CN111967180A - 造纸纤维特性对成纸力学性能影响程度的定量分析方法 - Google Patents
造纸纤维特性对成纸力学性能影响程度的定量分析方法 Download PDFInfo
- Publication number
- CN111967180A CN111967180A CN202010629638.7A CN202010629638A CN111967180A CN 111967180 A CN111967180 A CN 111967180A CN 202010629638 A CN202010629638 A CN 202010629638A CN 111967180 A CN111967180 A CN 111967180A
- Authority
- CN
- China
- Prior art keywords
- papermaking
- paper
- fiber
- data
- parameters
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Paper (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种造纸纤维特性对成纸力学性能影响程度的定量分析方法,步骤如下:获取建模、分析所需的多种类造纸纤维特性参数、成纸抄造工艺参数及成纸力学性能参数;使用反向传播神经网络(BPNN)建立造纸纤维特性与成纸力学性能间的关系统计模型,并逐个分析造纸纤维特性对成纸力学性能影响的关系趋势;基于灰关联分析法定量分析造纸纤维特性对成纸力学性能的影响程度。该方法简便易行,具有建模、分析过程简单的特点,针对目前关于造纸纤维特性与成纸力学性能间仅有的定性关系认识,提出了两者之间关系的定量分析方法,揭示了造纸纤维特性对成纸力学性能影响的量化结果,对制浆造纸行业的生产、研究工作将具有重要的指导作用。
Description
技术领域
本发明涉及制浆造纸、机器学习和统计分析技术领域,具体涉及一种造纸纤维特性对成纸力学性能影响程度的定量分析方法。
背景技术
在制浆造纸领域,成纸的力学性能主要依赖于其原材料,即纤维的特性。然而,由于造纸纤维的特性较多,不同特性之间存在相互影响,并且成纸力学性能往往由多个造纸纤维特性及抄造工艺共同决定,所以较难定量分析得出不同造纸纤维特性对成纸力学性能的影响程度。
在当前造纸领域的生产和研究中,为了更好理解及预测造纸纤维特性与成纸力学性能间的关系,通常的做法是基于实验数据进行回归分析。其中,对于少量规律性较强的关系可以总结出经验公式模型,例如用于计算成纸抗张强度的Page模型。但是,利用回归分析及建立经验公式模型的方法仍然难以定量分析出不同造纸纤维特性对成纸力学性能的影响程度,从而对该行业的生产和科研造成一定的不确定性。
发明内容
本发明的目的在于弥补现有技术对单个造纸纤维特性与成纸力学性能间关系及趋势定量分析研究的不足,提供一种造纸纤维特性对成纸力学性能影响程度的定量分析方法,通过使用实验数据和反向传播神经网络建立单个造纸纤维特性与成纸力学性能间的关系趋势模型,再利用灰关联分析法定量分析单个造纸纤维特性对成纸力学性能的影响程度,从而为生产、研究提供更明确的技术指导依据。
本发明的目的可以通过采取如下技术方案达到:
一种造纸纤维特性对成纸力学性能影响程度的定量分析方法,所述的定量分析方法包括下列步骤:
S1、获取不同造纸纤维特性参数、成纸抄造工艺参数及成纸力学性能参数的实验数据值。其中,所述的造纸纤维特性参数包括:纤维长度、纤维直径、纤维壁厚、纤维粗度、纤维柔软度和纤维强度指数;所述的成纸抄造工艺参数包括纸浆打浆度;所述的成纸力学性能参数包括抗张强度、撕裂度和耐破度。上述参数均可使用实验测量或计算的方式获得。另外,为了便于描述,定义NF代表被考虑的造纸纤维特性参数个数;NT代表被考虑的成纸抄造工艺参数个数;NP代表被考虑的成纸力学性能参数个数;
S2、基于S1中获得的实验数据值及反向传播神经网络建立造纸纤维特性与成纸力学性能间的关系统计模型,并基于该关系统计模型生成造纸纤维特性与成纸力学性能间的关系趋势数据,再基于所述的关系趋势数据绘制关系趋势图,并分析造纸纤维特性与成纸力学性能间的关系;
S3、基于灰关联分析法定量分析造纸纤维特性对成纸力学性能的影响
基于灰关联分析法分析造纸纤维特性对成纸力学性能的影响,过程如下:使用步骤S2中得到的造纸纤维特性与成纸力学性能间的关系趋势数据作为灰关联分析法的分析数据;确定分析数据中的参考数列为成纸力学性能参数,确定比较数列为造纸纤维特性参数;将所有分析数据进行无量纲化处理;求解每一个造纸纤维特性参数的分析数据相对于每一个成纸力学性能参数的灰色关联系数;求解每一个造纸纤维特性参数相对于每一个成纸力学性能参数的灰色关联度;最终根据灰色关联度的大小进行排序,并定量分析不同造纸纤维特性对成纸力学性能的影响程度。
进一步地,所述的步骤S1包含如下步骤:
S11、造纸纤维的选取及实验准备,其中,造纸纤维的选取原则包括:选取当前制浆造纸行业中常用的造纸纤维材料类型;选取的不同类型造纸纤维材料需要有明显的特性差异;选取的造纸纤维材料类型需要容易获得;
对已获取的造纸纤维材料进行筛分处理,过程如下:将造纸纤维稀释成浓度为0.2%的纸浆;将纸浆缓缓倒入纤维筛分仪中,纤维筛分仪会自动根据造纸纤维的纤维长度和纤维宽度特性将造纸纤维筛分为多个不同大小的尺寸等级;
S12、获取不同造纸纤维特性参数,其中,纤维长度、纤维直径和纤维粗度实验数据通过纤维分析仪测量得到;纤维壁厚实验数据通过显微镜将造纸纤维放大后直接测量得到;纤维柔软度实验数据基于横向负载梁弯曲实验及材料力学中的挠曲线方程计算得到;纤维强度指数实验数据的获取方法基于Cildir提出的理论,即造纸纤维强度指数是对应成纸零距抗张强度的倍,通过测量对应成纸零距抗张强度后计算获得;
S13、获取成纸抄造工艺参数,其中,纸浆打浆度实验数据的获取方法如下:获取在步骤S11中得到的被筛分造纸纤维,并稀释成浓度为10%的纸浆;将纸浆平分为5组,分别放入磨浆机,对每组纸浆设置不同的磨浆转数,从而获得不同打浆度的纸浆;使用肖伯尔打浆度测试仪分别测量不同分组纸浆的纸浆打浆度实验数据值;
S14、获取成纸力学性能参数,其中,成纸的抗张强度、撕裂度和耐破度实验数据分别使用成纸抗张强度测量仪、成纸撕裂度测量仪、成纸耐破度测量仪进行测量获得。
进一步地,所述的步骤S2包含如下步骤:
S21、将每张成纸抄造及成纸力学性能测量过程中所使用到的造纸纤维特性参数实验数据、成纸抄造工艺参数实验数据及最终成纸力学性能参数实验数据组合为一组实验数据,通过步骤S1所获得的实验数据总共有N组,然后将这N组数据按6:2:2的比例分为训练数据集Strain、验证数据集Sverify和测试数据集Stest三个部分;
S22、归一化所有实验数据,使用式(1)归一化步骤S1中所获得的N组实验数据,公式如下:
上式中,Pi为本实施例中被考虑的某一参数类型,1≤i≤NF+NT+NF;当1≤i≤NF时,Pi代表第i个被考虑的造纸纤维特性参数;当NF+1≤i≤NF+NT时,Pi代表第i-NF个被考虑的成纸抄造工艺参数;当NF+NT+1≤i≤NF+NT+NP时,Pi代表第i-(NF+NT)个被考虑的成纸力学性能参数,Pi(j)和Pi′(j)分别代表参数类型Pi在第j组实验数据中归一化前、后的值;和分别代表参数类型Pi在所有实验数据中的最小及最大值,其中,1≤j≤N;
S23、造纸纤维特性与成纸力学性能间关系统计模型的结构建立,使用反向传播神经网络建立造纸纤维特性与成纸力学性能间关系统计模型,该关系统计模型包括依次顺序连接的输入层、隐藏层和输出层,输入层位于该关系统计模型最前端,用于输入造纸纤维特性参数和成纸抄造工艺参数的归一化实验数据值,输入层的节点数与被考虑的造纸纤维特性参数和被考虑的成纸抄造工艺参数个数之和相同,即输入层节点个数为NX=NF+NT;隐藏层为该关系统计模型的中间层,该中间层为单层或多层,用于对输入层输入的归一化实验数据值进行非线性映射处理,输出层位于该关系统计模型的最后端,用于输出成纸力学性能参数的归一化预测值,输出层的节点数与被考虑的成纸力学性能参数个数一致,即输出层节点个数为NY=NP;其中,所述的关系统计模型中,所有层间的连接使用层级连接方法,即前一层所有节点均与后一层所有节点进行连接;
S24、造纸纤维特性与成纸力学性能间关系统计模型的训练和验证,使用训练数据集Strain和验证数据集Sverify对关系统计模型进行训练和验证,训练结果和验证结果的评价标准为平均相对误差(Mean Relative Error,MRE),MRE值的定义如式(2)所示:
通过使用式(2)对造纸纤维特性与成纸力学性能间关系统计模型的训练及验证结果进行评价后,若MRE值小于预设阈值(其中预设阈值定义为10%),则继续进行后续步骤,否则需要调整所述的关系统计模型中隐藏层层数或隐藏层节点数,以使MRE值小于预设阈值;
S25、造纸纤维特性与成纸力学性能间关系统计模型的测试;
使用测试数据集Stest对所述的关系统计模型进行测试,如果该测试结果得到的MRE值大于预设阈值(其中预设阈值定义为10%),则通过步骤S21重新随机定义训练数据集Strain、验证数据集Sverify和测试数据集Stest,再使用新数据集重新执行步骤S24和S25,直到所述的关系统计模型测试结果的MRE值小于预设阈值;
S26、获得造纸纤维特性与成纸力学性能间的关系趋势,使用步骤S23-步骤S25建立造纸纤维特性与成纸力学性能关系统计模型,获得造纸纤维特性与成纸力学性能间的关系趋势,过程如下:逐个选取被考虑的造纸纤维特性参数作为目标造纸纤维特性参数,并将其余非目标造纸纤维特性参数和成纸抄造工艺参数设定为[0,1]范围内的固定数据值。为了得到目标造纸纤维特性与成纸力学性能间的关系趋势,需要将所选定的造纸纤维特性参数在取值范围[0,1]内分别取K个不同的数据值(通常采用等分取值),再将这K个数据值分别与其余非目标造纸纤维特性参数及成纸抄造工艺参数的固定数据值组合为一组数据。将该组数据中的造纸纤维特性参数及成纸抄造工艺参数的数据值输入到造纸纤维特性与成纸力学性能间关系统计模型中,通过该关系统计模型计算得到对应成纸力学性能参数的预测值。在得到目标造纸纤维特性参数的K个值所对应的成纸力学性能参数的K个预测值后,可以组成造纸纤维特性参数与成纸力学性能参数间关系趋势数据,并绘制出造纸纤维特性与成纸力学性能间关系趋势图。需要注意的是,通过造纸纤维特性与成纸力学性能间关系统计模型获得的成纸力学性能参数预测值为归一化值,所以需要通过式(1)中对归一化前、后参数值的关系定义,将归一化后的成纸力学性能参数预测值转化为归一化前的对应值,并使用归一化前的对应值建立关系趋势数据并绘制关系趋势图,以便进行后续分析处理。
进一步地,所述的步骤S3过程如下:
S31、确定参考数列和比较数列,其中,参考数列为因变量,比较数列为自变量,定义步骤S26获得的造纸纤维特性与成纸力学性能间的关系趋势数据,共有M组,作为灰关联分析的分析数据,并确认包括抗张强度、撕裂度和耐破度在内的成纸力学性能参数为参考数列,包括纤维长度、纤维直径、纤维壁厚、纤维粗度、纤维柔软度、纤维强度指数在内的造纸纤维特性参数为对比数列,列出灰关联分析中参考数列和比较数列如式(3)所示:
上式中,Yp(k)和Xq(k)分别表示第p个被考虑的成纸力学性能参数和第q个被考虑的造纸纤维特性参数在第k组分析数据中的值,其中,1≤p≤NP,1≤q≤NF,1≤k≤M,式(3)中每一列参考数列代表一个成纸力学性能参数,每一列比较数列代表一个造纸纤维特性参数,第k行参考数列和对应第k行对比数列共同组成一组分析数据;
S32、对灰关联分析的分析数据进行无量纲化处理,使用式(4)对灰关联分析的分析数据进行无量纲化处理:
上式中,Yp′(k)和Xq′(k)分别代表Yp(k)和Xq(k)无量纲化计算后的值,Yp(1)和Xq(1)分别代表第p个被考虑的成纸力学性能和第q个被考虑的造纸纤维特性参数在第1组分析数据中的值;
其中:
上式中,Δ(min)和Δ(max)分别代表对比数列中所有的值相对于参考数列中第p列的值的二级最小、最大差值,即二维数据中的最大、最小差值,表达式见式(5),ρ为灰关联分析法中定义的分辨系数,根据经验取0.5可以得到最好的分析结果;
S34、求解造纸纤维特性参数对于成纸力学性能参数的灰色关联度,通过步骤S33计算得到第q个造纸纤维特性参数在所有分析数据中的值相对于第p个成纸力学性能参数的灰色关联系数后,使用求平均的方式计算第q个造纸纤维特性参数相对于第p个成纸力学性能参数的灰色关联度如式(6)所示:
S35、灰色关联度排序及分析,基于步骤S34求得的每一个造纸纤维特性参数相对于每一个成纸力学性能参数的灰色关联度,对灰色关联度大小进行对比排序,并可基于灰色关联度,定量分析不同造纸纤维特性对不同成纸力学性能的影响程度。
本发明相对于现有技术具有如下的优点及效果:
本发明提出了一种造纸纤维特性对成纸力学性能影响程度的定量分析方法,相比于现有分析造纸纤维特性与成纸力学性能间关系的定性分析方法,该定量分析方法能更有效的为制浆造纸行业提供清晰明确的指导作用。该定量分析方法首先通过常规实验手段,使用多种特性差异较大的造纸纤维材料进行实验并测量其实验数据,再使用反向传播神经网络建立造纸纤维特性与成纸力学性能间的关系统计模型。通过该关系统计模型,即能用于分析造纸纤维特性与成纸力学性能间的关系趋势,又能扩充后续分析造纸纤维特性与成纸力学性能间关系的分析数据,弥补了现有定性分析方法中数据量不足、数据离散度不够等短板;最后使用灰关联分析法对造纸纤维特性与成纸力学性能间的关系给出了定量分析结果,为制浆造纸行业的相关工作提供了更为明确的数据依据和理论指导。
附图说明
图1是本发明实施例中公开的造纸纤维特性对成纸力学性能影响程度的定量分析方法流程图;
图2是本发明实施例中BPNN模型结构示意图;
图3是本发明实施例中不同造纸纤维特性与不同成纸力学性能间的关系趋势图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本实施例公开了一种造纸纤维特性对成纸力学性能影响程度分析的灰关联定量分析方法,包含3个步骤(如图1所示),具体描述如下:
S1、获取不同造纸纤维特性参数、成纸抄造工艺参数及成纸力学性能参数的实验数据;
为了实现造纸纤维特性对成纸力学性能影响的分析,建立两者间的关系统计模型,需要首先获取相关参数的实验数据,被考虑的相关参数包括:不同造纸纤维特性参数、成纸抄造工艺参数以及成纸力学性能参数。获取参数的具体步骤描述如下。
S11、造纸纤维的选取及实验准备;
为了获取不同造纸纤维特性参数的实验数据,需要首先选取多种不同类型的造纸纤维材料,选择依据包括:选取当前制浆造纸行业中用量较多的造纸纤维材料类型;选取的不同类型造纸纤维材料需要有较明显的特性差异;被选取的造纸纤维材料类型需要容易获得。
基于上述选取多种不同类型造纸纤维材料的选择依据,通常较难获得足够的造纸纤维类型及实验数据用于建立造纸纤维特性与成纸力学性能间关系统计模型。为了扩充造纸纤维特性参数的实验数据量,本实施例采用了对每种造纸纤维类型进行筛分的处理,过程如下:将造纸纤维稀释成浓度为0.2%的纸浆;将纸浆缓缓倒入纤维筛分仪中,纤维筛分仪会自动根据造纸纤维的纤维长度和纤维宽度特性将造纸纤维筛分为多个不同大小的尺寸等级。后续步骤将使用被筛分的造纸纤维材料进行实验。
S12、获取不同造纸纤维特性参数;
本实施例中,定义需要被获取实验数据的不同造纸纤维特性参数有NF个;可考虑的造纸纤维特性参数包括但不限于如下几个方面:纤维长度、纤维直径、纤维壁厚、纤维粗度、纤维柔软度、纤维强度指数等。
在上述被考虑的造纸纤维特性参数中,纤维长度、纤维直径和纤维粗度特性的实验数据可以使用纤维分析仪自动获得,过程如下:称取在步骤S11中获得的被筛分造纸纤维材料30g,并加入800mL水稀释成纸浆;将稀释后的纸浆倒入纤维分析仪内;纤维分析仪可以自动分析得到造纸纤维特性参数中纤维长度、纤维直径和纤维粗度的实验数据值。
纤维壁厚特性的实验数据可以通过显微镜放大造纸纤维材料进行直接测量;
纤维柔软度特性的实验数据可以通过横向负载梁弯曲实验获得,过程如下:将造纸纤维材料用水稀释成浓度为0.2g/L的纸浆;使用橡胶滴管吸取被稀释后的纸浆,并滴加到固定有细金属丝的载玻片上。为了获得较好的实验效果,应尽可能均匀的将纸浆滴加到细金属丝上;使用显微镜观察寻找横跨与细金属丝的单根造纸纤维;测量单根造纸纤维由于细金属丝的支撑作用离开载玻片平面的距离,并使用材料力学中的挠曲方程计算纤维柔软度的实验数据。材料力学中的挠曲线方程如式(1)所示:
上式中,Flex为纤维柔软度,d为细金属丝直径,c为纤维粗度,L为被测量单根造纸纤维由于细金属丝的支撑作用离开载玻片平面的距离。
纤维强度指数特性的实验数据可以基于制浆造纸领域Cildir提出的理论计算得到,过程如下:以造纸纤维为原料,使用抄纸机抄造成纸;使用零距抗张强度测量仪测量成纸的零距抗张强度;使用式(2)计算目标纤维强度指数实验数据。
上式中,Tf为造纸纤维强度指数,Z为被测量成纸的零距抗张强度。
S13、获取成纸抄造工艺参数;
由于成纸力学性能不仅受到造纸纤维特性的影响,还受到成纸抄造工艺的影响,所以定义被考虑的成纸抄造工艺参数为NT个;本实施例主要考虑的成纸抄造工艺参数为纸浆打浆度。获取纸浆打浆度实验数据的过程如下:获取在步骤S11中得到的被筛分造纸纤维,并稀释成浓度为10%的纸浆;将纸浆平分为5组,分别放入磨浆机,对每组纸浆设置不同的磨浆转数,从而获得不同打浆度的纸浆;使用肖伯尔打浆度测试仪分别测定并记录不同分组纸浆的纸浆打浆度实验数据值。
S14、获取成纸力学性能参数;
使用步骤S13中获得的不同纸浆打浆度的纸浆,分别使用抄纸机抄造成纸,再通过相关测量仪器测量成纸力学性能参数。定义被考虑的成纸力学性能参数为NP个。可考虑的成纸力学性能参数包括但不限于如下几个方面:抗张强度、撕裂度和耐破度等。
成纸的抗张强度、撕裂度和耐破度实验数据可以分别使用成纸抗张强度测量仪、成纸撕裂度测量仪、成纸耐破度测量仪进行测量获得。
S2、基于反向传播神经网络建立造纸纤维特性与成纸力学性能间的关系统计模型;
使用反向传播神经网络(Back Propagation Neural Network,BPNN)建立造纸纤维特性与成纸力学性能间的关系统计模型,其具体步骤如下:
S21、处理步骤S1中获得的实验数据;
在步骤S1中,通过实验获得的实验数据包括造纸纤维特性参数实验数据、成纸抄造工艺参数实验数据及成纸力学性能参数实验数据。为了处理上述实验数据,本实施例中,首先分别将每张成纸抄造及成纸力学性能测量过程中所使用到的造纸纤维特性参数实验数据(纤维长度、纤维直径、纤维壁厚、纤维粗度、纤维柔软度、纤维强度指数)、成纸抄造工艺参数(打浆度)实验数据及最终成纸力学性能参数(抗张强度、撕裂度和耐破度)实验数据组合为一组实验数据。由于在步骤S1中考虑到多种不同类型的造纸纤维材料、多种造纸纤维材料的筛分等级、多种纸浆打浆度,所以基于不同造纸纤维材料的处理过程,其对应的成纸力学性能参数也有差别,这就为本实施例提供了多组实验数据,为便于描述,使用N表示实验数据总组数。
另一方面,在常规建立统计模型的方法中,通常需要经过训练、验证、及测试三个步骤,所以需要将N组实验数据按比例分为三个数据集,即训练数据集Strain、验证数据集Sverify和测试数据集Stest。本实施例中使用较为常用的6:2:2的比例将N组实验数据随机划分为三个部分,分别对应Strain、Sverify和Stest。
S22、归一化所有实验数据;
为了更加快速、准确的建立造纸纤维特性与成纸力学性能间的关系统计模型,需要首先对实验数据进行归一化处理。本实施例使用的归一化公式如式(3)所示:
上式中,Pi为本实施例中被考虑的某一参数类型,1≤i≤NF+NT+NF;当1≤i≤NF时,Pi代表第i个被考虑的造纸纤维特性参数;当NF+1≤i≤NF+NT时,Pi代表第i-NF个被考虑的成纸抄造工艺参数;当NF+NT+1≤i≤NF+NT+NP时,Pi代表第i-(NF+NT)个被考虑的成纸力学性能参数。Pi(j)和Pi′(j)分别代表参数类型Pi在第j组实验数据中归一化前、后的值;和分别代表参数类型Pi在所有实验数据中的最小及最大值,其中,1≤j≤N。
S23、造纸纤维特性与成纸力学性能间关系统计模型的结构建立;
造纸纤维特性与成纸力学性能间的关系统计模型采用反向传播神经网络进行建立,其结构如图2所示。该模型由输入层、隐藏层和输出层三部分组成,输入层在模型最前端,负责将造纸纤维特性参数实验数据和成纸抄造工艺参数实验数据的归一化值输入到本关系统计模型中,所以输入层节点数与被考虑的造纸纤维特性参数和成纸抄造工艺参数的个数之和一致,即NF+NT个节点,每个节点负责输入一个造纸纤维特性参数或成纸抄造工艺参数的实验数据值。为便于描述,定义本关系统计模型的输入参数个数为NX=NF+NT;隐藏层处于本关系统计模型的中部,可以为单层或多层,负责对输入的归一化实验数据值进行非线性映射计算处理。本实施例通过多次尝试,将隐藏层定义为3层,每层节点数定义为13个,能得到最好的建模效果;输出层是本关系统计模型的最后一层,用于输出经过隐藏层处理的值,并且每个节点的输出将分别代表一个成纸力学性能参数的归一化预测值,所以输出层节点数与被考虑的成纸力学性能参数个数相同,即NP个节点。为与本关系统计模型的输入参数个数表达方式一致,定义本关系统计模型的输出参数个数为NY=NP。另外,本关系统计模型各层间的连接采用层级连接方式,即前一层所有节点均与后一层所有节点进行连接。
S24、造纸纤维特性与成纸力学性能间关系统计模型的训练和验证;
在通过步骤S23建立了造纸纤维特性与成纸力学性能间关系统计模型结构后,需要使用步骤S21中定义的训练数据集Strain和验证数据集Sverify对模型进行训练和验证。训练结果和验证结果的评价标准为平均相对误差(Mean Relative Error,MRE),MRE的定义如式(4)所示:
通过使用式(4)对造纸纤维特性与成纸力学性能间关系统计模型的训练及验证结果进行评价后,需要使MRE值小于预设的阈值(本实施例设定该阈值为10%)才算成功建立关系统计模型,否则则需要尝试将关系统计模型中的隐藏层层数或隐藏层节点数进行调整,再重复本步骤的训练、验证过程,直到MRE值小于预设阈值。
S25、造纸纤维特性与成纸力学性能间关系统计模型的测试;
为了防止通过步骤S23-S24所建立的造纸纤维特性与成纸力学性能间的关系统计模型存在过拟合的问题,使用步骤S21中定义的测试数据集Stest对该关系统计模型进行进一步测试。如果该测试结果得到的MRE值(见式(4))大于预设阈值(本实施例设定该阈值为10%),则说明本关系统计模型可能存在过拟合问题,需要通过步骤S21重新随机定义训练数据集Strain、验证数据集Sverify和测试数据集Stest,再使用新数据集重新执行步骤S24和S25,直到本关系统计模型测试结果的MRE值小于预设阈值。
S26、获得造纸纤维特性与成纸力学性能间的关系趋势;
在通过步骤S25对造纸纤维特性与成纸力学性能间的关系统计模型进行测试并满足预设阈值要求后,可以使用该关系统计模型获取每个被考虑造纸纤维特性与成纸力学性能间的关系趋势,过程如下:逐个选取被考虑的造纸纤维特性参数作为目标造纸纤维特性参数,并将其余非目标造纸纤维特性参数和成纸抄造工艺参数设定为[0,1]范围内的固定数据值。为了得到目标造纸纤维特性与成纸力学性能间的关系趋势,需要将所选定的造纸纤维特性参数在取值范围[0,1]内分别取K个不同的数据值(通常采用等分取值),再将这K个数据值分别与其余非目标造纸纤维特性参数及成纸抄造工艺参数的固定数据值组合为一组数据。将该组数据中的造纸纤维特性参数及成纸抄造工艺参数的数据值输入到造纸纤维特性与成纸力学性能间关系统计模型中,通过该关系统计模型计算得到对应成纸力学性能参数的预测值。由于目标造纸纤维特性参数共取了K个值,所以能分别求到K个对应的成纸力学性能参数预测值,即组成了K个目标造纸纤维特性与对应成纸力学性能间的关系趋势数据。将目标造纸纤维特性参数的K个值作为横坐标,对应成纸力学性能参数的K个预测值作为纵坐标,可以绘出造纸纤维特性与成纸力学性能间关系趋势图。需要注意的是,通过造纸纤维特性与成纸力学性能间关系统计模型获得的成纸力学性能参数预测值为归一化值,所以需要通过式(3)中对归一化前、后参数值的关系定义,将归一化后的成纸力学性能参数预测值转化为归一化前的对应值,并使用归一化前的对应值组成关系趋势数据并绘制关系趋势图,以便进行后续分析处理。
S3、基于灰关联分析法定量分析造纸纤维特性对成纸力学性能的影响;
在现有关于造纸纤维特性对成纸力学性能影响的技术中,由于造纸纤维特性与成纸力学性能间关系的复杂性以及相关测量实验中受到不同程度的限制,如造纸纤维类型较少、造纸纤维特性值的差异不够明显、实验耗时较长等,通常较难对造纸纤维特性与成纸力学性能间的关系进行定量分析。然而,本实施例基于步骤S2建立了造纸纤维特性与成纸力学性能间关系统计模型,可以通过使用不同造纸纤维特性及成纸抄造工艺参数数据为输入值的条件下,直接计算得到成纸力学性能的预测值,从而可以有效克服现有技术中存在的问题,丰富用于分析造纸纤维特性与成纸力学性能间关系的数据。基于上述分析,本实施例将使用步骤S26中生成的造纸纤维特性与成纸力学性能间关系趋势数据,以及灰关联分析法定量分析造纸纤维特性与成纸力学性能间的关系。具体步骤如下:
S31、确定参考数列(因变量)和比较数列(自变量);
在使用灰关联分析方法前,需要首先找到待分析问题中的参考数列(因变量)和比较数列(自变量)。对于分析造纸纤维特性与成纸力学性能间关系的问题,参考数列为成纸力学性能参数,对比数列为造纸纤维特性参数。使用通过步骤S26获得的造纸纤维特性与成纸力学性能间关系趋势数据为灰关联分析时所使用的分析数据,总共M组,每组数据包含所有被考虑的造纸纤维特性参数值(纤维长度、纤维直径、纤维壁厚、纤维粗度、纤维柔软度、纤维强度指数)和对应被考虑的成纸力学性能参数值(抗张强度、撕裂度和耐破度),则可以列出灰关联分析中参考数列和比较数列如式(5)所示:
上式中,Yp(k)和Xq(k)分别表示本实施例中第p个被考虑的成纸力学性能参数和第q个被考虑的造纸纤维特性参数在第k组分析数据中的值,其中,1≤p≤NP,1≤q≤NF,1≤k≤M。基于上述定义可知,式(5)中每一列参考数列代表一个成纸力学性能参数;每一列比较数列代表一个造纸纤维特性参数;第k行参考数列和对应第k行对比数列共同组成一组分析数据。
S32、对灰关联分析的分析数据进行无量纲化处理;
为了避免由于参数单位不统一而导致灰关联分析效果差的问题,需要对步骤S31中的参考数列(成纸力学性能参数数列)和比较数列(造纸纤维特性参数数列)进行无量纲化处理,本专利中采用的无量纲化方法为初值法,具体计算方式如式(6)所示:
上式中,Yp′(k)和Xq′(k)分别代表Yp(k)和Xq(k)无量纲化计算后的值,Yp(1)和Xq(1)分别代表第p个被考虑的成纸力学性能和第q个被考虑的造纸纤维特性参数在第1组分析数据中的值。
S33、求解造纸纤维特性参数的分析数据对于成纸力学性能参数的灰色关联系数;
其中:
上式中,Δ(min)和Δ(max)分别代表对比数列中所有的值相对于参考数列中第p列的值的二级最小、最大差值,即二维列表间数据的最大、最小差值,表达式见式(7);ρ为灰关联分析法中定义的分辨系数,根据经验取0.5可以得到最好的分析结果。
通过步骤S31中对对比数列和参考数列的定义可知,本步骤计算对比数列中第q列第k行的值相对与参考数列中第p列的灰色关联系数,本质上就是计算第q个造纸纤维特性参数在第k组分析数据中的值相对于第p个成纸力学性能参数的灰色关联系数。
S34、求解造纸纤维特性参数对于成纸力学性能参数的灰色关联度;
基于步骤S33计算得到第q个造纸纤维特性参数在所有分析数据中的值相对于第p个成纸力学性能参数的灰色关联系数后,可以利用求平均的方式得当前第q个造纸纤维特性参数相对于第p个成纸力学性能参数的灰色关联度如式(8)所示:
S35、灰色关联度排序及分析;
基于步骤S34求得的每一个造纸纤维特性参数相对于每一个成纸力学性能参数的灰色关联度,可以对其大小进行对比排序,并可基于灰色关联度,定量分析不同造纸纤维特性对不同成纸力学性能的影响程度。
实施例二
本实施例选取桉木纤维、针叶木纤维、棉纤维、蔗渣纤维和竹纤维这5种常用且性能差异较大的造纸纤维材料进行实验分析。考虑的造纸纤维特性参数包括:纤维长度、纤维直径、纤维壁厚、纤维粗度、纤维柔软度和纤维强度指数;考虑的成纸抄造工艺参数包括纸浆打浆度;考虑的成纸力学性能参数包括:抗张强度、撕裂度和耐破度。
造纸纤维特性对成纸力学性能影响定量分析的具体实施过程如下:
步骤T1:
将被选取的5种造纸纤维材料根据实施例一中步骤S1所述方法,获取造纸纤维特性参数(纤维长度、纤维直径、纤维壁厚、纤维粗度、纤维柔软度和纤维强度指数)、成纸抄造工艺参数(纸浆打浆度)以及成纸力学性能参数(抗张强度、撕裂度和耐破度)的实验数据。
其中,测量造纸纤维特性参数主要使用的仪器包括:Bauer S401800007纤维筛分仪;TECHPAP MORFI NEO纤维质量分析仪;OLYMPUS BX51研究级正置显微镜;Z-span 2000纸张零距抗张强度测试仪。
对纸浆进行磨浆处理并测量纸浆打浆度的仪器包括:HAMJERN MASKIN 621PFI磨浆机和MESSMER 255纸页手抄机。
用于成纸力学性能参数测量的仪器包括:L&W CE062抗张强度仪、L&W 009撕裂度仪以及L&W CE180耐破度仪。
由于造纸纤维特性及成纸力学性能的测量均存在一定随机性,对于本实施例中考虑的所有参数指标,均重复测量10组数据。
步骤T2:
整理步骤T1中获得的实验数据,去除由于人工操作失误及仪器精度等因素所导致的无效实验数据,共得到有效数据344组。使用实施例一中步骤S21-S25介绍的基于反向传播神经网络建立的造纸纤维特性与成纸力学性能间关系统计模型,对造纸纤维特性与成纸力学性能间的关系进行建模。通过多次尝试,确定该关系统计模型的隐藏层层数为3,每层隐藏层的节点数为13。测试结果表明所建立的关系统计模型最终测试结果平均MRE为7.07%,小于预设阈值(本实施例定义预设阈值为10%),即符合关系统计模型的精度要求。
在得到符合要求的造纸纤维特性与成纸力学性能间关系统计模型后,使用实施例一中步骤S26的方法生成单个造纸纤维特性对成纸力学性能影响的关系趋势数据。在生成关系趋势数据的过程中,为了获取更多数据值以得到较为细致的结果,本实施例定义目标造纸纤维特性参数值在[0,1]范围内等分为100个值,即K=100。基于最终计算得到得关系趋势数据,绘制单个造纸纤维特性对成纸力学性能影响的关系趋势图如图3所示的。图3中,每一行的三个小图分别代表一种造纸纤维特性参数与成纸抗张强度、撕裂度和耐破度之间的关系趋势图。从图中可以看出,大部分造纸纤维特性参数与成纸力学性能参数间的关系趋势均为先增后降,即成纸力学性能参数值先随着造纸纤维特性参数值的增大而增大,再随着造纸纤维特性参数值的增大而减小,该趋势关系符合纸浆造纸行业的一般经验。
步骤T3:
使用步骤T2中生成的造纸纤维特性与成纸力学性能间关系趋势数据,以及实施例一中步骤S3介绍的灰关联分析方法定量分析单个造纸纤维特性对成纸力学性能的影响程度,得到表1所示的结果:
表1.造纸纤维的主要特性对成纸不同力学性能的影响因子
从表1中可以看出,造纸纤维特性对成纸力学性能的影响从大到小的排序为:纤维强度指数>纤维宽度>纤维壁厚>纤维长度>>纤维粗度≈纤维柔软度。其中,纤维强度指数对成纸力学性能的影响最大,这与现有经验相符;其次,纤维宽度对成纸力学性能的灰色关联度也大于其它因素;而对成纸力学性能影响最小的因素为纤维粗度和纤维柔软度。进一步分析可知,纤维强度指数对成纸力学性能的影响程度约为纤维粗度及纤维柔软度的1.56倍。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种造纸纤维特性对成纸力学性能影响程度的定量分析方法,其特征在于,所述的定量分析方法包括下列步骤:
S1、获取不同造纸纤维特性参数、成纸抄造工艺参数及成纸力学性能参数的实验数据值,其中,所述的造纸纤维特性参数包括:纤维长度、纤维直径、纤维壁厚、纤维粗度、纤维柔软度和纤维强度指数;所述的成纸抄造工艺参数包括纸浆打浆度;所述的成纸力学性能参数包括抗张强度、撕裂度和耐破度,以上参数均使用实验测量或计算的方式获得,定义NF代表被考虑的造纸纤维特性参数个数,NT代表被考虑的成纸抄造工艺参数个数,NP代表被考虑的成纸力学性能参数个数;
S2、基于S1中获得的实验数据值及反向传播神经网络建立造纸纤维特性与成纸力学性能间的关系统计模型,并基于该关系统计模型生成造纸纤维特性与成纸力学性能间的关系趋势数据,再基于所述的关系趋势数据绘制关系趋势图,并分析造纸纤维特性与成纸力学性能间的关系;
S3、基于灰关联分析法定量分析造纸纤维特性对成纸力学性能的影响,过程如下:使用步骤S2中得到的造纸纤维特性与成纸力学性能间的关系趋势数据作为灰关联分析法的分析数据;确定分析数据中的参考数列为成纸力学性能参数,确定比较数列为造纸纤维特性参数;将所有分析数据进行无量纲化处理;求解每一个造纸纤维特性参数的分析数据相对于每一个成纸力学性能参数的灰色关联系数;求解每一个造纸纤维特性参数相对于每一个成纸力学性能参数的灰色关联度;最终根据灰色关联度的大小进行排序,并定量分析不同造纸纤维特性对成纸力学性能的影响程度。
2.根据权利要求1所述的一种造纸纤维特性对成纸力学性能影响程度的定量分析方法,其特征在于,所述的步骤S1包含如下步骤:
S11、造纸纤维的选取及实验准备,其中,造纸纤维的选取原则包括:选取当前制浆造纸行业中常用的造纸纤维材料类型;选取的不同类型造纸纤维材料需要有明显的特性差异;选取的造纸纤维材料类型需要容易获得;
对已获取的造纸纤维材料进行筛分处理,过程如下:将造纸纤维稀释成浓度为0.2%的纸浆;将纸浆缓缓倒入纤维筛分仪中,纤维筛分仪会自动根据造纸纤维的纤维长度和纤维宽度特性将造纸纤维筛分为多个不同大小的尺寸等级;
S12、获取不同造纸纤维特性参数,其中,纤维长度、纤维直径和纤维粗度实验数据通过纤维分析仪测量得到;纤维壁厚实验数据通过显微镜将造纸纤维放大后直接测量得到;纤维柔软度实验数据基于横向负载梁弯曲实验及材料力学中的挠曲线方程计算得到;纤维强度指数实验数据的获取方法基于Cildir提出的理论,即造纸纤维强度指数是对应成纸零距抗张强度的89倍,通过测量对应成纸零距抗张强度后计算获得;
S13、获取成纸抄造工艺参数,其中,纸浆打浆度实验数据的获取方法如下:获取在步骤S11中得到的被筛分造纸纤维,并稀释成浓度为10%的纸浆;将纸浆平分为5组,分别放入磨浆机,对每组纸浆设置不同的磨浆转数,从而获得不同打浆度的纸浆;使用肖伯尔打浆度测试仪分别测量不同分组纸浆的纸浆打浆度实验数据值;
S14、获取成纸力学性能参数,其中,成纸的抗张强度、撕裂度和耐破度实验数据分别使用成纸抗张强度测量仪、成纸撕裂度测量仪、成纸耐破度测量仪进行测量获得。
3.根据权利要求2所述的一种造纸纤维特性对成纸力学性能影响程度的定量分析方法,其特征在于,所述的步骤S2包含如下步骤:
S21、将每张成纸抄造及成纸力学性能测量过程中所使用到的造纸纤维特性参数实验数据、成纸抄造工艺参数实验数据及最终成纸力学性能参数实验数据组合为一组实验数据,通过步骤S1所获得的实验数据总共有N组,然后将这N组数据按6:2:2的比例分为训练数据集Strain、验证数据集Sverify和测试数据集Stest三个部分;
S22、归一化所有实验数据,使用式(1)归一化步骤S1中所获得的N组实验数据,公式如下:
上式中,Pi为本实施例中被考虑的某一参数类型,1≤i≤NF+NT+NF;当1≤i≤NF时,Pi代表第i个被考虑的造纸纤维特性参数;当NF+1≤i≤NF+NT时,Pi代表第i-NF个被考虑的成纸抄造工艺参数;当NF+NT+1≤i≤NF+NT+NP时,Pi代表第i-(NF+NT)个被考虑的成纸力学性能参数,Pi(j)和Pi′(j)分别代表参数类型Pi在第j组实验数据中归一化前、后的值;和分别代表参数类型Pi在所有实验数据中的最小及最大值,其中,1≤j≤N;
S23、造纸纤维特性与成纸力学性能间关系统计模型的结构建立,使用反向传播神经网络建立造纸纤维特性与成纸力学性能间关系统计模型,该关系统计模型包括依次顺序连接的输入层、隐藏层和输出层,输入层位于该关系统计模型最前端,用于输入造纸纤维特性参数和成纸抄造工艺参数的归一化实验数据值,输入层的节点数与被考虑的造纸纤维特性参数和被考虑的成纸抄造工艺参数个数之和相同,即输入层节点个数为NX=NF+NT;隐藏层为该关系统计模型的中间层,该中间层为单层或多层,用于对输入层输入的归一化实验数据值进行非线性映射处理,输出层位于该关系统计模型的最后端,用于输出成纸力学性能参数的归一化预测值,输出层的节点数与被考虑的成纸力学性能参数个数一致,即输出层节点个数为NY=NP;其中,所述的关系统计模型中,所有层间的连接使用层级连接方法,即前一层所有节点均与后一层所有节点进行连接;
S24、造纸纤维特性与成纸力学性能间关系统计模型的训练和验证,使用训练数据集Strain和验证数据集Sverify对关系统计模型进行训练和验证,训练结果和验证结果的评价标准为平均相对误差MRE,MRE值的定义如式(2)所示:
通过使用式(2)对造纸纤维特性与成纸力学性能间关系统计模型的训练及验证结果进行评价后,若MRE值小于预设阈值,则继续进行后续步骤,否则需要调整所述的关系统计模型中隐藏层层数或隐藏层节点数,以使MRE值小于预设阈值;
S25、造纸纤维特性与成纸力学性能间关系统计模型的测试;
使用测试数据集Stest对所述的关系统计模型进行测试,如果该测试结果得到的MRE值大于预设阈值,则通过步骤S21重新随机定义训练数据集Strain、验证数据集Sverify和测试数据集Stest,再使用新数据集重新执行步骤S24和S25,直到所述的关系统计模型测试结果的MRE值小于预设阈值;
S26、获得造纸纤维特性与成纸力学性能间的关系趋势,过程如下:逐个选取被考虑的造纸纤维特性参数作为目标造纸纤维特性参数,并将其余非目标造纸纤维特性参数和成纸抄造工艺参数设定为[0,1]范围内的固定数据值,将所选定的造纸纤维特性参数在取值范围[0,1]内分别取K个不同的数据值,再将这K个数据值分别与其余非目标造纸纤维特性参数及成纸抄造工艺参数的固定数据值组合为一组数据,将该组数据中的造纸纤维特性参数及成纸抄造工艺参数的数据值输入到造纸纤维特性与成纸力学性能间关系统计模型中,通过该关系统计模型计算得到对应成纸力学性能参数的预测值;在得到目标造纸纤维特性参数的K个值所对应的成纸力学性能参数的K个预测值后,组成造纸纤维特性参数与成纸力学性能参数间关系趋势数据,并绘制出造纸纤维特性与成纸力学性能间关系趋势图。
4.根据权利要求3所述的一种造纸纤维特性对成纸力学性能影响程度的定量分析方法,其特征在于,所述的步骤S3包含如下步骤:
S31、确定参考数列和比较数列,其中,参考数列为因变量,比较数列为自变量,定义步骤S26获得的造纸纤维特性与成纸力学性能间的关系趋势数据,共有M组,作为灰关联分析的分析数据,并确认包括抗张强度、撕裂度和耐破度在内的成纸力学性能参数为参考数列,包括纤维长度、纤维直径、纤维壁厚、纤维粗度、纤维柔软度、纤维强度指数在内的造纸纤维特性参数为对比数列,列出灰关联分析中参考数列和比较数列如式(3)所示:
上式中,Yp(k)和Xq(k)分别表示第p个被考虑的成纸力学性能参数和第q个被考虑的造纸纤维特性参数在第k组分析数据中的值,其中,1≤p≤NP,1≤q≤NF,1≤k≤M,式(3)中每一列参考数列代表一个成纸力学性能参数,每一列比较数列代表一个造纸纤维特性参数,第k行参考数列和对应第k行对比数列共同组成一组分析数据;
S32、对灰关联分析的分析数据进行无量纲化处理,使用式(4)对灰关联分析的分析数据进行无量纲化处理:
上式中,Yp′(k)和Xq′(k)分别代表Yp(k)和Xq(k)无量纲化计算后的值,Yp(1)和Xq(1)分别代表第p个被考虑的成纸力学性能和第q个被考虑的造纸纤维特性参数在第1组分析数据中的值;
其中:
上式中,Δ(min)和Δ(max)分别代表对比数列中所有的值相对于参考数列中第p列的值的二级最小、最大差值,即二维数据中的最大、最小差值,表达式见式(5),ρ为灰关联分析法中定义的分辨系数;
S34、求解造纸纤维特性参数对于成纸力学性能参数的灰色关联度,通过步骤S33计算得到第q个造纸纤维特性参数在所有分析数据中的值相对于第p个成纸力学性能参数的灰色关联系数后,使用求平均的方式计算第q个造纸纤维特性参数相对于第p个成纸力学性能参数的灰色关联度如式(6)所示:
S35、灰色关联度排序及分析,基于步骤S34求得的每一个造纸纤维特性参数相对于每一个成纸力学性能参数的灰色关联度,对灰色关联度大小进行对比排序,并可基于灰色关联度,定量分析不同造纸纤维特性对不同成纸力学性能的影响程度。
5.根据权利要求3所述的一种造纸纤维特性对成纸力学性能影响程度的定量分析方法,其特征在于,所述的预设阈值定义为10%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010629638.7A CN111967180B (zh) | 2020-07-02 | 2020-07-02 | 造纸纤维特性对成纸力学性能影响程度的定量分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010629638.7A CN111967180B (zh) | 2020-07-02 | 2020-07-02 | 造纸纤维特性对成纸力学性能影响程度的定量分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111967180A true CN111967180A (zh) | 2020-11-20 |
CN111967180B CN111967180B (zh) | 2022-07-26 |
Family
ID=73360939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010629638.7A Active CN111967180B (zh) | 2020-07-02 | 2020-07-02 | 造纸纤维特性对成纸力学性能影响程度的定量分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111967180B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560294A (zh) * | 2021-02-19 | 2021-03-26 | 浙江大胜达包装股份有限公司 | 基于智能预测建模的纸品生产工艺控制方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU4899793A (en) * | 1992-12-18 | 1994-06-30 | Kimberly-Clark Worldwide, Inc. | Method of treating papermaking fibers for making tissue |
US20030070778A1 (en) * | 2001-10-16 | 2003-04-17 | Metso Paper Automation Oy | Method and apparatus for adjusting chemical dosage of pulp processing stage |
US6577916B1 (en) * | 1999-03-11 | 2003-06-10 | Voith Sulzer Papiertechnik Patent Gmbh | Method of carrying out an optimized fiber or paper manufacturing process |
US20090012749A1 (en) * | 2004-11-30 | 2009-01-08 | Innoval Technology Limited | Fabric Modelling |
CN104679998A (zh) * | 2015-02-08 | 2015-06-03 | 浙江理工大学 | 一种化学木浆纤维特性与纸页抗张强度关系建模方法 |
US20150170022A1 (en) * | 2013-12-13 | 2015-06-18 | King Fahd University Of Petroleum And Minerals | Method and apparatus for characterizing composite materials using an artificial neural network |
CN105868550A (zh) * | 2016-03-28 | 2016-08-17 | 浙江理工大学 | 一种基于机械浆纤维特性预测纸页抗张强度的方法 |
CN109858663A (zh) * | 2018-11-19 | 2019-06-07 | 中国农业大学 | 基于bp神经网络的配电网故障停电影响因素敏感度分析 |
CN110362898A (zh) * | 2019-07-01 | 2019-10-22 | 华南理工大学 | 用于单根造纸纤维特性及动态形变过程的计算机模拟方法 |
CN110910528A (zh) * | 2019-11-19 | 2020-03-24 | 广州博依特智能信息科技有限公司 | 纸页抗张强度的预测方法及装置 |
-
2020
- 2020-07-02 CN CN202010629638.7A patent/CN111967180B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU4899793A (en) * | 1992-12-18 | 1994-06-30 | Kimberly-Clark Worldwide, Inc. | Method of treating papermaking fibers for making tissue |
US6577916B1 (en) * | 1999-03-11 | 2003-06-10 | Voith Sulzer Papiertechnik Patent Gmbh | Method of carrying out an optimized fiber or paper manufacturing process |
US20030070778A1 (en) * | 2001-10-16 | 2003-04-17 | Metso Paper Automation Oy | Method and apparatus for adjusting chemical dosage of pulp processing stage |
US20090012749A1 (en) * | 2004-11-30 | 2009-01-08 | Innoval Technology Limited | Fabric Modelling |
US20150170022A1 (en) * | 2013-12-13 | 2015-06-18 | King Fahd University Of Petroleum And Minerals | Method and apparatus for characterizing composite materials using an artificial neural network |
CN104679998A (zh) * | 2015-02-08 | 2015-06-03 | 浙江理工大学 | 一种化学木浆纤维特性与纸页抗张强度关系建模方法 |
CN105868550A (zh) * | 2016-03-28 | 2016-08-17 | 浙江理工大学 | 一种基于机械浆纤维特性预测纸页抗张强度的方法 |
CN109858663A (zh) * | 2018-11-19 | 2019-06-07 | 中国农业大学 | 基于bp神经网络的配电网故障停电影响因素敏感度分析 |
CN110362898A (zh) * | 2019-07-01 | 2019-10-22 | 华南理工大学 | 用于单根造纸纤维特性及动态形变过程的计算机模拟方法 |
CN110910528A (zh) * | 2019-11-19 | 2020-03-24 | 广州博依特智能信息科技有限公司 | 纸页抗张强度的预测方法及装置 |
Non-Patent Citations (8)
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560294A (zh) * | 2021-02-19 | 2021-03-26 | 浙江大胜达包装股份有限公司 | 基于智能预测建模的纸品生产工艺控制方法及系统 |
CN112560294B (zh) * | 2021-02-19 | 2021-05-25 | 浙江大胜达包装股份有限公司 | 基于智能预测建模的纸品生产工艺控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111967180B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109440515B (zh) | 一种基于梯度增强回归树的造纸过程打浆度软测量方法 | |
CN111967180B (zh) | 造纸纤维特性对成纸力学性能影响程度的定量分析方法 | |
Curto et al. | Three dimensional modelling of fibrous materials and experimental validation | |
EP0946820B1 (de) | Verfahren und vorrichtung zur prozessführung bei der herstellung von papier | |
EP1127189A2 (de) | Verfahren und vorrichtung zur messung der qualitätseigenschaften von papier und/oder pappe an laufenden materialbahnen | |
JPH01314963A (ja) | パルプ成分混合比率測定方法 | |
Pulkkinen et al. | Characterization of wood fibers using fiber property distributions | |
EP0946818B1 (de) | Verfahren und vorrichtung zur prozessführung beim bleichen von faserstoffen | |
CN114660272B (zh) | 一种牛皮纸浆料品质评估方法 | |
CN110914496A (zh) | 纸浆质量监测 | |
US6712936B2 (en) | Method for manufacturing paper and paperboard using fracture toughness measurement | |
EP1633927A2 (en) | Partial least squares based paper curl and twist modeling, prediction and control | |
Sund et al. | The effect of process design on refiner pulp quality control performance | |
DE102007044606B4 (de) | Bestimmung des Zustandes von Zellstoff und Papier | |
CN112100876A (zh) | 一种纸页结构建模及抗张强度模拟的方法 | |
Bengtsson et al. | On the modeling of pulp properties in CTMP processes | |
CN111027706B (zh) | 一种生活用纸表面粗糙度测量方法及装置 | |
Osterling et al. | Weighted averages and distributions of fibre characteristics of mechanical pulps: Part I: Alternative methods of weighting data from an optical analyser produce averages that rank pulps differently | |
EP1496154A1 (de) | Verfahren zur Bestimmung des bei der Flotation oder Wäsche einer Papierfasersuspension auftretenden Feststoff- oder Faserverlusttes | |
US20050228632A1 (en) | Wet chop fiberglass design systems and methods | |
DE102004020495A1 (de) | Verfahren und Anlage zur Aufbereitung von Altpapier | |
WO2016015829A1 (de) | Verfahren und vorrichtung zur fitnessprüfung von wertdokumenten | |
Dooley et al. | Opportunities for improved light transmission formation analysis | |
Türker | A RESEARCH ON ESTIMATION OF THE WEAVE FABRIC PROPERTIES WITH THE ARTIFICIAL NEURAL NETWORKS | |
Garcia et al. | Analysis of the Behavior of Mottling in Coated Board using Neural Networks |
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 |