CN111241754B - 一种用于纸页干燥关键过程参数软测量方法 - Google Patents
一种用于纸页干燥关键过程参数软测量方法 Download PDFInfo
- Publication number
- CN111241754B CN111241754B CN202010051342.1A CN202010051342A CN111241754B CN 111241754 B CN111241754 B CN 111241754B CN 202010051342 A CN202010051342 A CN 202010051342A CN 111241754 B CN111241754 B CN 111241754B
- Authority
- CN
- China
- Prior art keywords
- model
- data
- paper
- unit
- drying
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manufacturing & Machinery (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Paper (AREA)
Abstract
本发明公开了一种用于纸页干燥关键过程参数软测量方法,包括以下步骤:S1.获取生产过程中纸机干燥部历史运行数据,并剔除异常值数据;S2.搭建纸页干燥机理模型,将S1得到的数据输入到机理模型进行各关键过程参数的模拟,并根据实际值计算各关键过程参数的机理模拟误差;S3.对S1得到的数据进行归一化处理,消除不同数据之间的量纲影响,并按比例将历史运行数据与机理模拟误差划分为训练集、验证集与测试集;S4.根据Ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型,并输入训练集与验证集数据进行模型的训练与正则化参数调优;解决了机理建模方法对干燥关键过程参数模拟精度低的问题。
Description
技术领域
本发明涉及纸页干燥关键过程参数软测量领域,特别是一种用于纸页干燥关键过程参数软测量方法。
背景技术
造纸机干燥部是一个涉及多物料蒸汽、空气、纸页等、多过程传热过程和传质过程相互耦合的复杂系统,复杂的机理以至于需要对其运行状态实行全面监控才能更好的帮助企业实现更高效的生产与管理。纸页干燥过程中,气罩排风湿度、气罩排风温度、干燥部高压蒸汽流量与低压蒸汽流量是生产操作者较为关心的几个关键参数,也是建立干燥部工艺操作参数优化模型需要精准模拟的几个变量。
建立纸页干燥过程的数学模型,达到在不同工艺操作参数组合下对干燥关键过程参数精准监控的效果,对建立干燥部工艺操作参数优化模型进而实现造纸过程的节能降耗具有重要意义。目前,关于纸页干燥关键过程的参数的模拟主要以机理模型为主,然而纸页干燥本质上是一个强非线性、时变性、多变量耦合的复杂动态参数分布过程且机理模型的性能过分依赖于模型参数的选择,难以满足工业应用对模型精度的要求,这也极大阻碍了干燥部工艺操作参数优化模型的研究。
发明内容
为解决现有技术中存在的问题,本发明提供了一种用于纸页干燥关键过程参数软测量方法,解决了机理建模方法对干燥关键过程参数模拟精度低的问题。
本发明采用的技术方案是,一种用于纸页干燥关键过程参数软测量方法,包括以下步骤:S1.获取生产过程中纸机干燥部历史运行数据,并剔除异常值数据;
S2.搭建纸页干燥机理模型,将步骤S1得到的数据输入到机理模型进行各关键过程参数的模拟,并根据实际值计算各关键过程参数的机理模拟误差;
S3.对步骤S1得到的数据进行归一化处理,消除不同数据之间的量纲影响,并按比例将历史运行数据与机理模拟误差划分为训练集、验证集与测试集;
S4.根据Ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型,并输入训练集与验证集数据进行模型的训练与正则化参数调优;
S5.整合机理+机理模拟误差补偿模型,对测试集数据进行干燥关键过程参数的软测量。
优选地,S1的包括以下子步骤:
S11.采集纸机干燥部历史运行数据,包括:烘缸压力DP,单位为MPa;纸机车速v,单位为m/min;产品克重m,单位为g/m2;卷取率CR,单位为%;湿部加热器后新风温度Tw,单位为℃;干部加热器后新风温度Td,单位为℃;湿部送风机频率fw,单位为Hz;干部送风机频率fd,单位为Hz;排风机频率fe,单位为Hz;
S12.为消除异常值对后续建模的影响,采用箱形图方法对异常数据进行剔除,箱形图提供了识别异常值的一个标准:异常值被定义为小于Q1-1.5IQR或大于Q3+1.5IQR的值,
其中,Q1为数据批的下四分位数,Q3为数据批的上四分位数,IQR为四分位距,即IQR=Q3-Q1。
优选地,S2的包括以下子步骤:
S21.根据纸页干燥动力学模型公式搭建纸页干燥机理模型,如下式所示:
其中,up为纸页的含水量,即单位质量绝干纤维所携带的水量,单位为kg水/kg绝干纤维;Tp为烘缸上各点纸页的温度,单位为℃;L为纸页在烘缸上经过的纵向距离,单位为m;K为纸页和空气之间的对流传质系数,单位为kg/(m2·s);G为纸页的绝干定量,即纸页定量与干度的乘积,单位为kg/m2;v为纸机车速,单位为m/s;Mw为水的摩尔质量,单位为kg/mol;Ptot,Pa,Pp分别为空气总压、空气中水蒸气分压与纸页表面的水蒸气分压,单位为Pa;hc-p为从烘缸内蒸汽到纸页的总传热系数,单位为W/(m2·℃);Tc为烘缸内蒸汽温度,单位为℃;hp-a为纸页和空气之间的对流传热系数,单位为W/(m2·℃);Ta为纸页所处环境空气的温度,单位为℃;Hv为纸页中水分的蒸发相变热,单位为kJ/kg;,ΔHs为纸页中水分的吸附热,单位为kJ/kg;Cf,Cw为纤维和水的比热,单位为kJ/(kg·℃);
S22.将步骤S1中得到的数据作为机理模型的输入,机理模型通过计算,输出每一组输入参数下气罩排风湿度He,单位为g/m3;气罩排风温度Te,单位为℃、干燥部高压蒸汽流量Fh,单位为t/h、干燥部低压蒸汽流量Fl,单位为t/h。
由机理模型得到的各关键参数的模拟误差计算公式为:
其中,yi为实际值,为机理模型模拟值。
优选地,S3包括以下子步骤:
S31.为消除不同数据之间的量纲影响,提升模型训练速度,需要对S1得到的数据进行归一化处理,归一化具体公式为:
其中,xi归一化前的样本数据,为归一化后的样本数据,xmax为样本数据的最大值,xmin为样本数据的最小值。
S32.将归一化处理后的数据与S2得到的机理模拟误差数据按60%、20%、20%的比例划分为训练集、验证集与测试集;
训练集用来训练模型内参数;验证集用于调整正则化参数,根据模型在验证集上的表现确定最优的正则化参数取值,同时用来监控模型是否发生过拟合;测试集用来评价模型泛化能力。
优选地,S4的包括以下子步骤:
S41.根据Ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型,Ridge模型如下式所示:
其中,n代表验证集样本数,yi代表样本实际值,β代表模型内参数,Xi代表模型输入特征,α代表正则化参数。
S42.输入训练集与验证集数据进行模型的训练与正则化参数的调优。根据模型在验证集上的损失函数来确定最优的α取值,如下式所示:
其中,errorp代表由机理模拟误差补偿模型预测得到的机理模拟误差,ym代表样本机理模拟值。
优选地,S5包括以下子步骤:
S51:获得测试集样本的输入,其输入包括:烘缸压力DP,单位为MPa;纸机车速v,单位为m/min;产品克重m,单位为g/m2;卷取率CR,单位为%;湿部加热器后新风温度Tw,单位为℃;干部加热器后新风温度Td,单位为℃;湿部送风机频率fw,单位为Hz;干部送风机频率fd,单位为Hz;排风机频率fe,单位为Hz;
S52:同时将所述待测样本预处理为模型输入变量,代入已整合好的模型中,通过模型的计算,获得当前测试样本下的气罩排风湿度、气罩排风温度、干燥部高压蒸汽流量、干燥部低压蒸汽流量。
本发明用于纸页干燥关键过程参数软测量方法有益效果如下:
1.本发明可以实现对纸页干燥关键过程参数高精度的软测量。
2.本发明采用机理+Ridge混合建模方法也将为干燥部工艺操作参数优化模型的研究提供有力支撑。
附图说明
图1为本发明用于纸页干燥关键过程参数软测量方法的方法流程图。
图2为本发明用于纸页干燥关键过程参数软测量方法的对测试集样本关于干燥关键过程参数软测量的效果对比图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1和图2所示,一种用于纸页干燥关键过程参数软测量方法,包括下述步骤:
S1.获取生产过程中纸机干燥部历史运行数据,并剔除异常值数据;
S2.搭建纸页干燥机理模型,将步骤S1数据输入到机理模型进行各关键过程参数的模拟,并根据实际值计算各关键过程参数的机理模拟误差;
S3.对S1数据进行归一化处理,消除不同数据之间的量纲影响,并按比例将历史运行数据与机理模拟误差划分为训练集、验证集与测试集;
S4.根据Ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型,并输入训练集与验证集数据进行模型的训练与正则化参数调优;
S5.整合机理+机理模拟误差补偿模型,对测试集数据进行干燥关键过程参数的软测量。
首先采集纸机干燥部运行数据,包括:烘缸压力DP,单位为MPa;纸机车速v,单位为m/min;产品克重m,单位为g/m2;卷取率CR,单位为%;湿部加热器后新风温度Tw,单位为℃;干部加热器后新风温度Td,单位为℃;湿部送风机频率fw,单位为Hz;干部送风机频率fd,单位为Hz;排风机频率fe,单位为Hz。为消除异常值对后续建模的影响,采用箱形图方法对异常数据进行剔除,箱形图提供了识别异常值的一个标准:异常值被定义为小于Q1-1.5IQR或大于Q3+1.5IQR的值。其中,Q1为数据批的下四分位数,Q3为数据批的上四分位数,IQR为四分位距,即IQR=Q3-Q1。
然后根据纸页干燥动力学模型公式搭建纸页干燥机理模型,如下式所示:
其中,up为纸页的含水量,即单位质量绝干纤维所携带的水量,单位为kg水/kg绝干纤维;Tp为烘缸上各点纸页的温度,单位为℃;L为纸页在烘缸上经过的纵向距离,单位为m;K为纸页和空气之间的对流传质系数,单位为kg/(m2·s);G为纸页的绝干定量,即纸页定量与干度的乘积,单位为kg/m2;v为纸机车速,单位为m/s;Mw为水的摩尔质量,单位为kg/mol;Ptot,Pa,Pp分别为空气总压、空气中水蒸气分压与纸页表面的水蒸气分压,单位为Pa;hc-p为从烘缸内蒸汽到纸页的总传热系数,单位为W/(m2·℃);Tc为烘缸内蒸汽温度,单位为℃;hp-a为纸页和空气之间的对流传热系数,单位为W/(m2·℃);Ta为纸页所处环境空气的温度,单位为℃;Hv为纸页中水分的蒸发相变热,单位为kJ/kg;,ΔHs为纸页中水分的吸附热,单位为kJ/kg;Cf,Cw为纤维和水的比热,单位为kJ/(kg·℃)。
将经过异常值处理的干燥部历史运行数据作为机理模型的输入,机理模型通过计算,输出每一组输入参数下气罩排风湿度He,单位为g/m3;气罩排风温度Te,单位为℃、干燥部高压蒸汽流量Fh,单位为t/h、干燥部低压蒸汽流量Fl,单位为t/h。由机理模型得到的各关键参数的模拟误差计算公式如下所示:
其中yi为实际值,为机理模型模拟值。
为消除不同数据之间的量纲影响,提升模型训练速度。需要对经过异常值处理的干燥部历史运行数据进行归一化处理,归一化公式如下:
其中xi归一化前的样本数据,为归一化后的样本数据,xmax为样本数据的最大值,xmin为样本数据的最小值。将归一化处理后的数据与机理模拟误差数据按60%、20%、20%的比例划分为训练集、验证集与测试集。训练集用来训练模型内参数;验证集用于调整正则化参数,根据模型在验证集上的表现确定最优的正则化参数取值,同时用来监控模型是否发生过拟合;测试集用来评价模型泛化能力。
然后根据Ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型,Ridge模型如下式所示:
其中,n代表验证集样本数,yi代表样本实际值,β代表模型内参数,Xi代表模型输入特征,α代表正则化参数。
输入训练集与验证集数据进行模型的训练与正则化参数的调优。根据模型在验证集上的损失函数来确定最优的α取值,如下式所示:
其中,errorp代表由机理模拟误差补偿模型预测得到的机理模拟误差,ym代表样本机理模拟值。
获得测试集样本的输入,包括::烘缸压力DP,单位为MPa;纸机车速v,单位为m/min;产品克重m,单位为g/m2;卷取率CR,单位为%;湿部加热器后新风温度Tw,单位为℃;干部加热器后新风温度Td,单位为℃;湿部送风机频率fw,单位为Hz;干部送风机频率fd,单位为Hz;排风机频率fe,单位为Hz。并将所述待测样本预处理为模型输入变量,代入已整合好的模型中,通过模型的计算,就可以获得当前测试样本下的气罩排风湿度、气罩排风温度、干燥部高压蒸汽流量、干燥部低压蒸汽流量。
选取MRE(Mean Relative Error,平均相对误差)作为模型性能衡量指标。如表1所示,两个模型关于干燥关键过程参数模拟的MRE(平均相对误差),计算公式如下式所示:
表1
Claims (1)
1.一种用于纸页干燥关键过程参数软测量方法,其特征在于,包括以下步骤:
S1.获取生产过程中纸机干燥部历史运行数据,并剔除异常值数据;
S2.搭建纸页干燥机理模型,将S1得到的数据输入到机理模型进行各关键过程参数的模拟,并根据实际值计算各关键过程参数的机理模拟误差;
S3.对S1得到的数据进行归一化处理,消除不同数据之间的量纲影响,并按比例将历史运行数据与机理模拟误差划分为训练集、验证集与测试集;
S4.根据Ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型,并输入训练集与验证集数据进行模型的训练与正则化参数调优;
S5.整合机理+机理模拟误差补偿模型,对测试集数据进行干燥关键过程参数的软测量;
所述S1的包括以下子步骤:
S11.采集纸机干燥部运行数据处理,包括:烘缸压力DP/MPa,纸机车速v/(m*min-1),产品克重m/(g*cm-2),卷取率CR/%,湿部加热器后新风温度Tw/℃,干部加热器后新风温度Td/℃,湿部送风机频率fw/Hz,干部送风机频率fd/Hz,排风机频率fe/Hz;
S12.为消除异常值对后续建模的影响,采用箱形图方法对异常数据进行剔除,箱形图提供了识别异常值的一个标准:异常值被定义为小于Q1-1.5IQR或大于Q3+1.5IQR的值;
其中,Q1为数据批的下四分位数,Q3为数据批的上四分位数,IQR为四分位距,即IQR=Q3-Q1;
所述S2的包括以下子步骤:
S21.根据纸页干燥动力学模型公式搭建纸页干燥机理模型,如下式所示:
其中,up为纸页的含水量,即单位质量绝干纤维所携带的水量,kg水/kg绝干纤维;Tp为烘缸上各点纸页的温度,单位为℃;L为纸页在烘缸上经过的纵向距离,单位为m;K为纸页和空气之间的对流传质系数,单位为kg/(m2·s);G为纸页的绝干定量,即纸页定量与干度的乘积,单位为kg/m2;v为纸机车速,单位为m/s;Pp为纸页表面水蒸汽质量分数;Pa为纸页所处环境空气中的水蒸质量分数;hc-p为从烘缸内蒸汽到纸页的总传热系数,单位为W/(m2·℃);Tc为烘缸内蒸汽温度,单位为℃;hp-a为纸页和空气之间的对流传热系数单位为,W/(m2·℃);Ta为纸页所处环境空气的温度,单位为℃;Hv为纸页中的水分的蒸发相变热,ΔHs为纸页中的水分的吸附热,kJ/kg;Cf为纤维,Cw为水的比热,kJ/(kg·℃);
S22.将步骤S1中得到的数据作为机理模型的输入,机理模型通过计算,输出每一组输入参数下气罩排风湿度He/(g*m-3)、气罩排风温度Te/℃、干燥部高压蒸汽流量Fh/(t*h-1)、干燥部低压蒸汽流量Fl/(t*h-1);
由机理模型得到的各关键参数的模拟误差计算公式为:
其中,yi为实际值,为机理模型模拟值;
所述S3包括以下子步骤:
S31.为消除不同数据之间的量纲影响,提升模型训练速度,需要对S1得到的数据进行归一化处理,归一化具体公式为:
其中,xi归一化前的样本数据,为归一化后的样本数据,xmax为样本数据的最大值,xmin为样本数据的最小值;
S32.将归一化处理后的数据与S2得到的机理模拟误差数据按60%、20%、20%的比例划分为训练集、验证集与测试集;
训练集用来训练模型内参数;验证集用于调整正则化参数,根据模型在验证集上的表现确定最优的正则化参数取值,同时用来监控模型是否发生过拟合;测试集用来评价模型泛化能力;
所述S4的包括以下子步骤:
S41.根据Ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型,Ridge模型如下式所示:
其中,n代表验证集样本数,yi代表样本实际值,β代表模型内参数,Xi代表模型输入特征,α代表正则化参数;
S42.输入训练集与验证集数据进行模型的训练与正则化参数的调优,根据模型在验证集上的损失函数来确定最优的α取值,如下式所示:
其中,errorp代表由机理模拟误差补偿模型预测得到的机理模拟误差,ym代表样本机理模拟值;
所述S5包括以下子步骤:
S51:获得测试集样本的输入,其输入包括:烘缸压力,单位为DO/MPa,纸机车速单位为v/(m*min-1),产品克重单位为m/(g*cm-2),卷取率单位为CR/%,湿部加热器后新风温度单位为Tw/℃,干部加热器后新风温度单位为Td/℃,湿部送风机频率单位为fw/Hz,干部送风机频率单位为fd/Hz,排风机频率单位为fe/Hz;
S52:同时将所述待测样本预处理为模型输入变量,代入已整合好的模型中,通过模型的计算,获得当前测试样本下的气罩排风湿度、气罩排风温度、干燥部高压蒸汽流量、干燥部低压蒸汽流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010051342.1A CN111241754B (zh) | 2020-01-17 | 2020-01-17 | 一种用于纸页干燥关键过程参数软测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010051342.1A CN111241754B (zh) | 2020-01-17 | 2020-01-17 | 一种用于纸页干燥关键过程参数软测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111241754A CN111241754A (zh) | 2020-06-05 |
CN111241754B true CN111241754B (zh) | 2023-08-11 |
Family
ID=70866217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010051342.1A Active CN111241754B (zh) | 2020-01-17 | 2020-01-17 | 一种用于纸页干燥关键过程参数软测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111241754B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111893791A (zh) * | 2020-07-17 | 2020-11-06 | 广州博依特智能信息科技有限公司 | 基于智能算法的生活用纸造纸机干燥部运行优化方法 |
CN116242899B (zh) * | 2022-09-05 | 2023-08-15 | 广东中拓华盛信息科技有限公司 | 一种基于机器学习校准电极法水质检测结果的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0946820B1 (de) * | 1996-12-20 | 2002-03-13 | Siemens Aktiengesellschaft | Verfahren und vorrichtung zur prozessführung bei der herstellung von papier |
CN101792981A (zh) * | 2010-03-23 | 2010-08-04 | 华南理工大学 | 一种造纸机干燥部能量系统优化控制系统 |
WO2010099994A2 (de) * | 2009-03-04 | 2010-09-10 | Siemens Aktiengesellschaft | Steuerung der erweiterten trockenpartie einer papiermaschine |
CN109577064A (zh) * | 2018-12-14 | 2019-04-05 | 华南理工大学 | 用于卫生纸机干燥部能耗与蒸发量预测的机理建模方法 |
-
2020
- 2020-01-17 CN CN202010051342.1A patent/CN111241754B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0946820B1 (de) * | 1996-12-20 | 2002-03-13 | Siemens Aktiengesellschaft | Verfahren und vorrichtung zur prozessführung bei der herstellung von papier |
WO2010099994A2 (de) * | 2009-03-04 | 2010-09-10 | Siemens Aktiengesellschaft | Steuerung der erweiterten trockenpartie einer papiermaschine |
CN101792981A (zh) * | 2010-03-23 | 2010-08-04 | 华南理工大学 | 一种造纸机干燥部能量系统优化控制系统 |
CN109577064A (zh) * | 2018-12-14 | 2019-04-05 | 华南理工大学 | 用于卫生纸机干燥部能耗与蒸发量预测的机理建模方法 |
Non-Patent Citations (1)
Title |
---|
王坎 ; 李太福 ; 辜小花 ; 苏盈盈 ; 刘媛媛 ; 姚立忠 ; .基于误差补偿模型的工艺参数优化研究.控制工程.2015,(02),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111241754A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111241754B (zh) | 一种用于纸页干燥关键过程参数软测量方法 | |
CN111045326B (zh) | 一种基于递归神经网络的烘丝过程水分预测控制方法及系统 | |
CN111400832B (zh) | 用于卫生纸机干燥部关键运行参数预测的混合建模方法 | |
CN109577064B (zh) | 用于卫生纸机干燥部能耗与蒸发量预测的机理建模方法 | |
CN110286660B (zh) | 一种基于叶丝升温过程调控干燥过程叶丝加工强度的方法 | |
WO2020098261A1 (zh) | 一种控制烘丝入口含水率的方法和系统 | |
CN109259291A (zh) | 用于预测烟丝在滚筒烘丝机内热质传递规律的数值方法 | |
CN110794782A (zh) | 基于jy-mkpls的间歇工业过程在线质量预测方法 | |
CN110262419B (zh) | 一种基于叶丝水分蒸发焓调控滚筒干燥叶丝加工强度的方法 | |
CN203314089U (zh) | 一种基于排潮湿度的叶丝滚筒干燥出口水分控制系统 | |
CN105595391A (zh) | 一种关于ctd气流式烘丝机的先进控制方法 | |
CN111893791A (zh) | 基于智能算法的生活用纸造纸机干燥部运行优化方法 | |
CN110286659B (zh) | 一种调控滚筒干燥过程叶丝加工强度的方法 | |
CN113566557A (zh) | 一种基于深度神经网络的粮食干燥机智能控制方法 | |
Devi et al. | Paper quality enhancement and model prediction using machine learning techniques | |
CN111728253B (zh) | 一种烟草气流干燥强度的控制方法及系统 | |
CN109211311B (zh) | 一种基于不同生产线加工的烟草烘丝工序质量一致性评价方法 | |
CN111578690A (zh) | 基于隐马尔科夫模型与粒子群优化的木材含水率控制方法 | |
CN116382357A (zh) | 一种基于等百分比流量特性模型的加水流量控制方法 | |
CN112471572B (zh) | 烟草隧道式增温设备加工强度一致性的控制方法及系统 | |
Wang et al. | Rotary drying process modeling and online compensation | |
CN101118445B (zh) | 温湿度检定箱温度控制方法及结构 | |
Yuan et al. | Soft sensor for apparent degree of calcination in NSP cement production line | |
CN112900136A (zh) | 造纸机烘缸关键工艺参数的一种在线监测方法 | |
CN110558598B (zh) | 基于数据驱动的烟草烘丝干头过程fnn-arx建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |