间歇蒸煮过程软测量建模综述

蒸煮是制浆造纸的重要一环。蒸过程的复杂性、不确定性导致了过程参数检测的困难。中对间歇蒸煮过程中的软测量建．模技术进行了综述。从建立软测量模型的方法、影响模型性能的因素以及模型的在线校正等方面，结合实际应用进行了详细讨论。分析了将软测量模型应用到蒸煮过程中存在的问题及原因，对将来的发展趋势作了简要展望。     

软测量技术（Soft-Sensing Technique）

本文介绍了软测量技术的基本思想,优点,基本构成,软测量模型建立的三大类方法,软测量技术的影响因素,软测量在制浆造纸工业中的应用实例．并作了展望。     

BP神经网络预测废水处理过程的研究

通过在实验室条件下进行追纸废水处理试验取得的数据对BP神经网络进行训练，建立了造纸废水处理过程的网络模型。该网络模型仿真实际废水处理过程的结果表明，BP神经网络具有很强的学习能力。利用BP神经网络模型实现了对造纸废水处理过程的预测，平均相对误差为19％，表明网络泛化能力不是很好。经过动态训练的BP神经网络模型能够比较准确的预测造纸废水处理过程，平均相对误差为1．9％，大大优于未经动态训练的网络模型。     

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。     

纸浆打浆度与纤维湿重同步测量的讨论

利用YQ－Z－13纸浆打浆度测定仪及其附带的框架，同步（同时）测量纸浆的打浆度和纤维湿重．会使测量结果产生误差。这个误差之处在于：用于测量纸浆打浆度所取的相当于绝于浆2克的浆料质量，一部分要用于纤维湿重项目的测量，也就是说用于纸浆打装度测量的绝干浆已不足2克。在     

基于BP神经网络的洋葱伯克霍尔德菌脂肪酶发酵软测量建模

为建立洋葱伯克霍尔德菌(Burkholderia cepacia)脂肪酶发酵过程的软测量模型,运用BP神经网络对洋葱伯克霍尔德菌脂肪酶的发酵过程进行软测量建模,并利用遗传算法对神经网络的初始权值和阈值进行优化,实现模型加快收敛速度,达到全局最优解效果.该模型能够比较精确地模拟菌体生长、底物消耗以及发酵产酶的过程动态,具有良好的泛化能力,说明BP神经网络结合遗传算法在洋葱伯克霍尔德茵脂肪酶发酵过程的模拟与预测中是一种高效快速的方法.     

纸浆卡伯值软测量模型的研究与应用

对近年国内制浆蒸煮过程纸浆卡伯值软测量技术的研究和应用成果进行了全面的对比分析，展望了智能软测量技术在纸浆卡伯值软测量建模过程中的发展前景。     

基于神经网络—生长动力学模型对DM423生物量的软测量

以温度、培养时间、溶氧量、pH和葡萄糖浓度为输入变量,生物量浓度为输出变量,研究5-5-1静态多层前馈网络和神经网络—生长动力学两种模型估算的精确度。结果表明:静态多层前馈网络测试样本均方差为1.73×10-3,而神经网络—生长动力学混合模型测试样本均方差为0.25×10-3,其估算精确度优于单独使用静态多层前馈网络对生物量进行估算,动力学模型有较好的泛化能力。     

基于BP神经网络的维修性评估方法

装备维修性评估目的是评估装备的维修性水平是否达标,为装备设计定型及其维修性设计改进提供重要依据。维修性评估除了有量化指标要求外,还有很多是一些非量化和无法量化的要求和指标。针对以上情况,建立了维修性定性评估指标体系,提出了运用BP神经网络(Back-Propagation Network,即反向传播网络)进行维修性评价的模型,并给出了评价结果。研究表明,BP神经网络用于维修性评估具有一定的实际意义。     

基于BP神经网络的纸病分类器设计

不同造纸生产线产生的纸病往往会有不同的特点,即使同一生产线在不同工艺参数,或在工艺参数相同而生产条件不同情况下产生的纸病也有区别,因此纸病往往具有多样性、复杂性的特点.为此,利用BP神经网络建立了纸病分类器,取得了较好的识别效果,识别率达91%.     

基于K-means聚类算法和BP神经网络的稻米品种鉴别

BP神经网络是利用误差逆向传播训练的前馈网络,具有自适应、实时学习的特点,在分类中广泛应用。但当样本类别过多,BP神经网络的分类精度显著降低。基于此,本研究提出了一种K-means聚类算法和BP神经网络相结合的方法作稻米品种鉴别。利用图像处理方法提取出11种稻米样品的灰度平均值、长宽比和圆形度三项特征参数,利用K-means聚类算法对所得数据进行聚类,聚类的结果作为BP神经网络的输入,训练得到分类器。实验结果表明,这种算法的分类效果要优于单一使用BP神经网络和K-means算法,且分类准确率达到80%,可见本实验的方法用于稻米品种鉴别是可行的。     

BP神经网络分类器在储粮害虫图像检索中的应用研究

针对储粮害虫图像检索特点,将BP神经网络分类器技术应用于储粮害虫图像检测和识别,成为近年来的一个研究热点.对采集到的包含储粮害虫的图像使用基于BP神经网络分类器的图像的储粮害虫图像检索方法,可以在线将储粮害虫从图像背景中分离出来,很好地保留了储粮害虫各个部分的纹理特征,并将信息分类存储以备查询.试验和仿真结果证明该算法不仅在线计算量小、便于实时控制,而且能够快速、高效地检测到储粮害虫的有效特征,同时进行分类检索.     

BP神经网络在洗毛工艺中的应用

基于BP神经网络方法,建立了洗毛工艺参数与洗毛质量之间关系的模型,对洗毛新工艺进行判别。实验结果表明：网络迅速完成训练,输出误差低于10^-3,模型具有很高的精度和准确性可以用于对洗毛新工艺的判别,为客观准确地制订洗毛工艺提供新思路。     

基于BP神经网络的办公椅触觉舒适性评价

为分析办公椅触觉舒适性的影响因素,采用办公椅温觉特性和体压分布实验,提取相应评价指标及其参数,最终构造BP神经网络模型。通过BP仿真测试,网络训练成功,验证了各个样本的预测值与真实值十分相近,表明BP网络经有效训练后可应用于办公椅触觉舒适性评价。     

织物柔软度等级评价的BP网络方法

文章基于织物柔软度等级评价体系,建立一个织物力学指标与柔软度关系的BP神经网络模型,对织物柔软度进行评价。借助KES-F风格仪测得的12组数据对BP神经网络进行训练,训练好的模型对织物进行检验。结果表明：网络迅速完成训练,误差平方和低于10^-3;对检验用的织物进行等级评价,其输出等级与综合评价等级保持一致。此方法客观、准确、简捷。     

基于模糊控制理论和BP神经网络系统的颜色空间转换模型研究

数字印前系统中色彩管理是一个重要的环节,而颜色空间的转换则是色彩管理的核心,特别是由设备相关颜色空间RGB到设备无关颜色空间CIELAB的转换。将模糊控制理论引入颜色空间转换模型,取得了较好的转换效果但仍存在色差大等缺点。本研究提出采用模糊控制模型将输入颜色空间动态划分为若干子空间,在子空间内部利用BP神经网络对颜色空间转换模型进行优化,得到了基于模糊神经系统的颜色空间转换模型。实验表明,该改进模型相对于单纯的基于模糊控制的转换模型而言,转换精度有很大提高。     

基于MATLAB的BP神经网络实现减振器缺陷产品自动识别

减振器是汽车悬架的重要组成部分,其性能直接影响整车的安全性和舒适性,减振器示功图是判断减振器是否合格的重要依据。目前,减振器示功图的类型识别都依赖人的经验。文章通过在MATLAB中训练BP神经网络,实现了减振器缺陷产品的自动识别,该研究具有巨大的市场价值。     

应用BP神经网络建立水射流粉碎模型

应用Matlab神经网络工具箱 (NNT)和BP神经网络理论 ,建立了水射流粉碎机优化设计的BP神经网络模型 ,应用该模型对水力粉碎机产量进行了预测 ,预测结果和实测结果基本吻合。为实现水力粉碎技术的工业化提供了一种优化设计方法。     

预报细纱条干不匀率的BP神经网络方法

介绍了BP神经网络及其算法 ,分别建立了两类细纱条干不匀率CV值预报模型 ,并对预报结果分别作了对比分析 ,得出了两类模型的最佳结构 ,从而证明BP神经网络应用于纺纱质量预报的合理性和良好前景。     

纸浆浓度的神经网络PID控制

针对造纸过程中纸浆浓度控制的特点,通过BP神经网络与PID相结合,组成神经网络控制器,用于纸浆浓度控制。利用神经网络自学习、自适应的功能,根据实际工况在线实时调整PID参数,使纸浆浓度的控制处于一种最优状态,达到较好的控制品质。