软测量方法

1. 打浆度的中浓打浆打浆度软测量

造纸工业是我国的传统产业,是一个与国民经济发展及人类文明建设息息相关的重要基础原材料产业。而打浆工段是制浆造纸工艺流程中的一个重要环节,改善打浆质量及降低能耗对造纸工业的发展具有重要意义。中浓打浆方式与低浓打浆方式相比,减小了纤维被切断的概率,较好保留了纤维长度,改善了纸浆的强度指标。本文针对ZDPM中浓盘磨机,通过分析影响中浓打浆打浆质量的各类过程参数,分别建立了基于打浆比能量负荷理论与BP神经网络的软测量模型。 本文首先阐述了打浆工段的工程背景、打浆机理、打浆质量的表征及软测量技术,并详细介绍了打浆理论及打浆质量表征的国内外最新研究成果。针对OMG(旧杂志)废纸浆的中浓磨浆,ZDPM中浓盘磨机有其最佳的磨浆浓度,利用ZDPM中浓盘磨机在相同产量、不同磨浆浓度下进行了实验,并研究了磨浆前后打浆度、纤维形态、成浆质量的变化。 然后对ZDPM中浓盘磨机中浓打浆系统主要影响因素进行分析,同时分析了影响因素的可测量性。详细介绍了中浓打浆工艺流程、数据采集方案及数据预处理方法。由于纸浆浓度只能离线测量,本实验在中浓盘磨机最佳磨浆浓度9%进行OMG(旧杂志)废纸浆磨浆。 针对ZDPM中浓盘磨机正常磨浆时进浆口管道存在真空度这一新发现,推导了ZDPM中浓盘磨机最大可允许通过量公式,分析了进浆口真空度存在原因,利用多项式回归分析了纸浆流量与进浆口真空度关系。 其次分析了ZDPM中浓盘磨机有效打浆功率及无效打浆功率,探讨了ZDPM中浓盘磨机的有效打浆功率及比能的确定方法。实验表明:基于有效打浆功率的比能模型用于中浓打浆打浆度预测是可行的。 最后建立了三层结构的打浆度BP神经网络模型,并进行了模型验证。

2. 影响软测量的主要因素

软测量是把生产过程知识有机的结合起来，应用计算机技术对难以测量或者暂时不能测量的重要变量，选择另外一些容易测量的变量，通过构成某种数学关系来推断或者估计，以软件来替代硬件的功能。应用软测量技术实现元素组分含量的在线检测不但经济可靠，且动态响应迅速、可连续给出萃取过程中元素组分含量,易于达到对产品质量的控制。
1：机理分析主要是明确软测量的任务，确定主导变量，深入了解和熟悉装置的工艺流程，通过机理分析初步确定辅助变量。辅助变量包括变量类型、变量数目和检测点位置。辅助变量的选择应符合关联性、特异性、过程适应性、精确性和鲁棒性。辅助变量的下限是被估计的主导变量数，但是上限没有统一的理论指导，可以根据系统的自由度和生产过程的特点适当的增加上限值。

2：理论上数据采集量是多多益善，不仅可以用来建模还可以检验模型。为了保证软测量的精确性，数据采集要正确、可靠，并且进行处理：换算和误差处理。换算包括标度、转换和权函数三个个方面。误差分析主要是指随机误差和过失误差。随机误差可以采用滤波的方法解决，过失误差的解决方法有统计假设校验法、广义似然法、贝叶斯法及近年来出现的神经网络方法。

3：软测量建模是软测量技术的关键和难点，主要方法有机理建模、实验建模及二者结合建模方法。

过程机理建模的优点是可以充分利用已知的过程知识，从事物的本质认识外部特征，使用范围较大，但是对于某些复杂的过程难以建模。

3. 高分子加工的在线检测方法有哪些

常用的有在线检测粘度分子量、转化率、激光飞秒检测方法等，优点：直接安装在生产线上，实时检测，实时反馈，不影响生产。
近年来，在工业上不管是在先进控制策略的应用过程中还是对产品质量的直接控制过程中，一个最棘手的问题就是难以对产品的质量变量进行在线实时测量。软测量正是为了解决这类变量的实时测量和控制问题而逐渐发展起来的。在线连续检测技术，根源于推理控制中的推理估计器，即采集某些容易测量的变量（也称二次变量或辅助变量），并构造一个以这些易测变量为输入的数学模型来估计难测的主要变量（也称主导变量）。