失，洗涤的损失与 稀释因子有关，稀释因子越大，导致耗水量越大，溶质的损失也越严重。因此，对于制 浆企业来说，寻求合适的稀释因子，不仅能保证纸浆洗涤质量，而且对于洗涤过程耗水 费用也是至关重要的。 纸浆洗涤和黑液提取的基本任务和要求是在满足纸浆洗净度要求的前提下，用最小 的稀释因子，获得较高浓度、较高温度和较高提取率的废液。就碱法制浆中的木浆而言， 纸浆洗净后的滤液，一般含0 0 4 9 l 左右的残碱( 1 4 - 1 5 ，每吨浆提取的黑液量约为8 1 0 m ， 陕西科技大学硕士学位论文 黑液波美度8 1 0 b e 左右，通常，碱回收率要求达到9 0 以上，黑液提取率必须到达9 5 以上。草浆由于滤水性差，黑液提取率普遍较低【一6 】，因此，必须优化洗涤工艺和洗涤设 备，使纸浆和废液充分分离，并减少损失，提高废液的提取率和浓度，以利于废液的回 收。 1 2 2 纸浆洗涤控制难点 纸浆洗涤过程是制浆造纸过程中极其重要的一环，洗浆效果直接影响后续工段的顺 利进行。仅仅依靠洗浆工艺及设备的改进是不够的，还需对洗浆过程控制进行深入研究。 从建模及优化的角度分析，洗浆过程控制存在以下难点： 1 ) 纸浆洗涤过程机理复杂，影响因素多。主要的影响因素有：温度、洗鼓压差和真 空度、浆层厚度、上浆浓度和出浆浓度、蒸煮方法、浆种和浆的硬度、纸浆洗涤过程清 水加入量和洗涤次数。由于影响因素多，很难建立洗浆过程的具体数学模型。 2 ) 洗浆过程质量指标工艺要求上的矛盾性问题。工艺要求洗后浆残碱越小越好，首 段黑液波美度越高越好。但实际中，残碱愈高，波美度愈高：残碱愈低，波美度愈低。 须有效平衡这两个质量指标之间的矛盾。 3 ) 系统本身存在的非线性及时滞性。洗涤过程是一个明显的多变量和非线性过程； 另外，清水加入量对首段黑液波美度的影响以及对出浆浓度和流量的影响都需要一段时 间才能体现出来，表现出明显的大时滞性。 1 2 3 国内外研究现状 国内现状：我国在浆料洗涤方面的研究起步较晚，大量工作集中在对洗涤装备和洗 涤工艺的研究。控制水平与国外相比存在相当的差距，研究内容一般只局限在某一参数 的测量和控制，或者是停留在集散控制系统设计的层面上，很少涉及到针对整个洗涤过 程的数学建模和优化控制的问题。查阅大量的文献，目前部分学者重点阐述了针对纸浆 洗涤过程的集散控制系统d c s 的设计问题，从过程控制的角度讲述了一些实用的控制算 法。这代表着国内在这一领域研究的主流方向。许多科研单位也研究了纸浆洗涤过程质 量指标一残碱的在线测量方法和控制，从研究的层次来讲是一个进步。据不完全了解， 目前，国内许多浆料洗涤过程控制系统仍类似于前述的黑液浓度控制，并且，国内许多 纸厂在黑液浓度测控方面都还很落后，仅仅利用简单的单回路控制，甚至人工定时的离 线测量【7 】，这就导致了黑液浓度控制的不精确，误差大等弊端。虽然一些大中型造纸企 业的洗浆控制系统引进国外应用比较成功的稀释因子优化控制方案，但是同样存在问题。 主要表现在：首先，国外技术力量先进，设备也比较先进，控制系统比较高级，这是由 国外的实际国情决定的，国内资金力量薄弱，尚不能达到全套引进，引进的部分设备及 控制系统就不能达到优良的效果：另外，国内浆种多样，并且大多是草浆，国外浆料洗 涤系统( 一般都是针对木浆研发的) 未必适用。因此，要根据我国的国情，基于我国目 4 基于神经网络的纸浆洗涤过程优化控制 前纸浆洗涤设备与洗浆环境，洗浆工艺现状，研究适合我国发展的洗涤过程优化控制策 略，这是一个亟待解决的问题。 国外现状：国外的研究浆种主要是木浆，经过长达2 0 多年的研究，国外洗涤过程的 控制技术已经很先进，在洗浆过程控制方面，不论是工艺参数设定，洗浆设备操作，测 控点控制操作等方面都是积累了相当丰富的经验t l s - 2 1 1 ，在国外洗浆技术发展的这些年中， 从早期的黑液波美度控制到残碱量控制，经过技术提高发展到稀释因子的优化控制。目 前比较流行的主要集中于模型的优化控制。发展过程归结如下： 1 ) 黑液浓度控制。这是早期国外最基本的控制系统，这种控制系统中，只考虑单一 的黑液控制，没有残碱的控制。我国目前一些小型造纸厂仍在采用，有的造纸厂即使有 残碱量测量仪，也并不连续使用，只是间断测量，测量值只作为观测参考，不加以控制。 因此，残碱损失相当严重，国外目前已经大部分不再采用。 2 ) 残碱量控制。针对上一阶段残碱量损失大的弊端，国外提出了残碱量控制方案， 对各段洗浆机进行参数分析，利用预测推断控制，构造了残碱的预测器，实现对残碱量 的有效控制。至今为止，残碱量控制技术比较成熟。 3 ) 稀释因子优化控制。最优的稀释因子是纸浆洗涤系统良好运行的有效保证，国外 很多学者致力于稀释因子的最优研究，提出了基于稀释因子的纸浆洗涤过程优化控制， 该系统比较直观，结构也比较简单。 4 ) 基于模型优化控制。在近几年来，国外学者研究洗浆过程数学模型的建立，基于 模型的优化控制能够根据模型，分析各变量间的关系，对操作和控制起到了很大的优化 作用。 1 3 本文主要内容及章节安排 1 3 1 主要研究内容 本课题研究的重点在于纸浆洗涤过程软测量模型建立及其优化控制，包括以下几个 部分： 1 ) 残碱和黑液波美度软测量模型的建立：在纸浆洗涤工艺的基础上分析了影响纸浆 洗涤质量的众多因素，最终确定残碱和黑液波美度为主要质量指标。借助于神经网络技 术，利用动态神经网络与稳态神经网络两种方法建立残碱和黑液波美度软测量模型，并 采用最小二乘法对模型进行验证。 2 ) 纸浆洗涤过程的单目标、多目标优化：以洗浆用水费用为目标，对稀释因子进行 寻优：以洗浆质量高、出浆量大、耗水量小为目标，对纸浆洗涤过程进行多目标优化。 陕西科技大学硕士学位论文 3 ) 稀释因子预测推断控制策略的设计：通过分析稀释因子，浆层厚度，洗涤水流量 之间的机理关系，将推断控制、预测控制和软测量模型相结合，构成稀释因子预测推断 控制。 4 ) 纸浆洗涤过程d c s 控制策略的研究：综合洗浆过程的测控点，设计d c s 控制系 统，以先进的西门子软硬件为开发平台，提出了纸浆洗涤过程三级控制方案。 1 3 2 章节安排 本文的具体章节安排如下： 第一章：介绍课题研究背景以及文章主要内容和章节安排。 第二章：介绍纸浆洗涤过程的建模，基于神经网络的软测量技术，对纸浆洗涤过程 模型作出分析，本课题研究方法得以确定。 第三章：介绍基于稀释因子的纸浆洗涤过程用水费用单目标优化。 第四章：介绍纸浆洗涤过程多目标优化。 第五章：介绍纸浆洗涤过程不可测变量的预测推断控制。 第六章：介绍纸浆洗涤过程控制策略，并对纸浆洗涤过程d c s 控制系统的实现进行 介绍。 第七章：对本课题进行总结和展望，指出今后需要进一步研究的工作。 6 基于神经网络的纸浆洗涤过程优化控制 2 纸浆洗涤过程建模 2 1 问题描述 我国在浆料洗涤方面的研究起步较晚，控制水平与国外相比存在相当的差距，研究 内容只停留在集散控制系统设计的层面上，很少涉及到针对整个洗涤过程的数学建模和 优化控制的问题。由于纸浆洗涤过程影响因素复杂，测控点多，目前，国内的控制策略 仍很滞后，一般都是简单的串联控制、单回路控制。单个变量的控制并不能使纸浆洗涤 整个过程处于良好稳定的运行环境，要对纸浆洗涤过程进行全方位的研究，首先必须明 确纸浆洗涤过程主要影响因素的测量问题。纸浆洗涤过程中，残碱与黑液波美度是反映 纸浆洗涤质量是否合格的重要指标，不能通过简单的离线测量及粗略估计得到，而应进 行十分精确的在线测量。为此，研究有效的测量方法是势在必行的。 在现代控制理论中，随着软测量技术的提出，工业生产效率也发生了很大的改变， 可靠的软测量技术不仅使工业生产的控制水平大大提高，而且还可以避免昂贵的硬件设 备的使用，深一步使得维护费用也大大的减少，这对于我们这样一个发展中的国家，更 加适合于我国的国情。 基于以上原因，本文通过对纸浆洗涤过程机理进行分析，以残碱和黑液波美度为软 测量目标，由纸浆洗涤主要影响因素作为输入变量，建立二者的数学模型。从而达到对 洗浆过程的详细描述，以预计纸浆洗涤质量指标。在洗浆控制过程中，整体形成回路反 馈，以测量结果来指导纸浆洗涤过程控制。为了符合工况的实时变化，通过定时的离线 测量对模型进行修正，以达到精确地跟踪反馈控制。 2 2 软测量 由于目前工业生产中，存在很多难于直接测量的过程参数，而这些过程参数往往又 是很重要的，关系到过程生产的安全性、顺利性，高效性。这就给过程检测提出了一定 的要求，软测量技术是近年来发展较为迅速的一种新型变量测量技术，也称为间接测量 技术【：】，在过程检测领域中，得到了越来越多的广泛应用。目前软测量技术，不仅用于 实现常规检测仪表不能直接测量的变量检测，而且软测量技术还嵌入到常规仪表设置中， 通过软测量原理提高常规仪表的精度，降低常规检测仪表的误差，对常规仪表起到校准 和故障诊断的作用阎。目前软测量的思想已应用到许多过程控制中，例如，利用软测量 技术与预测推断控制相结合，对过程生产整体水平的提高和过程预测都起到了很大的推 动作用。 陕西科技大学硕士学位论文 2 2 1 软测量定义 软测量技术实际涵盖了多个领域，首先在分析生产工艺过程中，将自控理论合理的 嵌入其中，二者有机的结合起来，其次，利用现代计算机技术，对于一些不能直接测量， 或者测量存在困难的重要变量，避开直接测量的障碍，选择另外一些容易测量的变量， 通过过程机理，构造间接测量变量与直接测量变量之间的数学关系，以此来推导和估计 ，主导变量，从而可以达到以软件替代硬件的目的。 2 2 2 软测量的数学描述 软测量建模就是由可测数据得到x 的最优估计值主，即主= f ( d 2 ，y ，工，r ) 。它不仅反映了 主与输入的关系，还包括了被估计量工与可测输出y ( - - 次变量) 之间的联系。离线采样 值工。常被用于模型的自校正。软测量示意图如图2 1 所示。 图2 1 软测量模型示意图 f i g2 - 1 s o f ts a l l ：；0 l rm o d e ls c h e m a t i c 2 2 3 软测量的建模方法 软测量技术发展至今已经是很成熟了，目前软测量建模的主要方法有【】：通过机理 分析建模、回归分析建模、状态估计建模，以及发展比较迅速的智能控制中的人工神经 网络建模、模式识别建模、遗传算法建模、过程层析成像、非线性信息处理建模等九种。 前六种建模方法的研究较为深入，在工业生产过程中，生产指标的检测控制中已有许多 成功的案例，后三种建模方法是最新几年发展起来的，相比较于传统的软测量建模方法 还要经过一个很长的时间被世人认可l 卅。虽然目前在过程控制中应用较少，仍在继续被 研发中，但这些技术的便利性及高新性是超越传统技术的。在实际应用中，往往是综合 上述各种方法，以达到最好的效果。在这些智能控制中，人工神经网络作为一朵新的奇 葩，已经屹立在软测量技术的前沿，人工神经网络不仅在理论中得到了广泛的认可，在近 年来的许多实际应用中也是硕果累累。目前利用神经网络组成自适应控制以及它在机器 人中的应用研究方面均取得了很多成果，显示出了广泛的应用前景。由于神经网络本身 具有非线性特征，因此，在大规模的数据处理，或者分布式处理中，神经网络可以方便 快捷的达到要求精度。神经网络之所以能广泛应用的另一个特点在于：神经网络的容错 性很强、对于多变量相关时，又能表现出很强的鲁棒性以及自学习的能力、在工业生产 8 基于神经网络的纸浆洗涤过程优化控制 中，随着生产过程的变化，神经网络由于自身的自适应、自组织能力 2 5 - 2 6 1 可以很快的适应 并模拟生产过程。基于神经网络应用具有如此多的优点，因此，神经网络在应对复杂的 非线性工业过程中，带来了极大的便利及收益，神经网络也已经成为软测量技术中的主 导技术力量。在软测量中，神经网络的介入，取代了传统的数学模型建立的过程，神经 网络技术可以完成从输入空间到输出空间的映射，通过对对象输人、输出的样本数据进 行学习，进而模拟了生产过程，待稳定后，可以稳态的得到生产过程数据，以此来建立 生产过程的具体数学模型。在神经网络学习的过程中，对象的先验知识要求较少，但对 模型校正要求很精确，因此，这提高了软测量技术的便利性，对软测量深入研究是十分 有利。 针对纸浆洗涤的特性，本文采用基于神经网络的软测量建模，主要思想是：利用神 经网络来代替常规的数学模型，描述辅助变量( 进浆浓度五、进浆流量而、清水注入量 毛) 与主导变量( 残碱m 和黑液波美度y 2 e ) ) 之间的关系，完成从主导变量到辅助 变量的 图2 - 2 基于神经网络的软测量模型结构 f i g2 - 2 s u u c t u r eo ft h es o t ts e n s o rm o d e lb a s e do nn e u r a ln e t w o r k 2 2 4 软测量的设计 在设计方法的基础上，提出了软测量的设计步骤 2 7 l ： 1 ) 通过机理分析，选择与主导变量有关的软测量辅助变量。 2 ) 采集现场数据，由于现场存在多变性，要对采集来的数据进行预处理。 3 ) 选择合适的软测量方法，对过程建立软测量模型。 4 ) 由于软测量的非直接性，存在一定的误差，因此设计校正模块进行校正。 5 ) 待校正之后，符合过程生产时，在装置上实现软测量。 6 ) 通过定期的实践后，对软测量模型进行评价。 软测量设计的具体流程如图2 3 所示： 9 陕西科技大学硕士学位论文 1 初步选择辅助变量 2 采集辅助变量的测量数据和 导变量的检验数据 3 数据校正 4 数据变换 5 数据相关性分析 6 主元分析 2 3 神经网络 机理分析、选择辅助变量 数据采集和预处理 建立软测量模型 设计校正模块 在装置上实现软测量 评价软测量模型 1 了解工艺流程和控制系统 2 确定主导变量 3 分析变量的可观、可测性 1 确定辅助变量 2 选择软测量模型结构 3 确定软测量模型系数 1 选择短期校正方法 2 选择长期校正方法 1 在d c s 上实现数据处理， 模型计算和在线校正模型 2 设计工艺修改，验证方法 3 设计模型报警模块 图2 3 软测量的设计流程 f i g 2 - 3 d e s i g np r o c e s so fs o t = is a l s o r 近年来，人工神经网络在多个领域都得到广泛应用，主要应用于自动控制、信息处 理、模式识别、机器人、计算机科学等方面1 2 9 】。半个多世纪以来，无论是从神经网络的 模型结构还是具体的学习算法都已经相当成熟，并有大量的应用方面的报道。近年来， 由于神经网络在应对复杂的非线性工业过程中，带来了极大的便利及收益。因此，神经 网络也已经成为软测量技术中的主导技术力量。越来越多的学者开始着手于神经网络的 研究。将神经网络应用到过程控制中已成为目前工业生产中一个主要方面，由于神经网 络在许多方面有着人脑模拟的功胄匕【明，并且神经网络是一种具有对外界过程自适应的能 力，并且能够模拟外界过程，进行自学习，因此，准确的数学模型在具有神经网络控制 的过程生产中，已经不再成为障碍。从智能控制角度考虑，它也是一种典型形式。在自 适应控制中，神经网络利用自身强大的适应能力，可以很充分完成自适应控制；在机器 人学习中，神经网络以高科技的人脑模拟功能，得到了良好的借鉴，因此，目前看来， 神经网络具有着广泛的应用前景。 但是，神经网络也不是万能的，针对具体的对象或过程，也存在适用性和适应性的 问题，因此涉及到对这些成熟的理论或方法进行应用基础研究的问题。不过，国外在浆 料洗涤方面，甚至还就基于神经网络控制器的浆料洗涤控制系统于1 9 9 4 年成功申请了美 国专利0 0 。因此，将神经网络等先进控制技术用于对浆料洗涤过程的建模和优化是可行 i 0 基于神经网络的纸浆洗涤过程优化控制 的，同时也是先进的。 2 3 1 神经网络原理 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k a n n ) ，最早的是从神经生物学提出的，来 源于人脑对外界信息做出的的反射，并随着自然认知科学的不断研究，才逐渐发展起来 的。对神经元而言，由于影响变量多，输入因子则是多个变量，而输出只是唯一一个变 量，即是一个多输入，单输出的简单神经网络，单个神经元的模型如图2 4 所示1 3 1 。 而 工2 工 图2 - 4 神经元的基本模型 f i g2 - 4 b a s i cm o d e lo fn e u r o n 2 3 2 神经网络系统辨识特点 1 ) 由于神经网络有很强的非线性学习能力，因此可以任意逼近非线性函数，这为非 线性系统的辨识提供一种通用的模式。 2 ) 神经网络系统辨识是不要求具体的数学模型的，因此是非算法式的，加上神经网 络学习过程，本身就是一个辨识的过程，其主要是通过调节网络内部的权重来调节参数， 使之适应辨识过程的实际参数值0 2 1 。由于不需要建立实际系统数学模型，这为生产过程 省去了很多的麻烦。 3 ) 神经网络在辨识实际系统时，实际上也是将这个实际系统进行了一个学习模拟的 过程，这个过程也就是系统的一个物理实现，在实现过程中，对于参数及变量变化过程 都是可以通过在线监测进行控制的。 4 ) 神经网络本身具有非线性特征，因此，在大规模的数据处理，或者分布式处理中， 神经网络可以方便快捷的达到要求精度，容错度低。 5 ) 神经网络不仅能够同时融合多种数据，而且对于样本数据的定量与定性都能模拟 学习，这样，样本数据利用连接主义的结构形成的传统控制方法，样本数据利用符号主 义形成的人工智能方法，两种方法可以有机的结合起来l ，】。 6 ) 在神经网络中，所有定量和定性的样本数据的信息，都能等势分布存储在网络的 神经元中【3 3 】，这种方法对多输入多输出系统特别方便。 2 3 3 神经网络的数据校正 传统的统计测试需要步步迭代，计算量很大，不适合在线运行，应用神经网络由于 自身学习速度很快，可以快速的对数据进行校正，采用神经网络学习算法对数据进行校 陕西科技大学硕士学位论文 正，包括两方面的误差校正：随机误差和过失误差，本文中采用的神经网络是一般常用 的前向网络，学习方法采用成熟的监督式学习，因此需要设定过程目标值，如果是生 产过程的仿真数据，那么这些数据必须是符合生产过程要求的，且经过处理可以采用的。 网络的目标值在网络训练中，通过权值的不断改变，学习算法的不断逼近，可以精确的 求得估计值。但在实际过程中，过程变量一般存在于连续运行的过程生产中，在过程生 产平稳进行中，是不能随便施加扰动进行测量的。因此真实值是未知的，为求得精确地 训练目标值，通常采用步步迭代的方法，基于神经网络的数据校正技术的具体步骤如下： 1 ) 在所有样本中，计算各变量的平均值，并以此平均值作为过程设定的目标值； 2 ) 以此平均值与过程中测量的样本值混合在一起，组成样本组，进行训练。这样能够充 分的反映过程的动态性及变换性： 3 ) 以混合的数据为输入样本，在网络训练好的情况下，将这些输入样本进行辨识，每个 变量的校正值就可以得到； 4 ) 将校正值再求以平均，以求得平均值作为网络最终的目标值； 5 ) 在校正训练的过程中，未达到要求精度时，重复2 - 4 步骤，并每次计算校正方差，直 到均方差不再改变时为止。 纸浆洗涤过程中影响纸浆洗涤质量的操作变量为：上浆浓度x ( k g l m 3 ) 、上浆流量 而( ( 所3 h ) 、清水流量五( ( 朋3 1 1 ) ； 衡量洗浆质量的指标为：残碱量乃( g 1 ) ，波美度儿( b e ) 因此，纸浆洗涤过程 输入输出样本为：x = 【五，j c 2 ，毛】，y = y l ，款】 本文对现场采集的1 2 0 组生产数据，采用贾气列j j 7 处理。另外在样本数据 中提取2 0 组数据以及用机理分析模拟的1 0 组数据( 见附录a 表1 ) 与现场通过d c s 采集得到的1 2 0 组数据结合起来，以此数据作为残碱和黑液波美度神经网络软测量模型 的样本集。将这1 5 0 数据分为两部分：1 0 0 数作为训练的样本集，另外5 0 组作为检验数 据。 使用的标准化方法对输入、输出量进行处理，p 为输入量，t 为输出量，归一化处 理样本过程如下： 尸眦= m a x 妒 k = m a x 扩) p l = p | p r7 = r 乙( 2 1 ) 2 3 4 神经网络的学习步骤 神经网络主要通过8 个步骤进行学习，8 个步骤详细如下叫： 1 ) 在r - i ，1 之间，在广义万规则中，可以给权重随机赋值，此时所有的隐含层网络输出 阈值为l ，输出层的网络也必须为l ： 1 2 基于神经网络的纸浆洗涤过程优化控制 2 ) 将输入变量送入到神经网络，并根据映射规则，计算出第l 层的网络输出； 3 ) 在已知第一层输出的情况下，采用s i g m o i d 函数，计算隐含层的输出； 4 ) 已知隐含层的输出，计算输出层的结果； 5 ) 对于送入输出层的m 个样本继续进行1 - 4 步骤的训练，并计算总的平方误差； 6 ) 已知第朋个训练样本，计算出前隐含层单元的梯度下降项； 7 ) 已知隐含层和输出层时，通过学习速率计算出权重变化； 8 ) 已知权重变化时，可以对权重新计算，从而更加逼近实际样本。 通过这些步骤，计算出输出误差，然后根据s i g r n o i d 函数的梯度及输出误差，从而 产生新的权重值，以此来达到对网络的层层逼近。 2 4 纸浆洗涤过程的两步神经网络辨识 目前很多基于神经网络的稳态辨识方法已经大量提出，然而纸浆洗涤过程是一个复 杂的过程，有多变量的影响，并非一个稳态的模型就能准确的辨识，要用一个动态变化 的模型先逼近纸浆洗涤过程，但是，在生产过程进行中，频繁地施加摄动会严重地影响 生产，为此，为了准确的描述纸浆洗涤过程的动态变化特性及洗浆过程进行中的大时滞 性，本文采用神经网络的两步辨识法，两步辨识法1 3 5 l 的具体过程可概述为：由于实际的 生产过程动态变化着，从动态变化的过程中，采集大量的动态数据，以这些动态数据为 样本去训练多输入的神经网络，通过训练好的神经网络来辨识动态生产过程。并以此动 态神经网络生成大量的样本数据，由这些样本数据作为稳态模型的样本，训练只有主导