在造紙工業(yè)自動化控制中運用人工神經(jīng)網(wǎng)絡進行建模和工藝優(yōu)化的研究日趨深入,人工神經(jīng)網(wǎng)絡因其具有逼近任意非線性函數(shù)的能力,具有自學習、自適應能力以及可以多輸入、多輸出,使其在造紙過程的各個領域都有成功運用的范例,涉及了從蒸煮、漂白、施膠系統(tǒng)直至紙頁翹曲的控制、斷紙的診斷以及定量、游離度的控制和涂料的成分定量分析等制漿造紙工藝過程的各個環(huán)節(jié),在煙道氣中氮、硫等有害物質(zhì)的排放預測中,神經(jīng)網(wǎng)絡的bp算法和模型都有著成功的應用。人工神經(jīng)網(wǎng)絡在這些方面的應用,解決了許多傳統(tǒng)方法不能解決的問題,整體上提高了紙頁的質(zhì)量。下面就人工神經(jīng)網(wǎng)絡在造紙工業(yè)過程中的一些應用實例進行介紹。

　　1　人工神經(jīng)網(wǎng)絡對于蒸煮過程的研究

　　由于蒸煮過程是一個極為復雜的非線性過程,很難能用一個十分精確的數(shù)學模型來描述這個過程。因此,利用現(xiàn)有的操作信息來控制蒸煮過程是極為困難的。

　　而實驗證明,利用人工神經(jīng)網(wǎng)絡則可以有效地控制蒸煮過程。下面主要介紹對于卡伯值以及Ｈ因子的控制與研究。

　　1 1　對間歇蒸煮卡伯值的研究與控制[1]在蒸煮過程中,脫木素的程度可以由卡伯值來衡量,它代表紙漿中木素含量的高低,是蒸煮過程紙漿的主要質(zhì)量指標之一,且紙漿的目標卡伯值是蒸煮結(jié)束的主要標志�？ú�值在蒸煮過程中是變化的,不能被直接測量,但可以根據(jù)蒸煮溫度和蒸煮液濃度來估計。

　　(1)卡伯值估計:Williams等人根據(jù)蒸煮過程控制的非線性,研究使用模糊神經(jīng)網(wǎng)絡(FNN)來估計卡伯值[2]。所測量的參數(shù)是溫度和有效堿,把它們輸入到模糊神經(jīng)網(wǎng)絡中,然后輸出得到卡伯值的估計值,并通過對網(wǎng)絡進行訓練來學習繪制輸入變量(蒸煮溫度和有效堿含量)和輸出變量(卡伯值)之間的關系圖。訓練數(shù)據(jù)通過非線性模型來獲得。根據(jù)實際的間歇蒸煮工藝,模擬時間是2ｈ。初始權(quán)值設為零,在反向傳播中的學習速率從0001到00001。相應于72000次均方差為0503的重復訓練,訓練在80個訓練值的900次表達后停止。

　　(2)卡伯值控制:研究中利用FNN控制器控制溫度和循環(huán)液流速來實現(xiàn)對卡伯值的控制。FNN控制器中輸入的是參考卡伯值和估計值之間的誤差ｅ(ｋ)和誤差增量△ｅ(ｋ),輸出的是藥液循環(huán)溫度Ｔｒ和流速Fｒ。

　　1 2　對連續(xù)蒸煮卡伯值的預測許多研究者因為神經(jīng)網(wǎng)絡有黑箱的弱點而拒絕使用,即對神經(jīng)網(wǎng)絡為什么給出一種這樣或那樣的決策作出恰當?shù)慕忉屖欠浅＠щy的。因此人們將模糊理論與神經(jīng)網(wǎng)絡結(jié)合,形成更高的智能系統(tǒng)[3]。例如Musavi等人發(fā)展了神經(jīng)模糊系統(tǒng)(ＮFS),在連續(xù)蒸煮器中來預測卡伯值。神經(jīng)模糊系統(tǒng)技術利用Ｋ因子模糊器和改良模糊消除器[4]。模糊規(guī)則的基礎決定于實驗觀測到的輸入/輸出數(shù)據(jù),這些數(shù)據(jù)經(jīng)過了一個迭代規(guī)則,即置信矩陣訓練算法和一個最大/最小模糊推理引擎。

　　這種引擎用于規(guī)則解釋程序。同時利用一種混合式的反向傳遞—遺傳算法訓練程序來調(diào)諧各元件的作用。此外,鄢烈祥等人將神經(jīng)網(wǎng)絡降維分析法應用于制漿蒸煮過程,揭示出了蒸煮工藝參數(shù)間的內(nèi)在聯(lián)系和對紙漿得率及卡伯值的關系[5]。優(yōu)化計算結(jié)果表明:對于以木料為原料的蒸煮工藝,在控制紙漿卡伯值于一定范圍的條件下,提高最高溫度,適當降低保溫時間,減少用堿量和蒽醌用量,能明顯提高紙漿得率,降低操作費用,提高經(jīng)濟效益。

　　1 3　對紙漿卡伯值的Ｈ因子控制Ｈ因子是用木素反應的活化能計算的蒸煮相對反應速率與時間作圖所得曲線下的面積,其數(shù)值的實質(zhì)是蒸煮過程的木素脫除量。換句話說,一定的Ｈ因子數(shù)對應紙漿中一定的殘余木素量[6]。用人工神經(jīng)網(wǎng)絡方法,可以在一定的蒸煮條件下,來確定多少的蒸煮Ｈ因子,來達到所需的紙漿硬度,即進行蒸煮過程紙漿卡伯值的控制。羅琪等人建立了蒸煮過程中的紙漿卡伯值的人工神經(jīng)網(wǎng)絡模型[7],如圖1所示。他們利用bp控制網(wǎng)絡以紙漿的卡伯值(以高錳酸鉀值計)、用堿量(%)和液比為輸入?yún)��?shù),Ｈ因子作為輸出參數(shù),隱層的節(jié)點數(shù)選為6個,其中訓練步長α=0 1,沖量因子η=0 6。然后確定優(yōu)化目標,即形成紙漿的目標卡伯值,加上蒸煮初始的條件用堿量和液比作為輸入,從而得出想要的Ｈ因子[8]。


　　2　人工神經(jīng)網(wǎng)絡在漂白中的應用

　　紙漿漂白過程是一個多變量多指標的工藝過程,實現(xiàn)其優(yōu)化操作有一定的困難,這是由于紙漿漂白過程的機理較復雜,目前還不能建立起漂白指標與影響因素間的機理模型,而用傳統(tǒng)的回歸分析方法同時建立多個指標的回歸方程精度難以滿足要求[9]。紙漿漂白工藝條件的優(yōu)化是一個非線性多約束優(yōu)化問題,用常規(guī)計算方法得到的最優(yōu)點往往在約束線的邊界和交點處,一旦操作點偏離最優(yōu)點,某個或某幾個指標就會急劇地變差。因而對于這種難以建立精確數(shù)學模型又是多約束的非線性優(yōu)化問題,尋求最優(yōu)點的實用價值不大。有實際意義的做法是進行區(qū)域優(yōu)化,即尋求比最優(yōu)點稍遜,但能協(xié)調(diào)各個指標使之都達到較滿意的穩(wěn)定操作區(qū)域。鄢烈祥等人將人工神經(jīng)網(wǎng)絡技術用于紙漿漂白工藝過程,建立了漂白因素與漂白效果的網(wǎng)絡模型。

　　實驗證明,用實驗數(shù)據(jù)對網(wǎng)絡訓練后,網(wǎng)絡能準確預報漂白效果[10]。此外他們還將神經(jīng)網(wǎng)絡和統(tǒng)計分析結(jié)合起來,提出了確定漂白工藝的區(qū)域優(yōu)化方法,將漂白試驗數(shù)據(jù)的各個指標進行綜合評定分成好壞兩類后,應用人工神經(jīng)網(wǎng)絡的高度分類功能來識別漂白效果的好壞類別,實現(xiàn)對漂白工藝操作的預測[11]。

　　3　神經(jīng)網(wǎng)絡在煙道氣排放控制與預測中的應用[12]

　　制漿造紙廠的排放受到越來越嚴格的法規(guī)限制。以煙道氣主要成分NOｘ、SOｘ或co的排放控制為例,最為常用的排放量測量方法,是采用連續(xù)排放監(jiān)測系統(tǒng)(cＥMS)進行監(jiān)測,但這種系統(tǒng)的精確度和可靠性達不到新的地方排放標準,并且購買、安裝和維護費用也很高,而且監(jiān)測的可靠性和精確性也不高。為了提高監(jiān)測的可靠性和精確性,同時節(jié)省開支,基于人工神經(jīng)網(wǎng)絡的預測性排放監(jiān)測系統(tǒng)(ＰＥMS),作為連續(xù)排放監(jiān)測系統(tǒng)的替代方式,正得到廣泛的接受。ＰＥMS利用數(shù)學模擬技術,配合有力的軟件系統(tǒng),由與其它已知工藝限值的關系推出排放測量數(shù)據(jù),而不是直接地進行測量。

　�。校臡S使用的神經(jīng)網(wǎng)絡軟件包由三部分組成:(1)數(shù)據(jù)采集和預處理;(2)網(wǎng)絡訓練;(3)網(wǎng)絡驗證。采用ＰＥMS在保證測量精度的條件下有效地降低了煙道氣有害物質(zhì)的監(jiān)控費用,實驗證實,基于人工神經(jīng)網(wǎng)絡的ＰＥMS預測結(jié)果與硬件分析器的實際測量結(jié)果的相關性超過95%。

　　4　人工神經(jīng)網(wǎng)絡預測紙張翹曲

　　紙張翹曲對于造紙廠來說是個嚴重的問題,亦是一個難以預測的質(zhì)量測量實例,因為它涉及到的影響因素很多,例如:紙頁兩邊干燥速率的不同,紙頁內(nèi)部水分的不均勻以及纖維內(nèi)部的機械應力等等。國外學者研究結(jié)果表明,紙張翹曲可以以某種有價值的準確度加以預測[13],具體地說,可在生產(chǎn)之前預測初卷紙卷的翹曲度是否會在規(guī)定指標范圍內(nèi),以及預測有可能發(fā)生的實際翹曲程度。

　　人工神經(jīng)網(wǎng)絡可以通過建立紙張翹曲過程的模型,在紙卷生產(chǎn)出來之前預測紙張翹曲。研究提出的表征當前紙卷狀態(tài)的參數(shù),可作為神經(jīng)網(wǎng)絡的輸入數(shù)據(jù),通過所建立的模型,來預測翹曲的最終水平是否在要求的規(guī)定指標范圍內(nèi)。同時,輸入同樣的數(shù)據(jù)到另外一個網(wǎng)絡,并建立模型來預測翹曲的絕對水平。這樣,就可以有效地控制紙頁的翹曲程度,達到提高紙張質(zhì)量的目的。

　　5　人工神經(jīng)網(wǎng)絡診斷紙機斷紙

　　紙機斷紙是一種復雜的現(xiàn)象,可能有多種因生產(chǎn)過程而大幅度變化的起因。利用常規(guī)的統(tǒng)計方法來確定斷紙的確切起因是極為困難的。然而在解決此類問題上,人工神經(jīng)網(wǎng)絡方法顯示出巨大的優(yōu)越性。Takanori等人研究利用多層神經(jīng)網(wǎng)絡和bp算法來分析紙頁斷紙的原因,診斷商業(yè)新聞紙斷紙問題[14]。神經(jīng)網(wǎng)絡所需過程數(shù)據(jù)由該紙機的分布式控制系統(tǒng)進行采集,進一步的數(shù)據(jù)(ｚｅｔａ電位、網(wǎng)部留著率、傳導率和ｐＨ值)由專為研究安裝的聯(lián)機濕部傳感器加以測量。

　　人工神經(jīng)網(wǎng)絡診斷顯示,通過改變濕部化學性質(zhì)和提高網(wǎng)部留著率有可能減少斷紙問題,節(jié)省大量成本,減少了纖維流失,減少了工人清洗、復卷和重開紙機的時間。該研究還將人工神經(jīng)網(wǎng)絡與傳統(tǒng)統(tǒng)計方法進行了比較,結(jié)果表明:人工神經(jīng)網(wǎng)絡方法在解決紙機斷紙問題上有更大的優(yōu)越性,可以更精確地對斷紙進行診斷,減少斷紙問題,提高企業(yè)效益。

     6　神經(jīng)網(wǎng)絡在濕部化學過程控制的應用

     國內(nèi)外對于濕部化學的過程控制尚處于實驗室階段,國內(nèi)對建立濕部中性施膠系統(tǒng)的數(shù)學模型以及模型的計算機仿真進行了初步研究。由于造紙濕部化學的機理非常復雜,影響因素很多,僅用機理分析的方法或參數(shù)估計法,難以建立有效的數(shù)學模型。朱勇強等人以造紙濕部的中性施膠系統(tǒng)作為研究對象,并采用人工神經(jīng)網(wǎng)絡進行智能建模的研究[15]。研究結(jié)果表明,將人工神經(jīng)網(wǎng)絡用于建立復雜的造紙濕部化學系統(tǒng)中性施膠的數(shù)學模型是可行的。采用該數(shù)學模型能有效地仿真中性施膠系統(tǒng)施膠劑用量和淀粉用量對施膠效果的影響。在該實驗中,bp神經(jīng)網(wǎng)絡被用來建立中性施膠系統(tǒng)的數(shù)學模型,并用實驗室中性施膠實驗的數(shù)據(jù)來訓練該神經(jīng)網(wǎng)絡。神經(jīng)網(wǎng)絡的基本結(jié)構(gòu)是2-5-2-1,即網(wǎng)絡的輸入層有2個變量與施膠劑和陽離子淀粉用量映射,第一隱層有5個神經(jīng)元,第二隱層有2個神經(jīng)元,輸出層有1個變量與施膠效果映射。研究通過反向誤差傳播算法來進行訓練。

　　7　人工神經(jīng)網(wǎng)絡對氣體洗滌機進行模擬

　　氣體洗滌過程是一種潮濕廢氣流與過程水直接接觸的過程,通常用物理模型來描述,但是,物理過程的模擬通常需要解決大量不同的初始條件和/或邊界條件方程,而且物理模型的傳質(zhì)傳熱過程依靠幾個經(jīng)驗相關性。而利用人工神經(jīng)網(wǎng)絡來模擬氣液流之間復雜的流體動力學現(xiàn)象,能夠為預測氣體洗滌機提供所需工作參數(shù)的非經(jīng)典解。Milosavljevic等人利用人工神經(jīng)網(wǎng)絡對兩臺洗滌機進行模擬時[16],所用的人工神經(jīng)網(wǎng)絡由7個輸入神經(jīng)元(在輸入層)、一個輸出神經(jīng)元(在輸出層)和一個隱層組成。輸入數(shù)據(jù)包括:供給空氣的質(zhì)量流率(ｘ1)、供給空氣溫度(ｘ2)、供給空氣進口濕度(ｘ3)、水的質(zhì)量流率(ｘ4)、進口水溫(ｘ5)、洗滌機高度(ｘ6)、噴嘴水壓(ｘ7),輸出數(shù)據(jù)為洗滌機的出口水溫度。輸入變量ｘｐ=(ｘｐ1,ｘｐ2,...,ｘｐＮ)應用到網(wǎng)絡的輸入層[17-18],輸入層的結(jié)果傳到隱層。

　　Milosavljevic等利用物理模型進行洗滌機模擬時,采用了標準方差來評價預測值與測量值之間的差異，ｄｐｋ是預測出口水溫,Oｐｋ是神經(jīng)網(wǎng)絡的實驗出口水溫,ｐ代表第ｐ個訓練向量,ｋ代表第ｋ個輸出單元。當利用物理模型進行模擬時,預測出口水溫度與實驗得到的出口水溫度的誤差為2 29℃,而人工神經(jīng)網(wǎng)絡用于模擬時,誤差僅為0 99℃[16]。人工神經(jīng)網(wǎng)絡的精確結(jié)果可減少設備成本,并且可以更好地利用潮濕廢氣的能量,同時使產(chǎn)品的質(zhì)量更加穩(wěn)定。可見,利用神經(jīng)網(wǎng)絡進行洗滌機模擬,不僅可以避免氣液流動復雜的流體動力學現(xiàn)象,而且能提供好的非線性解決方案。在制漿造紙干燥過程中,如能正確利用神經(jīng)網(wǎng)絡,則能得到很大的益處。

　　8　神經(jīng)網(wǎng)絡在紙張定量控制中的應用

　　造紙過程是一個非常復雜的物理化學過程。影響紙張的性能因素很多,紙張定量是紙張最重要的性能指標之一。影響紙張定量變化的因素很多,包括漿濃、堰板開口度、漿流量、漿網(wǎng)速比、白水濃度、濾水性以及漿料留著率等等。對紙張定量進行控制,就要求通過調(diào)節(jié)漿流量來克服其它影響因素。

　　由于造紙廠經(jīng)常接受生產(chǎn)不同紙種紙張的任務,因此希望造紙機定量控制系統(tǒng)能在各種可能情況下均有較好的控制性能。因此要求所用控制系統(tǒng)能適應各種控制環(huán)境,使紙機在生產(chǎn)各種紙張時能實現(xiàn)定量的良好控制。王艷等人利用人工神經(jīng)網(wǎng)絡方法實現(xiàn)了紙機的定量控制,以經(jīng)過訓練的神經(jīng)網(wǎng)絡控制器代替常規(guī)控制器,同時達到對多個模型的控制,進而達到對不確定系統(tǒng)的控制[19]。神經(jīng)網(wǎng)絡控制器具有如下結(jié)構(gòu):含有一個隱層的前傳網(wǎng)絡,輸入層具有7個節(jié)點,隱層具有9個節(jié)點,輸出層具有1個節(jié)點。訓練后的神經(jīng)網(wǎng)絡控制器分別用于設計控制器的3個被控對象,其單位階躍響應如圖2所示。ｋ=0～100,ｋ=100～200,ｋ=200～300分別作用于對象1、2、3的階躍響應。從曲線可以看出,采用單一的神經(jīng)網(wǎng)絡控制器,可以實現(xiàn)由3個模型構(gòu)成的不確定造紙機定量過程的良好控制。



　　9　神經(jīng)網(wǎng)絡用于造紙用涂料的定量分析

　　人工神經(jīng)網(wǎng)絡在化學特別是分析化學上的應用是廣泛的,應用領域包括紅外光譜解釋[20]、13cＮMＲ位移的預測[21]和氨基酸中質(zhì)子的化學位移[22]等。LｕｄMｉLａ等人研究利用簡單的三層人工神經(jīng)網(wǎng)絡來定量分析造紙用涂料中的三種主要成分,即苯乙烯、丁二烯和碳酸鹽[23]。他們通過讓人工神經(jīng)網(wǎng)絡進行監(jiān)督學習,構(gòu)造出與紅外光譜和三種主要成分濃度有關的非線性模型。

　　在三層人工神經(jīng)網(wǎng)絡中,第一層接受導數(shù)紅外光譜的強度向量,然后利用S(SｉｇMOｉｄ)激勵函數(shù)作非線性變換,輸出的結(jié)果再經(jīng)第二層處理,第三層的輸出結(jié)果代表了目標濃度。在神經(jīng)網(wǎng)絡里有538個輸入神經(jīng)元,50個隱藏神經(jīng)元和3個輸出神經(jīng)元。輸入層的大小由光譜的邊界決定,輸出層包括所有的目標變量。實驗中通過將訓練集分為3個區(qū)域:一個亮區(qū)和兩個暗區(qū)。

　　其中,亮區(qū)是濃度為50%的碳酸鹽樣品圖像,兩個暗區(qū)分別是濃度為0%和100%的碳酸鹽樣品圖像。并通過實驗數(shù)據(jù)得到苯乙烯和丁二烯的近似關系式:LS/Lｂ=2 5該研究結(jié)果表明,人工神經(jīng)網(wǎng)絡與其它分析手段(主成分分析法和最小二乘法)相比,神經(jīng)網(wǎng)絡是最可靠而且有效的分析工具。并證明,對于中濃的碳酸鹽(50%)來說,誤差要比最小二乘法(苯乙烯為6%,丁二烯為11%,碳酸鹽為5%)小。

　　此外,徑向基函數(shù)神經(jīng)網(wǎng)絡(ＲＢF)已經(jīng)用于模擬生產(chǎn)過程中紙的光學性質(zhì)[24],利用多重分辨率分析和快速正交檢索訓練技術來映射過程變量和成紙的光學性質(zhì)(亮度和透明度)之間的關系。同時,人工神經(jīng)網(wǎng)絡還可用于提高紙頁的平滑度[25],控制漿料的游離度[26]等。

　　10　結(jié)束語　　

　　人工神經(jīng)網(wǎng)絡是一種新的預測與控制技術,又是一種適用廣泛的黑箱建模方法,不僅可以應用在造紙工業(yè)過程控制,也可用于一些基礎研究方面。根據(jù)神經(jīng)網(wǎng)絡結(jié)構(gòu)特性,在造紙工業(yè)中具有潛力的應用研究前景的課題可能包括以下幾個方面[27]:(1)纖維原料種類識別;(2)對于紙頁勻度及紙漿絮聚度的定量分析和評價;(3)印刷用紙的印刷適應性評價;(4)各種光譜譜圖的解析與各種官能團的智能識別。

　　可見,人工神經(jīng)網(wǎng)絡技術不僅解決了很多利用傳統(tǒng)方法不能解決的難題,而且可以大幅度地提高紙張的質(zhì)量和檔次,增加企業(yè)的經(jīng)濟效益,因此必將為造紙工業(yè)的發(fā)展帶來新的契機,人工神經(jīng)網(wǎng)絡在推動造紙工業(yè)進步中具有廣闊的應用前景。