基于PLSR的针叶材纸浆得率影响因素相关性分析

纸浆材的纸浆得率大小与其化学组成有较密切的相关性,通常可以用多元线性回归(MLR)分析方法研究这种相关性的密切程度。但当各性能指标间存在严重的多重共线性时,MLR方法难以克服这一缺陷。研究利用18种针叶材制浆性能典型案例数据及偏最小二乘回归(PLSR)方法探讨了化学指标和纸浆得率之间的关系,并和传统的MLR方法进行比较。研究结果表明:PLSR能较好地克服纸浆材性能指标之间的多重共线性影响,预测结果更为准确,模型解释也比MLR更为合理,为纸浆材制浆性能综合评价提供了一条有效途径。     

基于改进PSO算法的PID优化用于黑液液位控制

制浆过程中碱回收蒸发工段黑液液位控制直接影响着黑液浓度和蒸发效率。针对黑液液位非线性、大时滞及时变性的特点,传统PID方法控制精度较低,使用标准粒子群算法可以优化PID参数,提高精度,但是收敛速度慢,整定时间长。针对这些问题,采用改进的粒子群算法来整定PID参数,通过动态调整惯性因子和加速因子,以及改进收敛准则等方法来提高粒子群算法的全局寻优能力和收敛速度,并在MATLAB/SIMULINK仿真实验平台上,比较了传统PID方法、标准PSO算法和改进PSO算法对黑液液位的控制效果,结果表明改进PSO算法优化的PID控制缩短了调节时间,降低了超调量,说明改进粒子群算法优化后的黑液液位PID控制具有更快的响应速度和更好的鲁棒性,有效地提高了控制质量。     

改进遗传算法PID参数优化在流浆箱总压控制中的应用

稀释水水力式流浆箱的总压控制直接关系到纸张质量的好坏,传统的PID方法对于非线性、参数时变性和模型不确定性的对象控制精度较低。虽然传统遗传算法可以优化PID参数,提高精度,但是收敛速度慢,整定时间长,限制其在高速纸机控制中的应用。针对这些问题,本课题以纸机流浆箱总压控制为研究对象,采用改进的遗传算法来整定PID参数,通过优化交叉和变异算子、增加当前最优追踪策略以及改进收敛准则等方法来提高遗传算法的全局寻优能力和收敛速度。仿真结果表明,用改进的遗传算法整定后的流浆箱总压控制PID具有更快的响应速度和更好的鲁棒性。     

基于RPLS的造纸废水处理过程软测量建模

偏最小二乘(PLS)软测量预测模型在预测造纸废水处理过程中的出水化学需氧量(CODCr)和固体悬浮物(SS)时,易受过程非线性特性和系统外部干扰等因素的影响而失效。针对以上问题,研究了递归偏最小二乘(RPLS)算法的造纸废水处理过程软测量建模。计算结果表明,采用PLS模型预测出水CODCr时,平均绝对百分比误差(MAPE)、均方根误差(RMSE)和相关系数(R2)分别为5.3832%、4.6878和0.5892；采用RPLS模型预测时，MAPE、RMSE、R2分别为1.3861%、1.8792和0.9221。采用PLS模型预测SS时,MAPE、RMSE和R2分别为2.5962%、0.7412和0.6651；采用RPLS模型时MAPE、RMSE、R2分别为0.6795%、0.2198和0.9627。以上结果表明,RPLS预测模型比PLS预测模型具有更好的预测性能和更高的精度。