[发明专利]一种废纸碎解方法

说明书

技术领域

本发明属于废纸处理工艺，特别是一种废纸碎解方法。

背景技术

碎解是废纸处理的初始工艺，要求碎解设备效率高且节省动力，应尽可能保持废纸中的纤维不受较大程度的损伤，确保成纸的各项物理性能指标；并且，油墨能否很好的从废纸上脱离出来，原先交织成纸页的纤维能否最大程度的离解成单根纤维而最大程度的保持纤维的原有形态和强度，尽早除去废纸中的各类轻、重杂质，碎解设备尽可能地分离纤维而又不打碎杂质，关键也在于碎解过程。可以说碎解是废纸处理的初始阶段，也是关键阶段。其中碎解时间又是碎解过程中最最重要的一个因素，纸浆的白度随着碎解时间的延长而增加，但是当达到一定值之后，由于已经从纤维上剥离下来的游离油墨又重新在纤维上沉积而成为了结合油墨，使得白度又会呈现下降趋势，并且油墨离子也会随着时间的延长而逐渐细化。如此，增加后期工作的负担，并且当碎解率超过70％时，随着碎解时间的增加其变化也不明显，同时功耗也会随着碎解时间的增加而变大。而这些影响因素之间存在着极大的非线性关系，很难对其建立精确的数学模型。怎样得到合理的碎解时间，并在此阶段怎样将大部分杂质去除到目前为止仍然是空白。

一般的碎解过程是：废纸在12-16％浓度下，高浓水力碎浆机碎解稀释至4-5％，由经验给定碎解时间，初步粉碎废纸并去除杂质；由水力碎浆机流出的纸浆通过压力筛，由压力筛除去多种杂质诸如浆块、胶粘物、热熔物、碎屑等。最终纸浆的质量好坏在相当程度上取决于筛选效率的高低，但压力筛容易堵塞，造成生产效率低下。

发明内容

本发明提供了一种废纸碎解方法，可以准确预测碎解时间，且可以有效降低堵塞引起的不良后果。

本发明所采用的技术方案是：一种废纸碎解方法，先通过BP神经网络模型确定碎解时间，之后废纸按照该碎解时间经水力碎浆机处理，处理完之后的浆料进入压力筛，当压力筛内的差压处于正常差压时，正常运行；当压力筛内的差压大于正常差压的同时小于堵塞的上限时，根据差压进行模糊推理，然后，根据该模糊推理的结论，关小良浆管道阀门，开大尾浆出口管道的阀门；当压力筛内的差压大于堵塞的上限时，采取紧急处理方案，排除堵塞。

作为本发明的优选实施例，所述BP神经网络模型由输入层、隐层，以及输出层组成，其中，输入层为11个结点，分别为碎解浓度、碎解机转子转速、碎解温度、有无加脱墨化学药品、能耗，能耗比、碎解浆残留油墨粒子浓度、碎解浆尘埃粒子数、浮选浆油墨粒子浓度、浮选浆白度，以及浮选埃粒子数；输出层为1个结点，即碎解时间；所述隐层为X个结点，X＝2Y+1，其中，所述Y为输入层的神经元个数；

作为本发明的优选实施例，所述隐层的结点数X取23；

作为本发明的优选实施例，所述隐层采用双曲正切S型传递函数；

作为本发明的优选实施例，所述输出层采用线型激活劲函数；

作为本发明的优选实施例，所述经过神经网络训练并调整后，得到的网络迭代计算步长为20，最大训练步数为5000，学习速率为0.01，冲量系数为0.9。

本发明废纸碎解方法至少具有以下优点：1.本发明采用BP神经网络模型对碎解时间进行预测，其得到的碎解时间较准确，避免人工预测产生的误差；2.本发明可以有效降低堵塞引起的不良后果，且降低了碎解过程中的能耗，减轻了后期工作的负担。

附图说明

图1是本发明碎浆系统的结构示意图；

图2是神经网络模型图；

图3是碎解时间测量值与预测值的变化曲线图。

具体实施方式

本发明是这样实现的：包括两部分，即水力碎浆机的预测碎解时间的确定以及压力筛控制方案的设计。

1.水力碎浆机的预测碎解时间确定：建立BP神经网络模型，并应用Levenberg-Marquardt算法(以下简称LM算法)，用MATLA仿真得到具体的权值和域值，从而确定碎解时间的神经网络预测模型。