[发明专利]一种高浓磨浆系统输出纤维形态分布PDF建模方法

说明书

技术领域

本发明属于制浆造纸过程高浓磨浆随机动态系统建模和控制技术领域，尤其涉及一种高浓磨浆系统输出纤维形态分布PDF(概率密度函数)建模方法。

背景技术

造纸工业与国民经济发展和社会文明息息相关，纸及纸板消费水平是衡量一个国家现代化和文明程度的重要标志之一。整个造纸过程由制浆和造纸两大环节组成。制浆环节的主要功能是从植物纤维原料生产出具有特定形态的纤维；造纸环节的功能主要是采用特定形态的纤维为原料生产出各种纸制产品。制浆和造纸两大环节都需要消耗大量的能量，特别是制浆过程的高浓磨盘打浆环节是制浆造纸生产过程中极为重要的一环。浆料经过打浆机处理后得到成浆，其直接影响成品纸的质量，打浆不仅能耗巨大，更影响着后续造纸抄造时纸浆脱水效率和功率消耗，因此国内外对通过打浆过程模型的建立而提高成浆质量都极为重视。

由于高浓磨浆过程具有多变量、强耦合和非线性的特征，使得高浓磨浆过程的机理分析、建模存在很大困难。目前打浆过程的机理模型研究严重滞后于生产和控制实践的需要，国内外广泛用于打浆控制的机理假说模型是帚化理论、比边缘负荷理论以及比表面负荷，但控制模型大多仍是单变量模型，不足以表征整个打浆过程，至今也没有找到一个共同认可的机理模型。以往研究主要集中在低浓磨浆过程、单盘磨浆机和磨盘改进上，且存在研究的假设性强，得到的高浓磨浆模型缺乏通用性。这与无法当场获得直接的运行数据如刀间距、纤维长度、湿重、打浆度等纤维特性数据有重要的关系，也是机理建模的一大弊端与局限。纵观国内外关于磨浆过程运行控制的研究还是以机理模型为主、以单一盘磨为对象、以控制纤维长度均值为目的来进行的。

最新研究表明面向节能降耗的造纸制浆优化首先需要解决打浆过程的纤维形态分布的运行优化控制问题。制浆过程的能耗及其所产生的纤维形态分布(如纤维长度的PDF(概率密度函数)形状)的质量直接关系到后续造纸环节的能耗及产品质量，更影响抄造时的脱水效率与功率消耗。目前，还没有关于直接利用纤维形态分布测量值作为反馈信号实现纤维形态分布闭环控制的研究报道。然而盘磨机打浆输出纤维形态分布不符合高斯分布具有随机性，无法用方差和均值对其分布概率密度函数进行建模和控制。主要是因为纤维束经过磨盘的横向挤压和纵向帚化，细纤维化逐渐离解成单根纤维，输出纤维形态具有很强的随机性和不确定性，加之测量仪器的局限，更无法用某一单一变量对其表征，这使得对纤维形态的建模和控制变得极其困难。因此实现输出纤维形态的表征和测量将对实际生产产生重要的作用。

发明内容

本发明就是针对上述问题，提供一种实时性好、精度高的高浓磨浆系统输出纤维形态分布PDF建模方法。

为实现上述目的，本发明采用如下技术方案，本发明包括以下步骤：

(1)辅助变量选择与模型输入变量确定

辅助变量选择为：

稀释水量u₁(t)(l/min)；

高浓磨盘转速u₂(t)(rpm)；

高浓磨盘间隙u₃(t)(mm)；

以上变量为模型的输入变量，输出变量即需要实时在线测量的变量为制浆过程高浓盘磨随机动态系统输出纤维形态在其分布长度范围内的PDF(概率密度函数)γ(y,u(t))；

(2)模型的训练和使用

(A)开始：变量初始化；

(B)模型训练或纤维形态分布预测：若选择为模型训练，转至(C)，读取模型训练的输出纤维形态分布PDF样本集；若选择为纤维形态分布预测，转至(K)，读取已训练好的模型参数及矩阵，包括连接权值矩阵w_lj、各层阈值θ以及小波核函数伸缩因子a和平移因子b；

(C)读取模型训练PDF样本集：从数据库中读取或者输入模型训练的数据集{x_i→γ(y,x)_i}，x_i＝{x_i|i＝1.2.3}为输入数据，γ(y,x)_i为输出数据，表示在输入变量的控制下，高浓盘磨机随机动态系统的输出纤维形态分布概率密度函数；

(D)构建纤维形态分布PDF瞬时平方根模型