CN101790610A

CN101790610A - 用于优化木质纤维素颗粒物质磨浆的系统和方法

Info

Publication number: CN101790610A
Application number: CN200880023305A
Authority: CN
Inventors: 丁峰; I·拉马; R·加尼翁; C·勒琼
Original assignee: CT DE RECH IND DU QUEBEC
Current assignee: CT DE RECH IND DU QUEBEC; Centre de Recherche Industrielle du Quebec CRIQ
Priority date: 2007-05-04
Filing date: 2008-05-02
Publication date: 2010-07-28
Also published as: EP2158356A4; CA2691128C; US20100121473A1; US8679293B2; WO2008134885A1; CA2691128A1; WO2008134885A8; EP2158356A1

Abstract

用于对木质纤维素颗粒物质(例如木片)的磨浆过程进行优化的一种系统与方法，该系统与方法使用一种预测模型，该预测模型包括基于涉及多种物质特性的多种关系的一个模拟模型，这些物质特性表征了以下事项，如水分含量、密度、光反射或颗粒物质的尺寸，磨浆过程操作参数，如传输螺杆速度、稀释流量、液体压力、磨盘间隙、或者保持延迟时间，被控制到一个目标值的至少一个输出，如主电动机负荷或者木浆游离度，以及至少一个未受控制的输出，如比能耗、能量分割、长纤维、细屑和碎片。向一个适配器输入物质特性的多个测量值以及受控制的和未受控制的输出的多个测量值，以便对该模拟模型进行适配。优化器根据一个预测的未受控制的输出参数上的一个预定条件并且根据一个或多个过程约束来产生该目标的一个值。

Description

用于优化木质纤维素颗粒物质磨浆的系统和方法

技术领域

本发明涉及木质纤维素颗粒物质磨浆过程(如用于木浆和造纸生产以及用于木质纤维板制造)的领域。

背景技术

在热机械制浆过程(TMP)中，木片被用作木质纤维素的原始物质，并且它们的特性，如树种、新鲜度、尺寸、密度以及水分含量是影响木浆品质的重要因素，如Smook的“Handbook for Pulp&Paper Technologies”，Joint Textbook Committee of the Paper Industry，54(1982)中所述；并且木片可以对能量消耗和过程稳定性具有影响，如Garceau在“Mécaniques etChimico-Mécaniques.La section technique”，PAPTAC，(1989)Montreal，Canada，pp.101(1989)中所讨论的。磨浆过程与木浆品质之间的关系已经在以下文献中予以详尽地讨论：Miles的“Refining Intensity and Pulp Quality inHigh-Consistency Refining”，Paperi ja Puu-Paper and Timber，72(5)：508-514，(1990)；Stationwala等人的“Effect of Feed Rate on Refining”，Journal of Pulpand Paper Science：vol 20 no 8(1994)；以及Wood的“Chip Quality Effects inMechanical Pulping-A Selected Review”1996 Pulping Conference pp.491-495。此外，磨浆过程与木片特性之间的关系还在以下文献中予以详尽地讨论：Int symp.Jensen等人的“Effect of Chip Quality on Pulp Quality andEnergy Consumption in RMP Manufacture”，Int symp.on fundamental conceptsof refining，Appleton Wis.，sept.(1980)；Breck等人的“ThermomechanicalPulping-a Preliminary Optimization”，Transactions，Section technique，ACPPP，1-3，pp 89-95(1975)；以及Eriksen等人的“Consequences of Chip quality forProcess and Pulp Quality in TMP Production”，International Conference，Mechanical Pulping，Oslo，June(1981)。

根据一种已知的控制策略，在木片传输螺杆加料器上使用了一个反馈控制器来控制主电动机的负荷，将主磨浆机的稀释液流速与螺杆加料相关联，以恒定比率模式操作。可替代地，在主磨浆机的喷放管道处的木浆稠度测量的基础上，可以使用该反馈控制器通过作用于稀释液流速来控制电动机负荷。在这两种情况中，木片品质的变化起到影响电动机负荷的一种外部干扰的作用。

这些TMP造纸厂是电能消耗的大户。盘式磨浆机(典型地用大的10至30MW的电动机作为动力)被用来将木片转变为高品质的造纸纤维。根据M.Jackson等人在“Mechanical Pulp Mill”，Energy Cost Reduction in thePulp and Paper Industry，Browne，T.C.tech.ed.，Paprican(1999)中所报告的分析结果，一个500BDMT/D(绝干公吨/天)的单线TMP造纸厂在2400kWh/BDMT下(是一个典型的使用黑云杉木片生产新闻纸的TMP造纸厂)的能量消耗估算是在2160KWh/ADt(千瓦小时/风干吨)，占了整个造纸厂能量消耗的90％。因为全世界80％的新闻纸生产使用TMP过程，所以能量消耗是该产业中的主要问题。

目前，在获得所希望的木浆品质上的比能耗(SEC)(即在磨浆过程中在烤箱干燥的基础上每单位重量的木片所应用的能量)的变化可以是相对较高的。通常，存在着一个希望的品质值的范围，例如由加拿大标准游离度(CSF)所规定的，对此所生产的木浆必须遵守以满足客户的要求。在这个范围中，所获得的CSF可以在某些时候接近上限或下限。当该值接近所希望范围的下限时，这意味着需要更多的能量来达到所希望的品质。当该值接近上限时，则达到了用于可接受品质的木浆的最小能量消耗。为了减少成本以及保护资源的目的，人们希望对用来生产所希望品质的木浆而消耗的能量得到有效地管理。

磨浆机还被包括在纤维板的制造中，这些纤维板由不同的木质纤维素颗粒物质制成，这些颗粒物质包括木片以及工厂废弃物质，例如木刨花、锯屑或者经处理的木薄片(例如，OSB薄片)。虽然纤维板制造与制浆和造纸过程各自的磨浆后的步骤不同，但它们的磨浆操作模式是类似的，并且减少成本和保护资源对于这两个过程都是重要的问题，因此也希望用于生产符合品质的木浆能量消耗得到有效地管理。

发明内容

根据本发明的一个第一广义的方面，在此提供了用于优化木质纤维素颗粒物质磨浆过程操作的一种方法，该磨浆过程使用一个控制单元以及至少一个磨浆机段，所述过程的特征为多个输入操作参数，由所述单元参照一个对应的控制目标来控制的至少一个输出参数，以及至少一个未受控制的输出参数。该方法包括以下步骤：i)提供一个预测模型，该预测模型包括用于该磨浆过程的一个模拟模型以及用于该模拟模型的一个适配器，该模拟模型基于涉及多种物质特性的多种关系，这些物质选特性表征了有待送入该过程的木质纤维素物质、磨浆过程的多个输入操作参数、受控制的输出参数以及未受控制的输出参数，以此产生该未受控制的输出参数的一个预测值；ii)将代表所述物质特性的多个测量值的数据以及代表所述受控制的以及未受控制的输出参数的多个测量值的数据送入该模拟模型适配器，以便据此对所述模拟模型的这些关系进行适配；并且iii)根据该未受控制的输出参数的预计值上的预定条件并且根据与这些物质性能、磨浆过程输入操作参数以及磨浆过程输出参数中的一个或多个相关的一个或多个预定的过程的约束，提供用于产生该控制目标的最佳值的优化器。

根据本发明的一个第二广义方面，在此提供了用于优化木质纤维素颗粒物质磨浆过程操作的一种系统，该磨浆过程使用一个控制单元以及至少一个磨浆机段，所述过程的特征为多个输入操作参数，由所述单元参照一个对应的控制目标来控制的至少一个输出参数，以及至少一个未受控制的输出参数。该系统包括用于测量表征有待送到该过程的木质纤维素物质的多种物质特性的装置，以此产生物质特性数据；用于测量所述受控制的以及未受控制的输出参数的装置，以此产生输出参数数据；以及实施一个预测模型的数据处理装置，该预测模型包括用于所述物质磨浆过程的一个模拟模型，该模拟模型基于多种关系，这些关系涉及所述多种物质特性、所述磨浆过程输入操作参数，所述受控制的输出参数以及所述未受控制的输出参数，以此产生所述未受控制的输出参数的一个预测值，所述数据处理装置进一步实施了一个适配器，用于所述模拟模型接收所述物质特性数据以及所述输出参数数据，以便因此对所述模拟模型的这些关系进行适配，所述数据处理装置进一步实施了优化器，该优化器用于根据所述未受控制的输出参数在所述预计值上的一个预定条件并且根据与所述物质特性、所述磨浆过程输入操作参数以及所述磨浆过程输出参数中的一个或多个相关的一个或多个预定过程约束，来产生所述控制目标的最佳值。

附图说明

所提出的用于优化木片磨浆的系统与方法的优选实施方案将在以下通过附图予以说明，在附图中：

图1是曲线图，它显示出使用常规磨浆机控制策略所观察到的、由CSF和SEC随时间所表现的变化的一个实例；

图2显示出在涉及两维自由度的磨浆过程的情况下由多个约束所限定的可控制区域的一个实例；

图3是一个在线木片品质测量系统的示意框图，该系统可用于提供木片特性数据；

图4是由包括在图3的系统中的一个体积传感器所提供的一种典型的体积图示；

图5是在图3的系统上提供的一种颗粒物质尺寸测量子系统的一个透视图；

图6是通过图5的颗粒物质尺寸测量子系统所获得的原始的3D图像的一个实例；

图7是如在图6中所示的图像的一个常规的3D图示；

图8描绘了在一个传送带表面上铺开的木片样品的一个视图，用于估算面积的实际分布；

图9是一个曲线图，它显示了从筛分到9.5mm(3/8英寸)和22mm(7/8英寸)的批次中获得的铺开的木片面积的实际分布曲线；

图10是一个曲线图，它显示了从图5的筛分到22mm(7/8英寸)批次中获得的铺开的木片面积的实际分布曲线，以及从堆中检查的相同木片的3D图像的一种分割中估算出的分布曲线；

图11是一个曲线图，它显示了从图5筛分到9.5mm(3/8英寸)批次中获得的铺开的木片面积的实际分布曲线，以及从如在堆中检查的相同木片的3D图像的分割中估算出的分布曲线；

图12是一个曲线图，它显示了从筛分到9.5mm(3/8英寸)和22mm(7/8英寸)的批次中的木片混合物中获得的铺开的木片面积的实际分布曲线，以及一组图像分割之后的在堆中检查的相同木片的分布面积曲线；

图13是在该分割步骤过程中通过应用梯度处理的3D图像的一个实例；

图14是通过对来自图13的图像进行界限处理而获得的一种逆转的二进制图像的一个部分；

图15是通过膨胀和侵蚀的形态学操作从图14的图像部分获得的一个图像的一部分；

图16是根据图15的图像部分之内的多个区域的周长/面积比通过预选择而获得的一个图像的一部分，以保留用于产生统计数据；

图17是通过对图16的图像部分进行过滤而产生的一个图像的一部分，用于定位障碍区；

图18是从该分割步骤得出的最后图像，它被叠加到图6的原始图像上；

图19是实施2段TMP过程的一个典型的TMP木浆造纸厂的工艺流程图；

图20是在磨浆之前用来稳定木片品质的一个木片堆配料级；

图21a是使用磨浆过程的模拟模型的基本SEC优化结构示意性框图；

图21b是一个示意框图，它示出在开环控制配置中用来操作一个实际磨浆过程的基础性优化模拟模型；

图21c是一个示意框图，它示出用在一种预测方法中估算与品质相关的木浆特性的基础性模拟模型；

图22是一个示意框图，它示出能够将SEC最小化的木片磨浆优化与控制系统。

具体实施方案

木质纤维素原始物质的特性变化可以导致由此生产的木浆品质连同为了获得它而使用的能量的大的偏差。在TMP过程中，木片特性的变化引起被送入磨浆机中的这些木片的质量流速的变化。经验已显示，对于正常操作条件，影响制浆过程的干扰的30％可能是由这些变化引起的。参见图1的曲线图中所示出的实例，CSF表现出相对于CSF_平均＝135mL的±15mL的变化，而SEC表现出相对于SEC_平均＝2000kWh/t的±1500kWh/t的变化。如果SEC的变化可以被最小化，那么它将有可能生产出一种更高品质的木浆，即用相同磨浆能量消耗的CSF_平均＝145mL接近其上限(150mL)，或者有可能生产出带有相同的CSF_平均值(135mL)的一种木浆而消耗较少能量。通常，在这些磨浆机级，能量消耗不是仅取决于木片品质以及磨浆过程控制策略。能量消耗还取决于造纸厂的设计及其固有的过程约束。在给定的操作条件下，通常在就控制参数的变化减少而言的最佳性与过程可控制性之间要做出一种折衷。将一个受控制参数的变化最小化导致移动该操作点的可能性，从而达到一种更优化的操作。参见在图2的曲线图中示出的在涉及两个自由度(可控制参数)的磨浆过程的背景下可控制区域的实例，当标示为数字10区域之外时，被标示为12的一个选定的操作点必须在可控制范围内尽最大可能接近由多条限制曲线14所代表的一个或多个过程约束。该原理总体上必然引起可控制性的降低，因为由区域16代表的在外部干扰时为了稳定系统而用于操纵的最后边际区与由围绕当前操作点20的区域18所代表的用于操纵的当前边际区相比较相应地减小了。因此，如果一个造纸厂具有用来测量和控制木片品质变化的手段，则所需要的用于控制的边际区即被减少，并且这些操作条件能够以更大的安全性而安全地移动到更接近这些过程约束，因此变得更加优化。其结果是，这可能引起磨浆能量消耗的减少。

迄今为止，在磨浆机控制策略设计时，木片品质的变化仍被考虑作为外部干扰。所提出的方案考虑了木片特性与木浆品质之间的这些关系。为了做到这一点，木片特性可以使用多种现存的木片测量系统进行在线测量，如在美国专利号6,175,092B1中以及在美国专利号7,292,949B2中说明的木片管理系统(CMS)，连同以编号2006/0278353公开的、属于本受让人的共同未决的美国专利申请中说明的木片称重系统(CWS)，所有的上述专利文献的整个内容均通过引用结合在此，所有的上述系统均可从本受让人处获得。参见图3的示意框图，它示出了总体上标明为22的一个木片品质在线测量系统，该系统包括一个计算机单元23；由标明为24的CMS测量不同木片的表征特性，这些特性包括：亮度、表面水分含量、总体水分含量、树皮检测以及塑料检测；而标明为26的CWS提供了湿质量、皮带速度以及卸载螺杆位置数据。CMS 24、CWS 26以及木片体积传感器28(例如，在以上引用的以编号2006/0278353公开的美国申请中所说明的)的输出参数可以相结合以得到干质量、堆积密度、基本密度以及木材树种信息，如在框30中所指示的。在图4中示出了由这种体积传感器提供的一种典型的体积图示。对这类测量系统的已知应用的进一步的讨论可见编号为2004/0151361A1公开的美国专利申请中以及以下文件中：Ding等人的“Economizing the Bleaching Agent Consumption by ControllingWood Chip Brightness”，Control System 2002，Proceedings，June 3-5，Stockholm，Sweden，2002，pp.205-209；Ding等人的“Effects of some WoodChip Properties on Pulp Qualities”，89th Annual Meeting PAPTAC.Montreal，2003，pp.37；Bédard等人的“Amélioration de la gestion de la cour àbois par lacaractérisation en ligne des copeaux”，Congrès Francophone du Papier，

Frontenac，Québec，Canada，14-16 mai，2003，pp.11-15；Ding等人的“WoodChip Physical Quality Definition and Measurement”，Pulp&Paper Canada，2(2005)106，27-32；Ding等人的“Online wood chip quality measurement：Chipdensity and wood species variation”，IMPC 2005，June 7-9，Oslo，Norway，2005，pp.298-301；以及Ding等人的“Improvement and Prediction of Kraft PulpYield Using a Wood Chip Quality Online Measurement System(CMSE)”，Control Systems 2006，Proceedings，June 6-8，2006，Tampere，Finland，pp123-128。

可任选地，如在图3中表示为29的一个颗粒物质尺寸测量子系统(它使用了一个激光测距装置)可以被提供用于产生木片尺寸信息。现在参见图5至图18来更加详细地说明颗粒物质尺寸测量子系统29。应该理解，可在市场上买到的任何其他合适的确定木片尺寸的装置均可替代性地使用，例如，由B&D Manufacturing(Chelmsford，Ontario，Canada)提供的WipChip^TM，或者来自Iggesund Tools Inc.(Oldsmar，FL)的Scanchip^TM，通过进行适当的适配。所提出的颗粒物质尺寸测量子系统29以及相关联的测量方法使用了一种三维(3D)成像原理。参见图5，根据所示实施方案的子系统29包括一个轮廓测量单元111，该单元使用一个面阵照相机113来捕获由一个激光源17在颗粒物质119(在照相机113的视野114下移动)上投射的一个线性光束115的图像，物质119在所示的实例中在箭头123的方向上被传输到一台传送机121上，该视野114相对于由激光束115所限定的平面形成一个预定角度。一个针尖点激光源的线性阵列可以取代该线性激光源，并且还可以使用颗粒物质的静止质量表面的激光扫描。因为激光线125的所有的点形成在位于同一平面中的物质119的表面上，所以线125的每个点的高度是通过使用一个预先计算的查找表经过三角测量计算得到的，从而在被检查物质的表面上获得这些点参照标明为116的3D参考系统的X和Y坐标。该三角测量可以通过任何适当的方法来校准，如在加拿大公开的专利申请号CA 2,508,595中说明的一种方法。可替代地，如在加拿大专利号CA 2,237,640中所说明的，当相应地适配三角测量方法时，带有垂直于X-Y平面的视野的一种相机可以与成角度放置的一个激光源一起使用。可以将三角测量程序整合到相机113的内装数据处理器中或者整合到提供在子系统29上的计算机122的数据处理器中，该计算机122执行采集的原始图像数据并且用以下说明的方式来对其进行处理，这些图像被显示在监视器124上。在Z轴中的第三维是通过由相机113由于物质119的相对运动而产生的连续图像给出的。因此，获得了免除与被检查颗粒物质的色彩相关的信息的一个3D图像，例如，在图6中所示的原始图像，其中图像中的这些点的灰度级别不代表成像表面的色调，而是提供了一个高度指标(色调越清楚，则该点越高)。图7示出了原始图像(如图6中所示)的一个常规的3D图示。

根据所提出的方案，在成堆物质上通过3D图像分割处理所测量的这些尺寸分布以及由单独颗粒的分析所确定的实际分布之间存在着一对一的关系。这种关系从木片的一个样品(几百升)以实验方式得到确认，这些木片被筛分以产生五(5)个批次的呈现出不同尺寸特征(如由统计面积分布所表达)的木片。木片面积的实际分布是通过将这些木片在传送机上分开来测量的，其方式为它们可以如图8所示的方式被隔离开。每批木片取十(10)个图像使之能够获得可靠的统计数据，该数据是与约两千(2000)个木片的一个样品相关联。因为筛分是根据一个单一尺寸来分离木片，所以对于每个筛分的批次观察到一个高斯(标准)面积正态分布曲线，如在图9的曲线图上由曲线127和128(分别用于筛分到9.5mm(3/8英寸)和22mm(7/8英寸)的批次)所表现的。

一个好的分割算法必须在确定性地检测一个整个可见而没有重叠的木片的能力与在同一图像中分离最大数目的木片能力之间表现一种最佳的平衡，这样，可以在足够短的一段时间内获得所要求的统计数据。许多3D图像分割方法是技术出版物的主题，如由Pulli等人在《Range ImageSegmentation for 3-D Object Recognition》University of Pennsylvania-Department of Computer and Information Science，Technical Report No.MS-CIS-88-32，May 1988中，以及由Gachter在《Results on Range ImageSegmentation for Service Robots》Technical Report，Ecole PolytechniqueFédérale de Lausanne-Laboratoire de Système Autonomes，Version 2.1.1，sept.2005中所描述的那些。

图10的曲线图呈现了对于铺开的木片的实际分布的一条曲线128以及从被筛分到22mm(7/8英寸)的批次中的木片的3D图像分割(使用一种基本分割方法，该方法通过一种用C++编码并且由计算机22执行的程序来执行)中估算出的分布的曲线131。图11的曲线图呈现了铺开的木片的实际分布的曲线127以及由被筛分到9.5mm(3/8英寸)的批次中的木片的3D图像分割中估算出的分布的曲线133。从这些曲线图中可以观察到，通过分割获得的估算同样是一种高斯分布，但是平均值向最低值移动并且其散布更广(方差)。这种偏差一方面是可以由以下的事实解释，即成堆的颗粒的朝向被发现是随机的，因此总体上一方面减少了每个颗粒的估算面积，并且另一方面所使用的分割算法将具有过度分割的倾向，因此有利于产生低值。尽管存在这种偏差，至少对于一个高斯分布，显然在成堆的木片上与在铺开的木片上所测量的分布之间存在着一种一对一的关系。

一个特征为非高斯分布的木片样品是通过将来自筛分到9.5mm(3/8英寸)和22mm(7/8英寸)的批次的木片进行混合而产生的。图12的曲线图示出了通过一个铺开的木片的面积分布曲线135。该分布显示了两(2)个峰值136和136’，这两个峰值被与一个不存在的16mm(5/8英寸)组的木片相关联的局部最小值137所分隔。同一个曲线图的曲线139和139’分别示出了成堆木片的十(10)个以及二十(20)个图像集合分割之后估算出的面积分布。这里再一次，我们可以观察到平均值的移动以及多个峰值的散布，它们造成与两个批次的木片相关联的高斯分布的重叠。尽管如此，位于分布曲线139、139’的峰顶附近的屈折点141、141’的存在指出了这两个批次是互含的，它们各自的平均值是可以估算的。

所进行的这些实验已经证明了使用3D图像分析木片表面来估算成堆木片的面积分布的可靠性。这些估算用以产生可用于控制木浆生产过程的木片尺寸的数据被发现是足够准确的。这个结论是有效的，条件是位于被检查的木片堆顶部上的这些木片基本上对其作为一个整体是有代表性的，并且分割产生的偏差是尽可能恒定的。在颗粒的某些分离发生在运输线上的情况下，在测量子系统10的上游可以使用一种强迫均质化的装置。此外，为了在一定程度上通过完全相同的或等效的过程来产生这些颗粒，可以假设影响分割偏差的这些颗粒特征基本上是恒定的。尽管如此，在木片的情况下，因为有可能的是它们的形式在一定程度上随树种、生产场所的温度或者切割工具的磨损而变化，这些因素可能限制最后估算的准确性。高斯分布的伸展以及朝向平均面积测量的低值的偏差是可以通过应用在面积计算上的几何校正来减少，如在以下所说明的，通过一种3D回归平面计算的这种校正考虑了每个分割的颗粒的朝向。

在以下章节中，给出了图像处理与分析步骤的一种更详细的说明。

该分割步骤针对与不同颗粒的图像相关联的像素组的识别。在涉及木片的实例中，从一个3D图像(例如图6所示的)开始，一个第二图像是通过取出像素到像素计算的最大梯度的绝对值而产生的，考虑了八(8)个较近的毗邻像素。这些值被限制为一个预定的最大值，以获得一个梯度处理的图像，例如在图13中所呈现的。

然后，执行一个界限处理以产生一个逆转的、二进制图像，例如图14所示的图像部分。

接着进行膨胀和侵蚀的形态学操作来消除噪声，通过形成云来束缚分离的像素并且促进轮廓封闭、从而提供如图15中所示的一个图像。

从这些轮廓，进行用于保持统计数据的对区域的一个预先选择，如在图16中所示的图像所进行的，这是通过消除一些区域，而这些区域的轮廓相对于面积而言(周长/面积之比)是太长了而不能属于一个单一的木片。

然后，根据如图6所示的原始图像的行与列通过应用一个分步过滤器来搜索一个颗粒覆盖了另一个的那些障碍区。因此，获得了一个经过处理的图像(如图17所示)，其中已经检测到一个障碍的那些列与行由不同级别的灰度(例如，列：浅色，行：深色)来标明。然后，该程序计算出一个选择函数，该函数取决于该区域内的像素的总数以及障碍的比率。该函数使得能够进行与对应于突出的颗粒的图像区相关联的多组像素的选择，这是通过保持由轻微障碍(在面积百分比中)区分的这些大的颗粒同时消除具有主要隐藏部分的这些颗粒来进行的。图18是由分割步骤产生的一个最终图像，它被叠加在图6的原始图像上并且用灰色示出了这些突出的颗粒。

如以上所提到的，在统计数据汇编之前的最后的步骤包括计算几何校正以考虑这些木片的表面朝向。方便地，在对应于如图6所示的原始图像中的每个突出木片的点的基础上计算出一个回归平面。对于面积测量的校正是在如在图5中示出的回归平面的垂线与Y轴之间的角度的算术反余弦。

同样如以上所提到的，从检查成堆颗粒得到的估算分布可能包括一种统计性的偏差。就该偏差函数是固定的情况来说，对其补偿有可能从估算的分布中推断出实际的分布。通过确定N×N元素的一个正方形矩阵可以获得一种经验关系，这种关系将从检查成堆颗粒估算出的尺寸分布与构成被检查物质的木片的实际尺寸分布联系在一起，其中N是用于该分布的组的数目。通过考虑实际分布的每个组i根据一个幅值a_ji对所估算的分布的组j的贡献，获得了以下关系：

T_{j} = \underset{i}{Σ} a_{ji} D_{i} - - - (1)

其中T_j是用于组j的估算分布的一个标准化的值并且D_i是实际分布的第i个标准化的值。对于整个分布，获得了以下矩阵方程：

T＝AD (2)

其中T和D是包含被观察分布的列向量而A是有待确定的矩阵。最后，获得了：

D＝A^-1T (3)

因此，矩阵A的求逆使得能够获得从对成堆颗粒的检查估算出的分布与实际分布之间的关系。

木片特性与磨浆SEC之间的这些关系已经被识别出并用于在计算机上编程的一个模拟模型之中，以便从木片特性和磨浆机操作条件来预测木浆的品质。然后这些模拟结果被用来限定使木片混合物的密度稳定的一个策略，从而通过减少木片特性的变化来减少磨浆SEC，如随后将更详细地说明。用来获得针对一个给定木浆品质的木片特性与SEC之间的关系的方法包括执行木片品质、制浆过程以及木浆品质的评估。木片品质的评估基本上包括确定与木片品质相关的特性，它们包括木材树种、对于每个树种的基本密度和堆积密度、如由明亮度(亮度)表示的木片新鲜度、水分含量(表面、整体)以及尺寸的分布。在一个试验工厂进行了多次实验，以便发现木片特性对于磨浆能量的影响。

为了可应于用一个现有的制浆厂过程，重新建立了在一个典型的造纸厂中使用的操作条件，即一个2段的CTMP(化学机械TMP)制浆过程，如在图19中总体标明为32，该制浆过程包括：一个木片保持仓34，随后是一个木片预先处理级，该预先处理级利用一个木片箱36、洗涤器38以及带有任选的循环管线42的塞式螺杆滤水器40。该过程进一步包括一个第一磨浆段，用于通过管线49生产部分磨浆的木浆，该第一级利用了一个用磺化剂如亚硫酸钠(Na₂SO₃)加料的蒸发容器44、在47带有稀释液的一个主磨浆机46以及一个主旋流蒸汽分离器48。该过程还包括一个第二磨浆段，用于通过管线52生产完全匀制的木浆，该第二磨浆段利用在51带有稀释液的一个次磨浆机50、以及一个次旋流蒸汽分离器53。可以选择主和次磨浆机以便在大气或加压条件下操作，并且由旋流蒸汽分离器48和42产生的饱和蒸气可以经过管线54排空以便回收热量。该过程进一步利用了在58带有稀释液的一个消潜槽56，用于从匀制的木浆中去除潜态，并且离开消潜槽56的匀制的木浆可以经受品质测试，该测试利用在60的一个合适的测量系统，如木浆品质监视器(PQM)，它可从MetsoAutomation Canada Ltd(St-Laurent，Quebec，Canada)获得。该过程还可以包括一个木浆筛选级，该级在一个第一出口64处包括一个主筛屏62，被起接受的木浆可以离开并且经受进一步的品质测试，该测试利用在66的一个合适的测量系统，如同样可以从Metso Automation Canada Ltd.获得的Pulp Expert^TM。该筛选级可以进一步包括一个次筛屏68，该次筛屏接收由主筛屏62所拒绝的木浆并且配备有任选的循环管线69。

这些试验已经探究了对于木片特性(密度、尺寸、等等)的不同的实验值，这些试验在一个实际的、连续的造纸厂生产背景下是不能尝试的。根据某些加拿大造纸厂的经验，在表1中可见的这些范围中已经建议了木材树种的变化百分比。

表1

为了反映造纸厂实际树种范围，如在表2中说明的五(5)种木片混合物经受先导试验。

表2

该典型的混合物是用在被考虑的造纸厂中的最有代表性的一种，它反映了这些标准的操作条件。混合物2和3被用来分别验证存在的最多的和最少的云杉对于能量消耗的影响。混合物4和5提供了典型的混合物的仍具代表性比例的信息，但这些混合物具有更多或更少量的冷杉。

这些先导试验证明了树种和密度的影响，考虑到了每个树种的基本密度连同每种混合物的堆积密度是不同的。更具体地讲，测量了木材树种比例对于产生预定木浆品质(CSF)的SEC的影响。

先前的结果显示水分含量在木浆品质中也发挥一定作用，高比例的水分为所得到的纸赋予更好的耐受特性，如由Eriksen等人在“Consequencesof Chip quality for Process and Pulp Quality in TMP Production”，InternationalConference，Mechanical Pulping，Oslo，June(1981)中所讨论的。然而，虽然木片新鲜度是TMP处理中的另一个重要参数，如在确定漂白剂消耗中起到一种突出的作用，但是它对于磨浆能量的影响迄今为止还未被考虑。根据提出的方案，木片新鲜度以及水分含量对于木浆品质和SEC的影响是用实验确定的。为了做到这一点，木片从其自然状态被干燥至两个不同的水平。通过控制干燥速率使水分含量变化在36％至48％的范围内。如表3中所说明是正常的造纸厂操作的典型混合物，它包含了木材树种成分以及由亮度损失表示的老化测量数据。

表3

对于尺寸分布，它被证明用来获得CSF 500mL的木浆所需的SEC随着木片尺寸成比例地减少，如由Marton等人在“Energy Consumption inThermomechanical Pulping”，TAPPI，64-8，p.71(1981)中所报告的。然而，木片尺寸对用于被磨浆成小于500mL的CSF值的木浆的SEC没有影响。因此，较小的木片有助于减少SEC，但长度小于5mm的那些木片将产生具有较弱耐受特性的木浆。对于一个固定的SEC，通过在4与8mm之间的厚度将获得一种优异的木浆品质(纤维长度、粘附力)，如Hoekstra等人在“The Effects of Chip Size on Mechanical Pulp Properties and EnergyConsumption”，International Conference，Mechanical Pulping，Washington，June，1983中所传授的，或者通过在约16与22mm之间的长度。当厚度高于6mm或者当长度是约19mm时，对于固定的CSF所需要的SEC增加。为了验证实验误差的目的，最小的木片连同最大的木片类别进行了两次磨浆。在表4中给出如在先导试验中所使用的典型混合物的三(3)个批次的平均尺寸分布。为了这些试验的目的，每个尺寸类别的木片的相对含量分别被选择为形成一种中间的、可接受的尺寸批次以及两个不可接受的尺寸批次，分别包含小尺寸和大尺寸木片的过量成分。

表4

在特定木片特性与木浆品质之间的相关性是通过多个先导试验来确定和测试的，并且在表明最合适的木片特性(例如，用于生产可接受的品质的木浆同时使比能耗最小化的密度和尺寸分布)的具体或者趋势性数据的基础上被用于确定最佳操作策略。为了确认造纸厂最佳控制策略的目的，与体积传感器一起的CMS和CWS系统和确定木片尺寸的子系统被安装在造纸厂中，以提供在线的测量信息，这些信息允许获得在磨浆SEC与木片特性(即对于一个给定的木浆品质)中的需要之间的关系，以确立木片品质对于磨浆能量的影响。这些测量系统允许观察在这些试验(CSF、SEC、木片特性)时获得的多个平均值之间的相互关系，并且观察这些值(标准偏差)中的每一个对于这些值中的其他值的变化的影响。对于木材树种的不同比例以及不同的木片条件确定木片品质与木浆品质之间的关系是成功的，这样所发现的关系被认为是可靠的。

为了首先稳定木片品质，混合物的干燥堆积密度(干燥重量/湿木片体积)是在木片的送入级通过一个总体上表示为70的木片堆配料级控制的，该木片配料级包括：一个总体上标明为67的物质流量控制单元，现在将参见图20予以说明。可替代地，可以使用另一种木片特性(例如基本密度)，这取决于操作者的选择。完成这种控制的一个方法是在如以上引用的、以编号2006/0278353公开的美国专利申请中所说明的。在传送机79上的木片72的过程进入点处，提供了以上提到的木片品质在线测量系统22，用于执行这些经过的木片混合物的特性(即，亮度、暗度、重量和质量流量比、体积和体积流量比、密度、水分含量、树皮含量)的测量。螺杆速度控制器73-1至73-n通过各自的控制线路69-1至69-n被指定给这些树种木片送入螺杆74-1至74-n，在所示的实例中接收来自相应的堆75-1至75-n的木片。由操作者选择的受控制的木片特性(例如，干燥的堆积密度或者基本密度)的一个希望的设定值被给予测量系统22的计算机单元，该单元通过数据线71接收来自多个传感器(未示出)的速度测量值，这些传感器被安装在74-1至74-n的每一个螺杆上。在操作中，这些树种比例是由螺杆速度控制器73-1至73-n操纵的，使用通过线路77-1至77-n的对应的设定值来控制每个螺杆的速度，这样，从堆75-1至堆75-n的木片的生成混合物经过主要卸载螺杆74被排放在传送机79上，如由箭头76指出的，该主要卸载螺杆配备有速度传感器(未示出)并且通过控制线路69被连接到一个控制器73上，该控制器在通过数据线路71获得的速度测量值的基础上通过线路77接收来自测量系统22的计算机单元23的其设定值。无论何时当木片混合物特性值变得不可接受或者表现朝向不可接受值的趋势，由控制器73、73-1至73-n相应地执行螺杆速度的选择性调整，以稳定受控制的木片特性，由此提供更多或更少的必须的树种给所生成混合物。例如，如果根据这个树种所需要的值的设定值而使用太多的黑云杉，则相关联的控制器(例如，73-1)将通过减少对应的螺杆速度做出反应，以将存在的云杉带到一个正常的百分比。为了做到这一点，调整这些送料螺杆速度的设定值来通过混合新的混合物比例而倒转不可接受的趋势(例如，太高的密度)。然后经稳定的木片流动可以在经过箭头85的方向通过作为测量系统22的一部分的木片确定尺寸子系统29的传感区域经受尺寸测量。

一旦根据在先导试验中所发现的这些关系使这些木片品质值稳定到一个预定水平，则在工厂完成了所获得的木浆品质的预测。然后，将这些先导试验与工厂试验的结果进行比较，并且观察到在这些结果之间没有重大的偏差。

以上说明的测量系统22可以用作判定支持系统(DSS)，该系统能够通过对磨浆过程的一个预测控制来帮助操作者使SEC最小化。从这些测量结果中，并且同时通过以上说明的所施加的反馈控制，操作者们在这些木片达到放置于磨浆级上游的保持和预先加热保持仓之前可以注意到木片的特性的预测和趋势。以此方式，操作者们有时间采取必要的预防并且对这些过程参数(磨盘间隙、稀释液流速、木片传输螺杆速度)做出调整，以便抗衡由这些测量系统告知的这些木片特性所表现的任何不可接受的趋势。在先前讨论的关于堆积密度的实例的情况下，如果发现该特性的测量值太高，当这些木片刚好经过这些测量系统时该值被显示在操作者的磨浆线路监控站处。具有木片密度的以及由这些木片采取的趋势的实时信息，并且知道在未来的预定时间段(例如在15分钟内)，当这些被分析的木片被磨浆时，它们将具有测量的密度，操作者考虑被测量的密度值就能够处理这些过程参数以产生一种可接受品质的木浆。

在进入主磨浆机的木片的特性的基础上，考虑某些磨浆过程输入操作参数，如物质传输螺杆速度、稀释液流速、液体压力或者磨盘间隙、以及保持时间延迟，于是对工厂建立模型用于木浆品质预测和磨浆过程优化的目的。为了做到这一点，使用了来自Aurel Systems Inc.(Burnaby，BC，Canada)的CADSIM Plus ^TM模拟软件。可替代地，能够使用任何其他合适的模拟工具，例如来自Mathworks(Natick MA)的Simulink ^TM。现在参见图21a，示出了与木质纤维素颗粒物质磨浆过程(在计算机65的数据处理器上编程)的一个模拟模型78一起使用的一个基本SEC优化结构。模拟模型78是基于以上提到的多种关系，这些关系涉及表征被送到该过程的颗粒物质的多种物质特性(即水分含量、与密度相关的特性、与光反射相关的特性、颗粒物质尺寸)、这些磨浆过程输入操作参数以及至少一个磨浆过程输出参数(例如，CSF、主电动机负荷、SEC、能量分割、长纤维、细屑和碎片成分)。方便地，该模拟模型是一种静态模型，该静态模型建造有一个适当的建模平台(例如，神经网络、多变量线性模型、静态增益矩阵、模糊逻辑模型)。模拟模型78被优化，这是根据最小磨浆比能耗(SEC)的一个条件，并且根据一个或多个预定的过程约束，这些约束涉及物质特性、磨浆过程输入操作参数以及磨浆过程输出参数中的一个或多个，以此获得一个优化的磨浆过程模型。例如，该优化结构可以包括将多个约束应用到与品质相关的木浆特性上，例如，CSF(不包括：CSF_最小＜CSF＜CSF_最大)、长纤维、细屑以及碎片成分。根据这些最初木片特性以及多个磨浆过程输入操作参数，模拟模型78通过在80处的迭代找到了被更新的参数值，这些参数值提供最小比能同时满足特定的约束。

实际上，如图21b所示，在配备了用于该磨浆过程的最佳输入操作参数的情况下，实施了被优化的模拟模型78’的一部分或全部的计算机65可以在一个系统中用于在一个开环控制配置中操作一个实际磨浆过程。这包括木片特性和最佳过程操作参数对于磨浆能量的影响的一种考虑并受制于所希望的木浆品质约束。对该优化的磨浆过程模型78’送入代表物质特性的多个测量值的数据以及代表磨浆过程输出参数(例如与品质相关的木浆特性)的一个目标的数据，以估算这些输入过程操作参数中的至少一个的最佳值。这些估算的最佳操作参数是通过实际过程所使用的控制器来操纵的。

现在参见图21c，可以看到，实施了模拟模型78的一部分或全部的计算机65还可以被用在一个系统中，用于使用代表物质特性以及如测量的实际输入操作参数的数据预测至少一个磨浆过程输出参数(例如，与品质相关的木浆特性)的一个值。

如以上参见图2的曲线图中所提到的，磨浆过程的优化包括将这些操作条件从一个当前的或者标定的操作点移置到一个选择的、更佳的操作点上。然而，这种移置必须考虑由磨浆机控制系统提供的操纵边际区，以便在存在外部干扰时确保操作的稳定性。在TMP过程的具体情况下，磨浆能量消耗的优化取决于木片特性(外部干扰)、取决于使用的控制系统、以及取决于过程设计的固有的约束(例如，传输螺杆速度、磨浆机磨盘上的最大液体压力、等等)。按照定义来说，一个自由度是易于自由操纵的一个过程参数。因此，在总体优化的背景下，调整这些可供利用的自由度，从而使经济特性的一个参数或者最大化或者最小化。TMP磨浆过程典型地涉及一个限定数目的可供利用的自由度来执行能量优化，因为多数可操纵的参数已经被造纸厂控制系统使用了。当面对非线性的磨浆过程以及影响它的季节性干扰时，这些可供利用的、优化的自由度允许跨越这些控制系统的限度。

现在参见图22，这里示出了一个示意性框图，该框图代表一个木片磨浆优化和控制系统(总体上标明为82)，它能够根据加在受控制的输出参数y(例如，CSF、主电动机负荷)上、在未受控制的输出参数z(例如，SEC、能量分割、长纤维、细屑以及碎片成分)上的或者在操纵的输入参数(例如，传输螺杆速度、液体压力、稀释液流速、磨盘间隙以及保持时间延迟)上的预定约束使SEC最小化。图22中所示的木片磨浆优化与控制系统82基本上包括用一个预测模型84编程的计算机65，该预测模型的设计是根据表征有待控制的过程的这些具体参数，如磨浆机中的液体压力、磨浆机的电动机负荷、生产率、总的比能量、磨浆机内的浓度、磨浆机的稀释液流速、磨浆磨盘的磨损、等等。该预测模型84包括一个静态模型86，该静态模型可以建造在一个神经网络上、一个多变的线性模型(例如PLS(偏最小二乘法))、一个静态增益矩阵、一个模糊逻辑模型，或者在任何其他合适的建模平台上。该预测模型包括一个适配器88，用于通过周期性地更新静态模型86的这些特性(如箭头87指出)而将磨浆过程的非静态属性考虑在内。该预测模型84得到了验证，这是通过模拟木片传输线90、磨浆过程92以及出于的静态和动态操作模式中的控制单元94，如被一体化在计算机65中编程的一个模拟模块95中。

根据所提出的方案，用来优化磨浆能量的自由度根据它们在该磨浆操作中对应的作用被分为三类。第一类，基本类别，即最佳控制设定值Y_sp，包括多个磨浆目标以及用于与木浆品质相关的特性的目标，它们处于控制层级中的高层。在一个典型的TMP磨浆过程中，如通过一个木浆测试系统(例如，木浆品质监视器(PQM)或者来自MetsoAutomationCanada Ltd(St-Laurent，Quebec，Canada)的Pulp Expert^TM)获得的用于CFS的目标以及用于主磨浆机的电动机负荷的目标可以被用作最佳控制设定值y_sp。第二类别，即与所测量的干扰md相关联的木片的最佳的与品质相关的特性md_sp可以包括如由提供在木片堆配料级的测量系统22测量的用于基本密度或者干堆积密度的目标，连同用于其他与木片品质(例如，明亮度、水分含量、暗度、尺寸分布)相关的有用的测量参数的任何目标。后一类别的使用是任选的并且需要将木片送入螺杆74、74-1至74-n与用于所有木片堆的相关联的螺杆控制器73、73-1至73-n整合到这些优化计算中。否则的话，仅与品质相关的木片特性md由测量系统22经过数据线96被送到预测模型，并且可以执行一个独立的螺杆控制，如以上在图20中所说明的。第三类别，即最佳操纵参数u_sp，也是任选的并且包括操纵参数的额定值，这些值处于控制层级中的低层。在一个典型的TMP磨浆过程中，可以使用或者主磨浆机的传输螺杆速度、液体压力、稀释液流速、或者磺化流量比的额定值。方便地，调节这些过程参数的工厂控制单元94的串联实施的控制装置可以被修改以便通过任选的数据线路98将操纵的输入参数值u提供给预测模型适配器，以确保一种调节，该调节使用控制调节值Δu(经过数据线99使u＝u_sp+Δu)，如围绕这些最佳额定值由反馈数据线100所表示的。否则的话，执行这些优化计算就没有该第三类别的自由度。

更确切地说，该静态模型的这些输入基本上包括通过数据线102的Y_sp，如以下将更详细地说明，以及各自通过任选数据线104或107的任选地md_sp或者u_sp，并且适配器接收测量的木片性能md、经过数据线98的任选u值连同所生成的受控制的以及未受控的输出参数y和z，它们分别由计量器109和211在输出103和105处经过反馈数据线108和210测量。选择合适类型的计量器109和211，取决于受控制的参数(例如，CSF、主电动机负荷)或者未受控制的参数(例如，SEC、能量分割、长纤维、细屑和碎片成分)的性质。例如，瓦特计可以用来测量主电动机的负荷和能量分割，而PQM或者Pulp Expert^TM可以用来测量CSF连同长纤维、细屑和碎片成分。该预测模型的输出包括多个预测输出参数z(如箭头212指示)，相对于多个目标(例如，SEC、能量分割、长纤维、细屑和碎片成分)这些输出参数通常是未受控制的。计算机65通过优化器214被进一步编程，该优化器被设计在输入216处送入的强加在y、z或u上的预定约束、以及由箭头212指示的该预测模型上接收的多个预测的输出参数z的基础上将SEC最小化，以便更新Y_sp以及任选的u_sp与md_sp的值。Y_sp的更新值经过数据线102被送到静态模型86和造纸厂控制单元94，同时u_sp与md_sp的更新值经过任选数据线107被分别指向磨浆过程92并且经过线104指向螺杆控制器73、73-1至73-n，连同指向静态模型86。一旦获得一个成功的过程模拟，该模拟模块95可以由实际磨浆过程以及用于实际磨浆操作的造纸控制系统所替代。

方便地，该优化器根据一个预定的时间段Δt_opt执行其参数更新功能，考虑该磨浆过程的平均等待时间以及由造纸厂控制单元94所使用的木浆品质控制环的反应时间可以选择该时间段的值。该优化器的运行在初始时间t开始以获得的测量的干扰md，这些干扰被用来计算Y_sp和任选md_sp或u_sp的估算值，这些估算值为下一个时间段Δt_opt使一个预定函数f最小化，这样，min f＝SEC。因为在预测模型84的基础处的静态模型86可以从实际造纸厂操作数据中开发，这些数据覆盖可实际进行的操作条件的一个大的范围，造纸厂控制单元94通常能够根据当前时间段Δt_opt之内的这些预设目标使磨浆机操作稳定，并且在下一个时间t＝t+Δt_opt重复这些计算。

应该理解，即使根据本发明的方案在如以上说明的TMP或者CTMP过程的背景下已经得到应用，还考虑了用于分离木质纤维素颗粒物质的磨浆机或者类似的装置的其他应用，如用在机械制浆和半机械制浆过程中。

还考虑了将本发明应用到MDF或者HDF纤维板生产过程的磨浆段。在这类过程中，磨浆机被用来将木材物质粉碎成预定尺寸的纤维(纤维化或者纤维分离)，根据纤维板的目标密度，该木材物质可以包括木片、工厂废弃物质，例如木刨花、锯屑或者处理的木薄片(例如，OSB薄片)。例如，中密度纤维板(MDF)以及硬密度纤维板(HDF)典型地分别具有500至1450Kg/m³的密度值。在典型的MDF过程中，从磨浆机中流出的木浆(还被称作纤维毡)与蜡相混合以提供抗湿性并且与一种树脂混合以阻止结块。在干燥之后，该混合物被压制并且被切成板。而它们对应的在磨浆之后的步骤是不同的，纤维板制造与木浆和造纸过程操作的磨浆模式是类似的，并且如以上说明的这些系统和方法还可以用来提供一种更加成本有效的以及有效率的纤维板制造过程。

Claims

1.一种用于优化木质纤维素颗粒物质的磨浆过程的操作的方法，该磨浆过程使用控制单元(94)以及至少一个磨浆机段(92)，所述过程的特征为多个输入操作参数、由所述单元(94)参照对应的控制目标来控制的至少一个输出参数、以及至少一个未受控制的输出参数，所述方法包括以下步骤：

i)提供预测模型(84)，该预测模型包括用于所述磨浆过程的模拟模型(86)以及用于所述模拟模型的适配器(88)，所述模拟模型基于涉及多种物质特性的关系，这些物质特性表征了有待送入所述过程的木质纤维素物质、所述磨浆过程输入操作参数、所述受控制的输出参数以及所述未受控制的输出参数，以此产生所述未受控制的输出参数的预测值；

ii)将代表所述物质特性的测量值的数据以及代表所述受控制的以及未受控制的输出参数的测量值的数据送入该模拟模型适配器(88)，以便据此对所述模拟模型的这些关系进行适配；并且

iii)根据所述未受控制的输出参数的所述预计值上的预定条件并且根据与所述物质性能、所述磨浆过程输入操作参数以及所述磨浆过程输出参数中的一个或多个相关的一个或多个预定的过程的约束提供用于产生所述控制目标的最佳值的优化器(214)。

2.根据权利要求1所述的方法，其中所述木质纤维素颗粒物质选自以下组中：木片、木刨花、锯屑以及处理过的木薄片。

3.根据权利要求1所述的方法，其中所述未受控制的输出参数选自以下组中：比能耗、能量分割、长纤维、细屑以及碎片成分。

4.根据权利要求1所述的方法，其中所述未受控制的输出参数是比能耗，所述预定条件涉及所述磨浆的比能耗的最小化状态。

5.根据权利要求4所述的方法，其中所述输入操作参数中的至少一项是由所述磨浆过程控制单元参照对应的操作目标米操纵的，并且所述步骤ii)进一步包括将代表所述受操纵的输入操作参数的测量值的数据送入该模拟模型适配器(88)，所述优化器(214)根据所述预定条件以及所述预定过程约束中的一个或多个进一步产生所述操作目标的最佳值。

6.根据权利要求4所述的方法，其中由物质堆料配料级(70)为该物质磨浆过程送料，该配料级配备有物质流量控制单元(67)，该控制单元被用于参照针对所述物质特性之一的对应目标来操纵多个物质配料参数，该模拟模型所基于的所述关系进一步涉及所述物质配料参数，所述优化器(214)根据所述预定条件以及所述一个或多个预定的过程约束进一步产生所述物质特性目标的最佳值。

7.根据权利要求4所述的方法，其中所述物质特性包括水分含量。

8.根据权利要求7所述的方法，其中所述物质特性进一步包括至少一个与密度相关的特性。

9.根据权利要求8所述的方法，其中所述物质特性进一步包括至少一个与光反射相关的特性，该特性被表达为至少一个光学参数。

10.根据权利要求9所述的方法，其中所述光学参数是亮度。

11.根据权利要求9所述的方法，其中所述光学参数选自以下组中：色调、饱和度以及暗度指标。

12.根据权利要求9所述的方法，其中所述至少一个与光反射相关的物质特性被表达为多个光学参数，包括色调、饱和度以及亮度。

13.根据权利要求12所述的方法，其中所述多个光学参数进一步包括暗度指标。

14.根据权利要求8所述的方法，其中所述物质特性进一步包括颗粒物质的尺寸。

15.根据权利要求1所述的方法，其中所述模拟模型(86)是一种静态模型，该静态模型建造有建模平台，该平台选自以下组中：神经网络、多变量的线性模型、静态增益矩阵以及模糊逻辑模型。

16.根据权利要求1所述的方法，其中所述受控制的输出参数选自以下组中：主电动机负荷和木浆游离度。

17.根据权利要求1所述的方法，其中所述磨浆过程输入操作参数选自以下组中：物质传输螺杆速度、稀释液流速、液体压力、磨盘间隙以及保持时间延迟。

18.一种用于对木质纤维素磨浆过程的操作进行优化的系统(82)，该磨浆过程使用控制单元(94)以及至少一个磨浆机级(92)，所述过程的特征为多个输入操作参数、由所述单元(94)参照对应的控制目标来控制的至少一个输出参数、以及至少一个未受控制的输出参数，所述系统包括：

用于测量表征有待送到所述过程的木质纤维素物质的多种物质特性的装置(22)，以此产生物质特性数据；

用于测量所述受控制的以及未受控制的输出参数的装置(109，211)，以此产生输出参数数据；以及

实施预测模型的数据处理装置(65)，所述预测模型包括用于所述物质磨浆过程的模拟模型，该模拟模型基于多种关系，这些关系涉及所述多种物质特性、所述磨浆过程输入操作参数、所述受控制的输出参数以及所述未受控制的输出参数，以此产生所述未受控制的输出参数的预测值，所述数据处理装置(65)进一步实施适配器(88)，用于所述模拟模型(86)接收所述物质特性数据以及所述输出参数数据，以便因此适配所述模拟模型的这些关系，所述数据处理装置(65)进一步实施优化器(214)，该优化器用于根据所述未受控制的输出参数在所述预测值上的一个预定条件并且根据与所述物质特性、所述磨浆过程输入操作参数以及所述磨浆过程输出参数中的一个或多个相关的一个或多个预定过程约束来产生所述控制目标的最佳值。

19.根据权利要求18所述的系统，其中所述木质纤维素颗粒物质选自以下组中：木片、木刨花、锯屑以及经处理的木薄片。

20.根据权利要求18所述的系统，其中所述未受控制的输出参数选自以下组中：比能耗、能量分割、木浆游离度，长纤维、细屑和碎片成分。

21.根据权利要求18所述的系统，其中所述未受控制的输出参数是比能耗，所述预定条件涉及所述磨浆比能耗的最小化状态。

22.根据权利要求21所述的系统，其中所述输入操作参数中的至少一个是由所述磨浆过程控制单元(94)参照对应的操作目标来操纵的，并且所述步骤ii)进一步包括将代表所述受操纵的输入操作参数的测量值的数据送入该模拟模型适配器(88)，所述优化器根据所述预定条件以及所述预定过程约束中的一个或多个进一步产生所述操作目标的最佳值。

23.根据权利要求21所述的系统，其中由物质堆配料级(70)为该物质磨浆过程送料，该配料级配备有物质流量控制单元(67)，该控制单元被用来参照针对所述多种物质特性之一的对应目标来操作多个物质配料参数，该模拟模型所基于的所述关系进一步涉及所述物质配料参数，所述优化器(214)根据所述预定条件以及所述一个或多个预定过程约束进一步产生所述物质特性目标的最佳值。

24.根据权利要求21所述的系统，其中所述物质特性包括水分含量。

25.根据权利要求24所述的系统，其中所述物质特性进一步包括至少一个与密度相关的特性。

26.根据权利要求25所述的系统，其中所述物质特性进一步包括至少一个与光反射相关的特性，该特性被表达为至少一个光学参数。

27.根据权利要求26所述的系统，其中所述光学参数是亮度。

28.根据权利要求26所述的系统，其中所述光学参数选自以下组中：色调、饱和度以及暗度指标。

29.根据权利要求26所述的系统，其中所述至少一个与光反射相关的物质性能被表达为包括色调、饱和度以及亮度的多个光学参数。

30.根据权利要求29所述的系统，其中所述多个光学参数进一步包括暗度指标。

31.根据权利要求25所述的系统，其中所述物质特性进一步包括颗粒物质的尺寸。

32.根据权利要求18所述的系统，其中所述模拟模型是静态模型，该静态模型建造有一个建模平台，该平台选自以下组中：神经网络、多变量的线性模型、静态增益矩阵以及模糊逻辑模型。

33.根据权利要求18所述的系统，其中所述受控制的输出参数选自以下组中：主电动机负荷和木浆游离度。

34.根据权利要求18所述的方法，其中所述磨浆过程输入操作参数选自以下组中：物质传输螺杆速度、稀释液流速、液体压力、磨盘间隙以及保持时间延迟。