軟測量技術在造紙打漿過程的應用研究

電子通信論文編號:TX105  字數:24645,頁數:44 

目 錄
摘要 I
ABSTRACT II
1 緒論  1
2 軟測量技術及其應用與發展 3
2.1 軟測量技術基本原理  3
2.1.1 輔助變量的選擇 3
2.1.2 輸入數據預處理方案 3
2.1.3 軟測量模型類型  4
2.2 軟測量模型的工程實現 5
2.2.1 輔助變量的選擇 5
2.2.2 輸入數據的處理 6
2.2.3 軟測量模型的建立 6
2.2.4 軟測量模型的在線校正  8
2.3 軟測量技術應用現狀與發展 8
2.4 小結 9
3 基于神經元網絡的軟測量技術 10
3.1 神經元網絡綜述 10
3.1.1 神經網絡的基本原理 10
3.1.2 神經網絡模型 11
3.1.3 神經網絡的學習方式 12
3.1.4 人工神經元網絡連接的基本形式 13
3.2 BP神經網絡 14
3.2.1 BP神經網絡的結構  14
3.2.2 BP神經網絡學習算法  14
3.2.2 BP網絡的設計原則  17
3.3 BP網絡的缺點及改進 18
3.3.1 BP神經網絡的缺點   19
3.3.2 BP神經網絡的一些改進   19
3.4 總結   19
4 打漿工藝及打漿過程控制  20
4.1 打漿過程在造紙工業中的作用和其發展狀況  20
4.1.1 打漿過程在造紙工業中的作用 20
4.1.2 打漿過程控制的發展 20
4.2 打漿過程中的重要參數  21
4.2.1 打漿對紙張性質參數的影響 21
4.2.2 決定打漿效果的參數   21
4.3 造紙打漿過程工藝  22
4.3.1 打漿工藝流程  22
4.3.2 影響打漿過程工藝的重要參數 23
4.4 打漿過程控制 24
4.4.1 對比壓的控制 24
4.4.2 打漿濃度的控制  25
4.4.3 漿流量的控制 25
4.4 小結 26
5 基于BP神經網絡的打漿過程打漿度的軟測量 27
5.1 串聯連續打漿工藝過程  27
5.2 BP網絡模型的確定  27
5.3 BP神經網絡的訓練 30
5.3.1 輸入樣本的預處理 30
5.3.2 整個網絡學習的步驟 30
5.3.3 Matlab創建以及訓練BP神經網絡  30
5.4 系統網絡連接   36
5.4.1 MACS系統網絡  36
5.4.2 網絡功能描述  36
5.4.3 系統網絡連接   37
5.4.4 以太網卡IP地址說明 37
5.5 小結  38
致謝 39
參考文獻 40

摘 要
在工業生產中存在的大量過程參數，往往與生產效率、產品質量密切相關，需要加以嚴格控制。然而，由于技術、工藝或經濟的原因，目前無法通過普通傳感器對這些過程參數進行檢測。軟測量技術作為解決上述問題的新方法，近年來取得了重大發展。而用神經網絡來建立軟測量的模型，比其他方法有著不可比擬的優點，近年來，隨著科技的進步，又出現了神經網絡結合其他方法的軟測量方法。
打漿度不能造紙打漿過程中在線檢測，但其和打漿過程中可直接測得的幾個物理量有一定的對應關系，這些物理量分別是打漿流量P、打漿濃度C、打漿電流I、和原打漿度oSP，它們與打漿度之間存在復雜而確定性的關系。由于打漿度與I、C、P、oSP 0等幾個量之間關系復雜，難以用線性或分段線性的關系來表示，而神經網絡對于一般非線性函數具有任意精度的逼近能力，所以可以用神經網絡來表示打漿度與濃度等幾個量的關系。本課題主要分析研究BP神經網絡的結構和算法，建立了串聯連續打漿過程打漿度軟測量的BP神經網絡模型，并將該模型用于打漿過程控制和優化控制，取得了較好的測量效果。
關鍵詞：軟測量，BP神經網絡，打漿過程，打漿度

ABSTRACT
In industry production，there are a lots process parameters，which are close relating to production efficiency and quality of products，need containing. However，for the reasons of techniques，craftwork and economy，these parameters are not able to be measured by usual ways. Recently，being a new solution to this problem，soft sensor technology has developed quickly. But establish the soft measured model with the nerve network, compare the advantage that other method have got and can't compare to, in recent years, along with technological advance, appeared the soft diagraph method of the combinative other method in network in nerve again.
The deckle beats to starch the process inside wet heavy can't on-line examination, but its with beat to starch the process the inside can measure directly of a few amount of physicses has certainly of to should relate to, these physicses measures is to beat to starch the discharge P and beat to starch the density C and beat to starch the electric current respectively, with original and wet heavy worth g0, they with wet heavy an esse complicated but certain relation. Because the wet heavy g is complicated with I, C, P, etc. of g0 several amount offs a relation, landing is hard to use line or cent a line relations mean, but nerve network for generally and not the line function has arbitrarily the accuracy approaches the ability, so can use the nerve network to mean wet heavy wait with density the relation of several amount offs. This  lesson a construction for main analysis research BP nerve network with calculate way. The soft measurement model of the beating degree which is based on BP neural network is built. The model has acquired better effect in the control of process and optimization.
KEY WORDS: soft sensing, BP neural network, pulp process, pulp