基于支持向量机算法的造纸过程磨后纤维形态软测量模型

本研究提出了一种基于支持向量机（SVM）算法的造纸过程磨后浆料纤维形态软测量模型,该模型利用原始浆板纤维形态参数和磨浆参数作为输入,用于在线软测量生产过程中的磨后浆料纤维形态。结果表明,采用SVM算法进行建模时,7种磨后浆料纤维形态软测量模型的平均相对误差在2.87%~5.61%之间,均优于采用偏最小二乘回归（PLS）算法的建模效果（平均相对误差3.09%~6.60%）,模型精度良好,满足生产中纤维形态实时检测对误差的要求。     

基于梯度提升回归树算法的生活用纸皱纹等级软测量模型

皱纹等级是衡量生活用纸质量的重要指标之一。然而,工业生产过程中缺少皱纹等级的实时在线测量方法。为了解决上述问题,本研究通过实验对影响生活用纸皱纹质量的因素进行了分析。利用梯度提升回归树算法,对影响皱纹等级的表面粗糙度、皱纹深度、皱纹频率3个主要指标进行了建模,并通过预测这3个指标实现对皱纹等级的在线实时软测量。通过对比工业实测数据,发现该模型对表面粗糙度、皱纹深度、皱纹频率预测精度较高,测试数据的平均相对误差均小于5%。该模型解决了生活用纸皱纹等级在线软测量的问题,对生活用纸生产过程的质量控制提供了新的方法和依据。     

基于梯度增强决策树算法的纸张质量软测量模型

本研究提出了一种基于梯度增强决策树(GBDT)算法的纸张质量软测量模型,该方法可在线软测量纸张的关键物理指标如抗张强度、柔软度和松厚度。结果表明,采用GBDT进行纸张质量软测量时,抗张强度、柔软度和松厚度的平均相对误差分别为7. 21%、7. 38%和3. 5%;采集新数据验证后,纸张抗张强度、柔软度和松厚度的平均相对误差分别为6. 87%、6. 88%和3. 12%,表明模型对新验证数据的预测结果精度高。