人工神经网络在造纸工业自动控制中的应用下0食品包装

人工神经网络在造纸工业自动控制中的应用（下）

人工神经网络在造纸工业自动控制中的应用（下） 2011年12月10日 来源： 2　人工神经网络在漂白中的应用

纸浆漂白过程是一个多变量多指标的工艺过程,实现其优化操作有一定的困难,这是由于纸浆漂白过程的机理较复杂,目前还不能建立起漂白指标与影响因素间的机理模型,而用传统的回归分析方法同时建立多个指标的回归方程精度难以满足要求[9>。纸浆漂白工艺条件的优化是一个非线性多约束优化问题,用常规计算方法得到的最优点往往在约束线的边界和交点处,一旦操作点偏离最优点,某个或某几个指标就会急剧地变差。因而对于这种难以建立精确数学模型又是多约束的非线性优化问题,寻求最优点的实用价值不大。有实际意义的做法是进行区域优化,即寻求比最优点稍逊,但能协调各个指标使之都达到较满意的稳定操作区域。鄢烈祥等人将人工神经网络技术用于纸浆漂白工艺过程,建立了漂白因素与漂白效果的网络模型。

实验证明,用实验数据对网络训练后,网络能准确预报漂白效果[10>。此外他们还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,将漂白试验数据的各个指标进行综合评定分成好坏两类后,应用人工神经网络的高度分类功能来识别漂白效果的好坏类别,实现对漂白工艺操作的预测[11>。

3　神经网络在烟道气排放控制与预测中的应用[12>

制浆造纸厂的排放受到越来越严格的法规限制。以烟道气主要成分NOｘ、SOｘ或co的排放控制为例,最为常用的排放量测量方法,是采用连续排放监测系统(cＥMS)进行监测,但这种系统的精确度和可靠性达不到新的地方排放标准,并且购买、安装和维护费用也很高,而且监测的可靠性和精确性也不高。为了提高监测的可靠性和精确性,同时节省开支,基于人工神经网络的预测性排放监测系统(ＰＥMS),作为连续排放监测系统的替代方式,正得到广泛的接受。ＰＥMS利用数学模拟技术,配合有力的软件系统,由与其它已知工艺限值的关系推出排放测量数据,而不是直接地进行测量。

ＰＥMS使用的神经网络软件包由三部分组成:(1)数据采集和预处理;(2)网络训练;(3)网络验证。采用ＰＥMS在保证测量精度的条件下有效地降低了烟道气有害物质的监控费用,实验证实,基于人工神经网络的ＰＥMS预测结果与硬件分析器的实际测量结果的相关性超过95%。

4　人工神经网络预测纸张翘曲

纸张翘曲对于造纸厂来说是个严重的问题,亦是一个难以预测的质量测量实例,因为它涉及到的影响因素很多,例如:纸页两边干燥速率的不同,纸页内部水分的不均匀以及纤维内部的机械应力等等。国外学者研究结果表明,纸张翘曲可以以某种有价值的准确度加以预测[13>,具体地说,可在生产之前预测初卷纸卷的翘曲度是否会在规定指标范围内,以及预测有可能发生的实际翘曲程度。

人工神经网络可以通过建立纸张翘曲过程的模型,在纸卷生产出来之前预测纸张翘曲。研究提出的表征当前纸卷状态的参数,可作为神经网络的输入数据,通过所建立的模型,来预测翘曲的最终水平是否在要求的规定指标范围内。同时,输入同样的数据到另外一个网络,并建立模型来预测翘曲的绝对水平。这样,就可以有效地控制纸页的翘曲程度,达到提高纸张质量的目的。

5　人工神经网络诊断纸机断纸

纸机断纸是一种复杂的现象,可能有多种因生产过程而大幅度变化的起因。利用常规的统计方法来确定断纸的确切起因是极为困难的。然而在解决此类问题上,人工神经网络方法显示出巨大的优越性。Takanori等人研究利用多层神经网络和bp算法来分析纸页断纸的原因,诊断商业新闻纸断纸问题[14>。神经网络所需过程数据由该纸机的分布式控制系统进行采集,进一步的数据(ｚｅｔａ电位、网部留着率、传导率和ｐＨ值)由专为研究安装的联机湿部传感器加以测量。

人工神经网络诊断显示,通过改变湿部化学性质和提高网部留着率有可能减少断纸问题,节省大量成本,减少了纤维流失,减少了工人清洗、复卷和重开纸机的时间。该研究还将人工神经网络与传统统计方法进行了比较,结果表明:人工神经网络方法在解决纸机断纸问题上有更大的优越性,可以更精确地对断纸进行诊断,减少断纸问题,提高企业效益。

6　神经网络在湿部化学过程控制的应用

国内外对于湿部化学的过程控制尚处于实验室阶段,国内对建立湿部中性施胶系统的数学模型以及模型的计算机仿真进行了初步研究。由于造纸湿部化学的机理非常复杂,影响因素很多,仅用机理分析的方法或参数估计法,难以建立有效的数学模型。朱勇强等人以造纸湿部的中性施胶系统作为研究对象,并采用人工神经网络进行智能建模的研究[15>。研究结果表明,将人工神经网络用于建立复杂的造纸湿部化学系统中性施胶的数学模型是可行的。采用该数学模型能有效地仿真中性施胶系统施胶剂用量和淀粉用量对施胶效果的影响。在该实验中,bp神经网络被用来建立中性施胶系统的数学模型,并用实验室中性施胶实验的数据来训练该神经网络。神经网络的基本结构是2-5-2-1,即网络的输入层有2个变量与施

高强度螺栓载荷试验机

疲劳试验机价格

锚链拉力测试机价格

卧式弹簧扭转疲劳测试仪