纸浆洗涤过程的多目标进化优化研究

应用最小二乘史持向景机建立了纸浆洗涤过程中黑液残碱和波美度数学模型,利用非劣排序遗传算法对残碱和波美度进行最小二乘支持向量机模型和BP神经网络模型寻优,获得进浆浓度、进浆流量、清水用量的优化值.其结果用于某造纸厂纸浆洗涤过程的优化,发现最小二乘支持向量机模型多日标进化算法的寻优结果明显优于基于BP神经网络模型的多日标进化算法,并且最小二乘史持向最机模型的多目标进化算法更好地解决了纸浆洗涤过程多个目标的冲突问题.     

纸浆洗涤过程残碱在线测定

根据纸浆洗涤过程的工艺特点，提出了采用基于神经网络的洗后纸浆残碱含量软测量模型，并且用它对洗后纸浆残碱含量进行了在线测量，结果表明：该软测量方法效果较好。     

纸浆洗涤过程控制系统

为了解决浆料逆流洗涤过程中洗后浆残碱与首段黑液波美度在工艺指标要求上的矛盾，并能获得良好的浆料洗涤效果，立足于我国常用的麦草浆洗涤工艺和装备，在全面分析影响麦草浆洗涤质量主要因素的基础上，提出并设计了一种具有基本控制级、联动级和优化级结构的纸浆洗涤过程集成优化控制系统，详细介绍了基本控制级中采用的主要控制算法，描述了基于洗后浆残碱与首段黑液波美度的神经网络数学模型建立方法以及对洗后浆产量和清水加入量进行的双目标优化方法。实际运行效果证明了本控制系统的有效性。     

基于数据驱动的纸浆洗涤过程优化控制

针对纸浆洗涤过程的残碱和黑液波美度不能直接在线测量、控制回路的动态特性难以用数学模型描述的问题,通过研究数据驱动操作模式的优化思想,提出了基于数据驱动的纸浆洗涤过程综合优化的方法。基于PCA-BP神经网络法和多元回归分析建立了残碱和黑液波美度的预测模型及工况综合评价模型。基于大量工业运行数据和工况评价模型对纸浆洗涤过程的操作模式进行优化,构建优化操作模式库。以高产、低成本、低耗为目标对优化模式库寻优,找出最优操作模式。通过实际应用,证实该方法能准确预测残碱和黑液波美度,并在满足洗涤质量的同时,使出浆量提高,清水加入量减少,达到优化生产的效果。     

纸浆洗涤过程的DCS方案设计

分析了影响纸浆洗涤质量的主要因素,针对洗涤过程的控制难点提出了一种DCS解决方案.采用Simens S7-400 PLC构成两级DCS对纸浆洗涤过程实现有效控制.该设计方案在河南西滑封造纸厂成功实施,系统运行正常.     

纸浆洗涤过程测控技术的研究进展

讨论了纸浆洗涤过程测控技术研究的一些进展，重点分析评述了几种典型控制方案的原理，特点以及适用范围，并对洗涤过程集散控制系统，控制模型与算法及传感器等方面研究的一些进展作了分析和阐述。     

纸浆洗涤过程中稀释因子的优化

基于浆料洗涤系统的整体工程思想,对洗浆系统和蒸发系统进行了物料衡算,建立了纸浆洗涤用水和稀释因子的最优化模型,并通过罚函数,将约束问题转化为无约束问题,对模型进行了寻优控制.实践表明,该方法可以找到最优稀释因子,减少了费用,降低了生产成本.     

神经元网络用于纸浆高锰酸钾值的软测量

采用变速率BP学习方法的神经元网络用于蒸煮过程的建模，以实现对P值的软测量，并与Chari模型进行比较，结果表明这种基于神经网络建模的软测量可明显提高测量精度。     

人工神经网络在硫酸盐间歇蒸煮过程纸浆硬度建模中的应用

本文利用工厂实际数据训练了一个简单的间歇蒸煮过程纸浆硬度的三层ＢＰ人工神经网络模型，对该网络的检验结果表明，该网络有令人满意的拟合精度。     

间歇蒸煮过程的分层多目标优化

对制浆生产间歇蒸煮过程进行了详细分析，建立了包括环境污染为目标函数的多目标分层规划数学模型，将传统分层多目标优化的方法和遗传算法相结合，提出了一种新的目标优化方法，遗传算法中综合并列选择和小生境方法，采用了池点编码和算术交叉操作，应用罚数法将有约束优化问题转化成无约束优化问题，应用实际间歇蒸煮过程数据的优化仿真结果表明，该方法可以在保证纸浆质量的前提下，减少排放废液中碱的含量，降低生产成本，达到清洁生产的目的。     

残碱和黑液波美度的在线软测量方法及实现

残碱和黑液波美度是评价纸浆洗涤质量的两个重要指标,但二者在线直接测量难度大,笔者基于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,建立了二者的稳态神经网络模型,通过最小二乘法进行在线校正,建立了一套新型残碱和黑液波美度的软测量方法。计算机仿真和现场数据比较结果证明了该软测量方法的有效性。     

基于神经网络的浓度检测模型研究

针对液浆类食品浓度检测系统中,浓度与折射率、温度之间的非线性关系问题,将人工神经网络技术应用于浓度测量的建模中,以实验数据为基础,建立了检测系统的数学模型。通过仿真研究,与传统的回归模型进行误差对比,得出了应采用BP神经网络技术建立智能化液浆浓度测量模型,提高测量精度,克服温度变化非线性影响的结论。     

转鼓式水洗机水洗工艺与辊网结构优化

为研究针织物在转鼓式水洗机上冲淋水洗时,水洗工艺和辊网结构参数对水洗质量的影响,首先建立织物水洗质量动态评价项,评判染液在织物上的残留和分布状况。并利用Fluent软件,创建织物水洗域有限元模型,分析不同辊网孔型对水洗质量的影响。然后综合考虑染液残余率、染液均匀度和洗涤面积比,建立织物水洗质量综合评价函数,采用中心复合设计法生成系列设计点,获得织物水洗质量对水洗速度、水洗时间、辊网孔圆弧半径的响应曲线和灵敏度值,说明水洗速度对水洗质量综合评价值的影响最显著,其灵敏度值为68%。最后以提高织物水洗质量为目标,优化水洗工艺和辊网结构参数,优化后水洗质量综合评价值提高了16.1%。     

基于神经网络和遗传算法的锭子弹性管性能优化

为得到减振弹性管对下锭胆的支承弹性和锭子高速运动下的稳定性等性能的最优匹配效率,依据减振弹性管的等效抗弯刚度及底部等效刚度系数公式,利用MatLab数值分析软件构建弹性管抗弯刚度和底部挠度数学模型。首先,结合Isight优化软件基于径向基神经网络构建其近似模型,且使精度达到可接受水平,并以模型的关键结构参数弹性模量、螺距、槽宽、壁厚为设计变量,结合遗传算法对弹性管抗弯刚度和底部挠度进行多目标优化设计,得到Pareto最优解集和Pareto前沿图,确定出减振弹性管结构工艺参数的优化方案。通过对优化数据进行分析发现,该方案在保证减振弹性管弹性的同时,其底部振幅明显减弱。     

基于遗传算法和神经网络的3D增材印花工艺参数优化

针对3D增材印花工艺中刮刀压力、刮印速度、刮刀角度和油墨黏度等参数的组合对印花质量存在较大影响,但实际生产中各工艺参数组合无法实现最优这一问题,利用附加动量法改进下的BP神经网络构建3D增材印花工艺模型,通过实验参数对模型进行训练,确定工艺参数和印花质量间的非线性关系。利用遗传算法对该非线性函数进行极值寻优,从而得到3D增材印花工艺的最优参数组合:印花压力为4 800N,刮印角度为18°,刮印速度为400 mm/s,油墨黏度为170.5 Pa·s,该模型预测误差基本稳定在0.01范围之内。利用优化前后的参数进行对比实验,结果证明该算法可以实现3D增材印花工艺的质量预测和参数寻优,从而提升印花质量,缩短产品开发时间。     

遗传算法结合反向传播算法神经网络优化党参多糖的提取工艺

目的 通过遗传算法结合BP(Back Propagation)神经网络,与正交试验结果作对比,优化党参中粗多糖的提取工艺。方法 以党参多糖的提取得率为指标,采用三因素(提取次数、提取时间、料液比)优化BP神经网络模型参数,并建立网络模型,再利用遗传算法对网络进行目标寻优,获得党参多糖的最佳提取工艺。结果 得到的最优提取工艺为提取次数3次,提取时间2 h,加水量为10倍,在此条件下党参多糖得率预测值为55.29 mg/g,和实际测量值的相对误差仅为1.10% ,具有较好的网络预测性。本方法无需复杂的实验过程,就可以快速得到最优的提取条件,且所得的党参多糖提取率较正交试验最优工艺所得的党参多糖提取率高出5.42%。结论 利用遗传算法结合BP神经网络算法对党参提取粗多糖的提取工艺进行优化快速、高效、可行。     

BP人工神经网络在鱼糜挤压制品生产中的应用

采用反向传播(BP)人工神经网络和响应面法(RSM)模拟操作工艺参数(鱼糜含量、螺杆转速、III区加热温度)对双螺杆挤压机生产的鱼糜挤压制品的品质属性(持水性、膨润度、硬度和弹性)的影响,并比较了BP人工神经网络和RSM所建立的操作工艺参数与产品属性间关系模型的预测误差。试验结果表明,经训练的BP人工神经网络的模拟值和实际值的均方差(MSE)及和方差(SSE)均比RSM低,在模拟产品属性上具有更好的拟合度和准确性,采用此法确定的鱼糜挤压制品最佳工艺参数为:鱼糜含量45.70%,螺杆转速170r/min,III区温度106.2℃。     

对打浆过程参数——温升的探讨

分析了打浆过程中温升与比能和电机电流之间的关系,研究了在软测量系统中温升对预测打浆质量的贡献率.结果表明,在纸浆浓度不变的情况下,温升与比能成正比,相对于比能,温升并不能明显地提高对打浆质量的预测能力,相反,如果温度传感器不够精确,还会引入明显的干扰信息.     

基于神经网络的自动控制系统

神经网络具有信息分布存储、并行处理以及自学习能力等优点,在信息处理、模式识别,智能控制等领域有广阔的发展前景,神经网络控制所具有的逼近非线性函数的能力使其在应用中更具多样性和灵活性。