面向造纸园区的多能协同调度模型

本课题提出了一种多种能源协同互补的调度方法,以提高风电与光伏发电消纳水平,促进造纸园区节能降碳。本方法在造纸园区全年用能负荷的基础上,利用机器学习技术建立了代表全年用能负荷情况的特征日获取模型;基于综合经济成本和与环境成本,建立了风-光-热-电-储协同的多能调度模型。在多个典型场景下,对模型运行结果进行验证发现,本方法可在保证用能需求的前提下,有效提升造纸园区功能系统的低碳化水平。     

基于机器学习的箱纸板质量预测模型构建及比较

箱纸板生产涉及一系列复杂工艺流程,且由于缺乏关键质量的在线监测手段,进而导致质量管控困难。为此,本研究尝试基于机器学习方法建立可在线监测箱纸板质量的预测模型,也称软测量模型,以促进上述问题的有效解决。本研究采用箱纸板企业实际数据,训练并比较了随机森林（RF）、梯度提升回归（GBR）、K近邻回归（KNN）及偏最小二乘回归（PLS）在多项质量指标上的预测表现。结果表明,不同质量指标本身很大程度上影响了预测精度的上限,而不同算法对理论上限的逼近程度有显著差异。复杂、非线性的集成模型（RF、GBR）相较于简单模型（KNN、PLS）有更好的表现。     

造纸废水处理过程温室气体排放代理模型研究

造纸废水处理过程具有高维、非线性和不稳定性等特点,并且其温室气体排放受诸多因素影响,目前缺乏可描述该过程的模型,因此难以对造纸废水处理过程的温室气体排放进行有效地管控与优化。本课题基于造纸废水处理温室气体产生机理,提出将响应面模型（Response Surface Model,RSM）、Kriging等方法与高维模型表征（High Dimensional Model Representation,HDMR）相结合,建立造纸废水处理过程中温室气体排放的代理模型,保障模型精度,同时降低优化设计所需计算成本。研究结果表明,对比于RSM-HDMR,Kriging-HDMR具有更高的近似精度,其验证结果R²大于0.95,更适用于高维、非线性的造纸废水处理过程。最后还基于Kriging-HDMR进行了关键参数的灵敏度分析,发现溶解氧传递系数和外循环流量对造纸废水处理温室气体减排最为关键。     

基于DNN-LSTM的造纸废水处理过程温室气体排放分析模型

本研究采用深度学习算法,对造纸废水处理过程的温室气体(GHG)排放进行建模与分析,以期为温室气体减排控制提供参考。结合造纸废水处理温室气体产生机理,在基准仿真1号模型(BSM1)的实验基础上,将深度神经网络(DNN)模型和长短期记忆网络(LSTM)模型用于造纸废水处理过程中温室气体排放建模与分析,以辅助温室气体在线监测和分析。结果表明,深度学习模型可以有效地捕捉温室气体排放的特征。模型验证结果 R²>0.99,平均相对误差不超过1%。基于DNN的灵敏度分析结果表明,曝气强度、污泥排放量、溶解氧浓度及内循环流量是影响造纸废水处理过程温室气体排放的关键操纵变量,水质变量和操纵变量间的相互作用是影响温室气体排放的潜在因素。     

基于弹性网络算法的多缸干燥部关键参数预测模型

纸页干燥过程的排风温度、排风湿度和纸幅湿度是反映干燥部运行状态和工艺合理性的重要参数,其预测控制对干燥部的运行优化和节能降耗具有重要的意义,传统的机理预测模型面临一些过程变量难以准确确定的问题。随着工业大数据的发展,基于数据驱动的方法为建立纸页干燥过程关键参数的预测模型提供了一条有效的途径。通过相关性分析从生产数据中选取与关键参数相关的特征变量作为模型的输入,采用弹性网络算法建立前烘干燥部的排风温湿度和纸幅湿度预测模型。结果表明,采用弹性网络算法建模的预测结果更贴近实际变化趋势,预测模型的平均相对误差均小于7%,比SVR模型低2%以上。模型为验证干燥部操作变量的调控合理性提供了一种有效的验证方法,为工业用纸干燥过程的优化控制提供了新的依据。     

基于深度强化学习的造纸废水处理过程多目标优化

本课题提出了一种基于多智能体深度强化学习的动态优化方法,以期实现造纸废水处理过程的运行成本和能耗的协同优化。实验采用了基准仿真1号模型（BSM1）模拟造纸废水处理过程的生化反应和沉淀过程,并利用模型数据对强化学习智能体进行训练,最后用实际的造纸废水数据对搭建的模型系统进行验证。结果表明,基于多智能体深度强化学习的废水处理系统能够保障排水质量,实现成本与能耗的多目标优化控制,其性能表现优于传统方法。     

牛仔服装pH值超标问题探讨

探讨了柠檬酸、醋酸、磷酸二氢铵、氯化铵和碳酸钠、烧碱、氨水作为酸碱中和剂对牛仔服装进行处理时的浓度、温度、时间工艺,并结合中和前后牛仔服装的物理性能和工业应用的成本等实际问题进行分析探讨。结果表明:纯棉、涤/棉牛仔较适宜的酸性中和剂是柠檬酸与氯化铵,处理条件分别为浓度0.6g/L、时间4min、温度25℃和浓度1g/L、时间4min、温度25℃;较适宜的碱性中和剂是碳酸钠,处理条件为浓度0.6g/L、时间6min、温度35℃。     

基于自编码的长流程造纸过程断纸故障识别

断纸故障造成的非预期停机对生产效率影响较大,预测和识别断纸故障对造纸工业具有重要意义。本研究提出了一种基于堆栈自编码器（stacked autoencoder,SAE）和Softmax分类器的断纸故障分类和识别方法,通过相关性分析与机理分析相结合的方式筛选出关键过程变量,并采用聚类方法对断纸故障进行类型标记。建立并训练SAE模型以提取数据中的深度特征,并基于提取后的特征,可通过Softmax分类器识别断纸故障。以造纸厂历史数据进行验证,得到该模型的断纸故障分类准确率为96.2%,精准率为93.1%,召回率为91.9%,结果优于其他模型,说明基于SAE特征提取的分类模型可以较好地实现断纸故障识别。     

弹力牛仔的研究现状及发展趋势

弹力牛仔面料以其独特的保型性和舒适性受到广大消费者的青睐。本文总结了牛仔用弹力纤维和弹力牛仔面料的发展及研究现状,并介绍了弹力牛仔生产中所碰到的一些问题及其解决方法。同时展望新型弹力纤维牛仔、运动弹力牛仔、男士弹力牛仔、针织弹力牛仔等将是未来的发展趋势。     

基于整数动态规划的备浆调度模型

备浆是造纸过程中的重要环节,大多造纸企业的备浆过程都是间歇性的过程。在备浆过程中,需要同时兼顾备浆工段及造纸工段;由于备浆设备的启停缺乏科学的指导依据,工厂依靠人工经验对备浆设备进行调度往往易顾此失彼,达不到错峰用电以降低生产成本的效果。针对备浆设备调度目前存在的问题,本研究提出了一个基于运筹学方法的优化调度模型,应用整数动态规划的方法求解备浆设备调度问题。结果表明,该模型能够科学合理地确定备浆设备的加工时间,克服以往人力调度的不足,同时可保持较高的可用性和可靠性,模型生成的调度可降低备浆工段的用电成本。