基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測

黨世紅 湯 偉 甘文濤 楊鵬飛

(1.陜西科技大學(xué)輕工與能源學(xué)院,陜西西安,710021；2.咸陽職業(yè)技術(shù)學(xué)院機(jī)電學(xué)院,陜西咸陽,712000)

?

·卡伯值在線預(yù)測·

基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測

黨世紅1,2湯 偉1甘文濤1楊鵬飛1

(1.陜西科技大學(xué)輕工與能源學(xué)院,陜西西安,710021；2.咸陽職業(yè)技術(shù)學(xué)院機(jī)電學(xué)院,陜西咸陽,712000)

針對置換蒸煮過程中卡伯值難以在線檢測、引起操作延時、導(dǎo)致紙漿品質(zhì)下降和能耗增大的問題,研究了基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測方法。在分析置換蒸煮過程特點的基礎(chǔ)上,提出了基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測框架,給出了模式匹配的優(yōu)化算法,設(shè)計了基于數(shù)據(jù)驅(qū)動的卡伯值在線預(yù)測模型。仿真結(jié)果和實際生產(chǎn)應(yīng)用證明了該方法的有效性。

數(shù)據(jù)驅(qū)動；置換蒸煮；卡伯值；操作模式優(yōu)化；模糊神經(jīng)網(wǎng)絡(luò)

置換蒸煮(Displacement Digester System,簡稱DDS)是間歇式蒸煮的最新成果。與常規(guī)間歇式蒸煮系統(tǒng)相比,DDS具有很多優(yōu)點，如節(jié)能效果顯著,汽耗降到500～700 kg/t漿；縮短總蒸煮時間30%～50%；能在125～130℃進(jìn)行深度脫木素,提高了紙漿的強(qiáng)度和得率；保溫段的用堿量只有傳統(tǒng)間歇蒸煮的1/3；采用從下而上置換藥液,使得蒸煮更均勻等[1]。置換蒸煮系統(tǒng)以其突出的節(jié)能效果、優(yōu)良的產(chǎn)品質(zhì)量、廣泛的適應(yīng)范圍和顯著的經(jīng)濟(jì)效益已成為當(dāng)前制漿企業(yè)革新改造的方向標(biāo)[2]。

紙漿卡伯值表示原料經(jīng)蒸煮后所得紙漿中殘留的木素和其他還原性有機(jī)物的量,間接地表示紙漿脫木素程度的大小?？刂坪眉垵{的卡伯值,不但可以穩(wěn)定紙漿質(zhì)量、提高紙漿得率,而且有助于減少蒸汽和化學(xué)品的消耗,降低環(huán)境污染,提高經(jīng)濟(jì)效益及社會效益[3]。

國內(nèi)外對常規(guī)間歇蒸煮系統(tǒng)的卡伯值預(yù)測研究較早,國外始于20世紀(jì)70年代,大多數(shù)采用經(jīng)驗?zāi)Ｐ突蛘甙虢?jīng)驗?zāi)Ｐ?如Chari模型、Hatton模型、Kerr模型等,這些經(jīng)驗?zāi)Ｐ碗m然易于使用,并且在穩(wěn)定的初始條件和生產(chǎn)情況下,對于國外特定的生產(chǎn)過程可以取得較好的預(yù)測效果,但是存在需要精確測量的物理量較多,對蒸煮初始條件要求嚴(yán)格,通用性差、應(yīng)用范圍小和局限條件多的缺陷。對于采用不同工藝條件、不同操作情況和不同生產(chǎn)原料、且影響因素更多的國內(nèi)生產(chǎn)過程,直接套用國外的蒸煮模型往往難以取得較好的測量和預(yù)測效果。國內(nèi)對紙漿卡伯值預(yù)測的研究始于20世紀(jì)80年代,華南理工大學(xué)制漿造紙工程國家重點實驗室對常規(guī)間歇蒸煮的卡伯值做了大量研究,提出了卡伯值軟測量模型并指導(dǎo)實際生產(chǎn)[4- 6]。

因置換蒸煮和常規(guī)間歇蒸煮有許多不同點,不能簡單地把常規(guī)間歇蒸煮的卡伯值預(yù)測模型生搬硬套地用在置換蒸煮中,黃俊梅等人[7]針對置換蒸煮過程提出了基于RBF和BP神經(jīng)網(wǎng)絡(luò)的卡伯值軟測量模型,因其對置換蒸煮的工藝特點考慮較少,故所建模型存在一定的誤差。此外,以前所有的卡伯值預(yù)測模型的校驗都是用離線數(shù)據(jù)進(jìn)行比對,這樣必然導(dǎo)致延時較大、測量不準(zhǔn)確和誤差較大的缺點。隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展和自動化水平的大幅提升,在蒸煮過程中積累了大量的工業(yè)運(yùn)行數(shù)據(jù),其中包含了豐富的反映生產(chǎn)運(yùn)行規(guī)律和工藝參數(shù)之間關(guān)系的潛在信息,為生產(chǎn)過程優(yōu)化控制提供了有利條件。為此,本課題在分析置換蒸煮特點的基礎(chǔ)上,充分利用生產(chǎn)過程長期運(yùn)行積累的工業(yè)數(shù)據(jù),提出了基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測的方法,并通過仿真和實踐來證明該方法的有效性。

圖1 基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測的控制系統(tǒng)框圖

1 基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測的控制系統(tǒng)框圖

基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測的核心思想是：從實際置換蒸煮過程積累的大量工業(yè)運(yùn)行數(shù)據(jù)中通過專家優(yōu)化系統(tǒng)挖掘出優(yōu)化操作模式庫；依據(jù)當(dāng)前的輸入條件、工業(yè)運(yùn)行狀態(tài)和卡伯值的預(yù)測值從優(yōu)化操作模式庫中匹配出最優(yōu)操作模式用于指導(dǎo)生產(chǎn)?；跀?shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測的控制系統(tǒng)框圖如圖1所示,主要由基于數(shù)據(jù)驅(qū)動的專家優(yōu)化單元、基于數(shù)據(jù)的卡伯值預(yù)測單元及分布式測控單元共3個單元組成。

基于數(shù)據(jù)驅(qū)動的專家優(yōu)化單元由數(shù)據(jù)預(yù)處理、數(shù)據(jù)庫、操作模式空間、優(yōu)化算法、優(yōu)化操作模式庫、模式匹配、最優(yōu)操作模式和操作參數(shù)調(diào)整等部分組成,主要功能是依據(jù)置換蒸煮過程中采集的實時數(shù)據(jù),結(jié)合輸入條件和卡伯值預(yù)測情況,通過專家系統(tǒng)的優(yōu)化算法,進(jìn)行模式匹配,產(chǎn)生最優(yōu)操作模式,及時高效準(zhǔn)確地指導(dǎo)生產(chǎn)。

基于數(shù)據(jù)的卡伯值預(yù)測單元主要功能是預(yù)報出準(zhǔn)確的置換蒸煮卡伯值來指導(dǎo)生產(chǎn)。首先利用從置換蒸煮過程中采集到的實時數(shù)據(jù)(此處為硫化度、有效堿濃度和H因子),通過卡伯值預(yù)測模型求出預(yù)測值；接著將預(yù)測值與期望值比較,產(chǎn)生調(diào)節(jié)因子,在輸入條件(指原料的種類、原料合格率和原料中雜質(zhì)的含量等原始信息)和優(yōu)化操作模式庫的共同作用下,進(jìn)行模式匹配,形成最優(yōu)操作模式,調(diào)整操作參數(shù),進(jìn)而調(diào)節(jié)置換蒸煮過程中的工藝參數(shù)(如白液流量、蒸汽流量等),再次進(jìn)入預(yù)測模型的輸入端,如此周而復(fù)始,確?？ú档念A(yù)測準(zhǔn)確,最終達(dá)到穩(wěn)定紙漿質(zhì)量、提高紙漿得率、減少蒸汽和化學(xué)品的消耗、降低環(huán)境污染、增加經(jīng)濟(jì)效益的目的。

分布式測控單元是指分布在現(xiàn)場的控制柜和多個測控點。測控單元主要完成兩大任務(wù),一是給上位機(jī)(操作管理部分)提供實時的現(xiàn)場數(shù)據(jù),二是依據(jù)上位機(jī)的指令進(jìn)行相應(yīng)的控制動作(如開、關(guān)閥門等)。

2 基于數(shù)據(jù)驅(qū)動的專家優(yōu)化單元

應(yīng)用專家優(yōu)化方法進(jìn)行模型匹配,首先必須獲取置換蒸煮過程中專家的知識和經(jīng)驗。知識獲取的工作主要包括以下3方面：①置換蒸煮過程中影響紙漿品質(zhì)的工藝指標(biāo)及其定性影響；②置換蒸煮過程中的歷史數(shù)據(jù)和經(jīng)驗數(shù)據(jù)；③確定模式匹配的專家優(yōu)化算法。

獲取的知識表現(xiàn)為“If條件Then動作”的產(chǎn)生式規(guī)則,其中條件是過程的狀態(tài)或者這些狀態(tài)的邏輯組合,動作表示實際操作或者結(jié)論。

2.1 數(shù)據(jù)預(yù)處理

在置換蒸煮過程中,由于測量環(huán)境、測量儀器、測量方法、原料成分波動、外界干擾以及生產(chǎn)操作中人為主觀因素等影響,采集到的原始測量數(shù)據(jù)不可避免地存在誤差。如硫化度是對白液槽中的白液進(jìn)行測量,而一個白液槽要供給幾個蒸煮鍋,存在誤差；木片合格率每班測量2次,每班蒸煮5～6鍋,測量使用的是網(wǎng)篩,誤差較大。針對這些問題,一方面要加強(qiáng)管理,采用先進(jìn)的測量儀器和方法；另一方面需要采用有效的數(shù)據(jù)預(yù)處理方法,去掉誤差數(shù)據(jù)。

2.2 數(shù)據(jù)庫

在置換蒸煮過程中,將多種工藝指標(biāo)(如有效堿濃度、H因子、液比和木片合格率等)的實際測量值全部存放于數(shù)據(jù)庫中。

2.3 操作模式空間

一定的輸入條件(m維)及與之對應(yīng)的操作參數(shù)(n維)所組成的m+n維向量定義為一個操作模式[8],即：

Q=[IT,PT]T=[i1,…,im,p1,…,pn]T

(1)

設(shè)Qj(j=1,2,…,k,…)為任一個操作模式,則由實際生產(chǎn)中所有可能出現(xiàn)的生產(chǎn)狀況所對應(yīng)的操作模式向量組成的空間Vm+n稱為操作模式空間,即：

Vm+n=(Q1,Q2,…,Qk,…)

(2)

2.4 優(yōu)化算法與優(yōu)化操作模式庫

綜合考慮產(chǎn)品的產(chǎn)量、質(zhì)量、能耗、成本和工況穩(wěn)定情況等工藝指標(biāo),建立生產(chǎn)過程的綜合評價模型,在專家系統(tǒng)優(yōu)化算法的作用下,對相同輸入條件下的操作模式進(jìn)行評價,綜合評價為最好的操作模式稱為該輸入條件下的優(yōu)化操作模式；由不同輸入條件下的優(yōu)化操作模式組成的集合形成優(yōu)化操作模式庫。

2.5 最優(yōu)操作模式匹配

置換蒸煮是一種特殊的間歇式蒸煮方式,整個工藝流程包括裝鍋、預(yù)浸、熱充、升溫保溫、置換和卸料6個階段,工藝指標(biāo)之間往往相互影響,為了保證工藝指標(biāo),需要對各個操作參數(shù)進(jìn)行實時調(diào)整,最優(yōu)操作模式匹配,就是針對實際的輸入條件及狀態(tài)參數(shù),從優(yōu)化操作模式庫中搜索出與其最相似的操作模式,并針對各個操作參數(shù)的特點,研究相關(guān)控制作用之間的關(guān)系和策略,以保證置換蒸煮系統(tǒng)的紙漿品質(zhì)最優(yōu)。

圖1中的優(yōu)化操作模式庫中保存有大量的不同輸入條件及工況參數(shù)情況下的優(yōu)化操作模式,事實上相當(dāng)于保存了歷史上大量的優(yōu)化操作專家經(jīng)驗。其基本思想是,利用一種智能的搜索策略,從優(yōu)化操作模式庫中搜索與當(dāng)前工況最相似的操作模式,將其操作參數(shù)作為最優(yōu)操作模式輸出。但是,由于優(yōu)化操作模式庫中數(shù)據(jù)量很大,為提高搜索速度,采用聚類算法將優(yōu)化樣本空間范圍縮小,然后進(jìn)行模式匹配。

采用模糊c均值聚類模式匹配算法進(jìn)行智能優(yōu)化的具體步驟如下。

(1)Step 1建立樣本庫

建立置換蒸煮過程優(yōu)化操作數(shù)據(jù)庫,用于保存歷史上典型工況下的優(yōu)化操作數(shù)據(jù)。數(shù)據(jù)庫中的個體樣本主要由兩部分構(gòu)成：用于樣本聚類的數(shù)據(jù),包括木片的種類、木片的含水量、木片中雜質(zhì)的含量、木片合格率、液比等；用于優(yōu)化操作的數(shù)據(jù),包括有效堿濃度、硫化度、蒸煮的溫度和時間等,這些數(shù)據(jù)可以反映出在與當(dāng)前工況類似的條件下專家的操作經(jīng)驗。當(dāng)前采集獲得的現(xiàn)場數(shù)據(jù)樣本X0包含同樣的內(nèi)容。

(2)Step 2模糊聚類

采用模糊c均值聚類方法對優(yōu)化操作數(shù)據(jù)庫中的樣本進(jìn)行聚類,如果有新的優(yōu)化操作樣本加入則需要重新對樣本進(jìn)行聚類。聚類根據(jù)樣本中木片的種類、木片的含水量、木片中雜質(zhì)的含量、木片合格率、液比進(jìn)行。聚類后優(yōu)化操作樣本分為10大類,第i類的類中心為Ci。當(dāng)前工況樣本與類中心之間的相似性用相似系數(shù)表示。

(3)

式中,xi、xj為兩個樣本,P為樣本中用于聚類的元素個數(shù)。如果樣本中所有元素取正數(shù),則0

(3)Step 3判斷當(dāng)前工況所屬類

計算現(xiàn)場數(shù)據(jù)樣本與10個聚類類中心的相似系數(shù),選擇相似系數(shù)最大的類,作為當(dāng)前工況所屬的類。

(4)Step 4模式匹配

在當(dāng)前類中計算現(xiàn)場樣本與類中各個樣本的相似系數(shù),選擇10個相似系數(shù)最大的樣本,作為與當(dāng)前工況最接近的樣本。

(5)Step 5 優(yōu)化算法的初始值

分別計算這10個樣本的綜合工況指數(shù)S,將S值最小的樣本作為優(yōu)良樣本,將其作為操作參數(shù)優(yōu)化的初始值。

(6)Step 6優(yōu)化算法的輸出值

將Step 5獲得的優(yōu)良樣本作為初始值,然后采用GARPSO算法進(jìn)行優(yōu)化,獲得優(yōu)化結(jié)果,最后進(jìn)行操作參數(shù)的調(diào)整。

3 基于數(shù)據(jù)的卡伯值預(yù)測單元

3.1 置換蒸煮卡伯值的影響因素

置換蒸煮的卡伯值受H因子、有效堿濃度、硫化度、液比、木片合格率以及其他一些因素的影響[9]。其中的H因子、有效堿濃度、硫化度3個參量直接影響脫木素化學(xué)反應(yīng)的速度和程度,對蒸煮終點卡伯值的大小起著決定性作用,其他量的影響可以忽略。

設(shè)紙漿卡伯值為因變量Y,有效堿濃度、硫化度、H因子分別為X1、X2、Xn,忽略次要影響因素,則紙漿卡伯值的數(shù)學(xué)函數(shù)為：Y=f(X1,X2,Xn)。

圖2 卡伯值預(yù)測模型的結(jié)構(gòu)

3.2 卡伯值預(yù)測模型

神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)均是處理不確定性、非線性問題的有力工具。模糊系統(tǒng)中知識的抽取和表達(dá)比較方便,但是缺乏自學(xué)習(xí)和自適應(yīng)能力,而神經(jīng)網(wǎng)絡(luò)則可以直接從樣本中進(jìn)行有效的學(xué)習(xí),但一般不適于表達(dá)基于規(guī)則的知識。基于上述分析,將模糊邏輯與神經(jīng)網(wǎng)絡(luò)適當(dāng)?shù)亟Y(jié)合起來,吸取兩者的長處,則可組成性能良好的模糊神經(jīng)網(wǎng)絡(luò)。

由圖2可知,該預(yù)測模型由前件網(wǎng)絡(luò)和后件網(wǎng)絡(luò)兩部分組成,前件網(wǎng)絡(luò)用來匹配模糊規(guī)則的前件,后件網(wǎng)絡(luò)用來產(chǎn)生模糊規(guī)則的后件。

3.2.1 前件網(wǎng)絡(luò)

前件網(wǎng)絡(luò)由4層組成。第一層為輸入層。它的每個節(jié)點直接與輸入向量的各分量xi連接,它起著將輸入值x=[x1x2x3…xn]T傳送到下一層的作用。因為有H因子、有效堿濃度、硫化度3個輸入量,所以這里的n=3。

(4)

式中,i=1,2,…,n;j=1,2,…,mi。n是輸入向量中所包含變量的個數(shù),mi是每一個變量xi的模糊分割數(shù)。

第三層的每個節(jié)點都代表一條模糊規(guī)則,用來匹配模糊規(guī)則的前件,計算出每條規(guī)則的適應(yīng)度,即：

(5)

第四層的節(jié)點總數(shù)與第三層相同,都為m。作用是實現(xiàn)歸一化計算,即：

(6)

3.2.2 后件網(wǎng)絡(luò)

后件網(wǎng)絡(luò)由3層節(jié)點構(gòu)成。第一層是輸入層,將輸入變量傳送到第二層。輸入層中第0個節(jié)點的輸入值x0=1,其作用是提供模糊規(guī)則后件中的常數(shù)項。第二層共有m個節(jié)點(本設(shè)計中取m=7),每個節(jié)點代表一條規(guī)則,該層的作用是計算每一條規(guī)則的后件,即：

(7)

第三層是輸出層,只有一個節(jié)點,其輸出結(jié)果為：

(8)

3.2.3 網(wǎng)絡(luò)的學(xué)習(xí)算法

首先定義誤差函數(shù)為：

E=(t-y)2

(9)

式中，t表示網(wǎng)絡(luò)的期望輸出值,y為網(wǎng)絡(luò)的實際輸出值。需要學(xué)習(xí)的參數(shù)主要是后件網(wǎng)絡(luò)的連接權(quán)pjl,以及前件網(wǎng)絡(luò)第二層各節(jié)點隸屬度函數(shù)的中心值cji及寬度σji。

參數(shù)pjl學(xué)習(xí)的算法公式為：

(i=1,2,…,n; j=1,2,…,m)

(10)

參數(shù)cji和σji的學(xué)習(xí)算法公式為：

(11)

(12)

3.2.4 模型的訓(xùn)練

在MATLAB的主命令窗口中輸入“anfisedit”命令,就可以打開AnfisEditor編輯器,其界面如圖3所示。

圖3 Anfis Editor編輯器界面

本文將從四川某竹漿廠置換蒸煮車間采集的數(shù)據(jù)經(jīng)過預(yù)處理和歸一化后,直接導(dǎo)入MATLAB的workspace中,從樣本數(shù)據(jù)中選擇安裝序號,每隔10組取一組出來作為檢驗數(shù)據(jù),組成一個擁有20組數(shù)據(jù)的集合作為檢驗數(shù)據(jù),剩下的180組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。經(jīng)過數(shù)據(jù)導(dǎo)入和數(shù)據(jù)加載,在AnfisEditor窗口的TrainFIS區(qū)域中對數(shù)據(jù)進(jìn)行訓(xùn)練,訓(xùn)練完成后,在AnfisEditor窗口的TestFIS區(qū)域?qū)ο到y(tǒng)進(jìn)行測試。對系統(tǒng)測試時,選擇訓(xùn)練數(shù)據(jù)與系統(tǒng)輸出進(jìn)行對比,對比結(jié)果如圖4所示。

通過對比可以看出,網(wǎng)絡(luò)的輸出和實際的樣本值之間的誤差很小(平均誤差約為0.04),預(yù)測值能準(zhǔn)確地反映實際值。

圖4 訓(xùn)練樣本預(yù)測效果圖

4 工業(yè)應(yīng)用

基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測系統(tǒng)已經(jīng)成功應(yīng)用于四川某竹漿廠置換蒸煮系統(tǒng)中,圖5為置換蒸煮系統(tǒng)卡伯值實際值與預(yù)測值的對比圖,圖6為生產(chǎn)中的預(yù)測系統(tǒng)界面。由圖5、圖6可以看出,基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測系統(tǒng)較好地實現(xiàn)了置換蒸煮系統(tǒng)卡伯值的在線預(yù)測,預(yù)測結(jié)果較準(zhǔn)確,預(yù)測精度滿足實際要求。

圖5 置換蒸煮系統(tǒng)卡伯值實際值與預(yù)測值的對比圖

圖6 置換蒸煮卡伯值預(yù)測系統(tǒng)界面

5 結(jié) 語

本課題分析了置換蒸煮過程的特點,針對置換蒸煮過程卡伯值無法在線測量的問題,提出了基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測方法,給出了總體控制框圖,說明了控制框圖中各個組成單元的結(jié)構(gòu)和作用,設(shè)計了基于數(shù)據(jù)的卡伯值在線預(yù)測模型,仿真結(jié)果和工業(yè)實際應(yīng)用效果均表明該方法的有效性。隨著“德國工業(yè)4.0”和“中國制造2025”的提出,基于數(shù)據(jù)驅(qū)動的置換蒸煮卡伯值在線預(yù)測方法必將不斷改進(jìn),具有廣闊的應(yīng)用前景。

[1]SHISheng-tao,JIANGQing-sheng,JIANGYan-li.TheFeaturesofDDSCookingSystem[J].ChinaPulp&Paper, 2011, 30(9): 44. 時圣濤, 江慶生, 姜艷麗.DDS間歇置換蒸煮的特色[J]. 中國造紙, 2011, 30(9): 44.

[2]CHENBin.CurrentStatusandDevelopmentofBambooPulping&PapermakingTechnology[J].ChinaPulp&Paper, 2010, 29(12): 62. 陳 彬. 竹材制漿技術(shù)發(fā)展現(xiàn)狀[J]. 中國造紙, 2010, 29(12): 62.

[3]LIUHuan-bin.TheoryandTechnologyofSoft-measurementforPulpCharacters[M].Beijing:ChinaLightIndustryPress, 2009. 劉煥彬. 紙漿性質(zhì)軟測量原理與技術(shù)[M]. 北京： 中國輕工業(yè)出版社, 2009.

[4]ShanHong-liang,WangWen-hai,SunYou-xian.Summarizationofsoftmeasurementmodelingonbatchcookingprocess[J].TransactionsofChinaPulpandPaper, 2003, 18(2): 195. 單鴻亮, 王文海, 孫優(yōu)賢. 間歇蒸煮過程軟測量建模綜述[J]. 中國造紙學(xué)報, 2003, 18(2)： 195.

[5]LiYan,ZhangJian,ZhuXue-feng,etal.NewDevelopmentandApplicationofSoftSensingMethodsofKappaNummber[J].ChinaPulp&Paper, 2003, 22(7): 41. 李 艷, 張 建, 朱學(xué)峰, 等. 紙漿卡伯值軟測量模型的研究與應(yīng)用[J]. 中國造紙, 2003, 22(7): 41.

[6]ZHANGJian.ResearchonimprovingtheaccuracyofSoftSensorforKappaNumberEstimationinPulpCookingProcess[D].Guangzhou:SouthChinaUniversityofTechnology, 2004. 張 健. 提高制漿蒸煮過程紙漿卡伯值軟測量精度的研究[D]. 廣州： 華南理工大學(xué), 2004.

[7]HuangJun-mei,TangWei,XuBao-hua,etal.KappaNumberPredictionModelofCookingProcessBasedonBPNeuralNetwork[J].ControlandInstrumentsinChemicalIndustry, 2010, 37(11): 34. 黃俊梅, 湯 偉, 許保華, 等. 基于BP神經(jīng)網(wǎng)絡(luò)的蒸煮卡伯值預(yù)測模型[J]. 化工自動化及儀表, 2010, 37(11): 34.

[8]WUTie-bin,YANGChun-hua,LIYong-gang,etal.FuzzyOperational-patternBasedOperatingParametersCollaborativeOptimizationofCobaltRemovalProcesswithArsenicSalt[J].ActaAutomaticaSinica, 2014, 40(8): 1690. 伍鐵斌, 陽春華, 李勇剛, 等. 基于模糊操作模式的砷鹽除鈷過程操作參數(shù)協(xié)同優(yōu)化[J]. 自動化學(xué)報, 2014, 40(8): 1690.

[9]TANGWei,GANWen-tao,DANGShi-hong,etal.TheRealizationofOPCBasedKappaNumberSoftMeasurement[J].ChinaPulp&Paper, 2015, 34(2): 45. 湯 偉, 甘文濤, 黨世紅, 等. 基于OPC技術(shù)卡伯值軟測量的實現(xiàn)[J]. 中國造紙, 2015, 34(2): 45.CPP

(責(zé)任編輯：劉振華)

Displacement Cooking Kappa Value Online Prediction Based on Data-driven

DANG Shi-hong1,2,*TANG Wei1GAN Wen-tao1YANG Peng-fei1

(1.CollegeofLightIndustryandEnergy,ShaanxiUniversityofScience&Technology,Xi’an,ShaanxiProvince, 710021;2.ElectromechanicalInstitute,XianyangVocational&TechnicalCollege,Xianyang,ShaanxiProvince, 712000)(*E-mail: dangshihong@163.com)

Aiming to the difficulty of Kappa value online measurement in displacement cooking, this paper proposed a data-driven method to online predict Kappa value in displacement cooking. Based on the analysis of the features of displacement cooking process, an online prediction frame of Kappa value in displacement cooking based on data-driven was proposed, a pattern-matching optimization calculation was presented and a model of data-driven Kappa value online prediction was designed. The results of simulation and production application confirmed the effectiveness of the method．

data-driven; displacement cooking; Kappa value; optimization of operation mode; fuzzy neural network

2016- 05-23(修改稿)

國家國際科技合作項目(2010DFB43660)；陜西省科技廳國際科技合作項目(2011KW-11(2))；咸陽市科技研究項目(2014k03- 05)。

黨世紅先生,在讀博士研究生；研究方向：工業(yè)自動化與智能控制。

TP27;TS736

A

10.11980/j.issn.0254- 508X.2016.12.007