基于遗传算法的打浆优化控制

根据打浆过程控制方式,以打浆能耗和湿重作为优化目标,提出优化方案,并利用遗传算法实现优化,在保证纸张质量的前提下,节省能耗,简化操作.     

基于遗传算法的打浆优化控制

根据打浆过程控制方式,以打浆能耗和湿重作为优化目标,提出优化方案,并利用遗传算法实现优化,在保证纸张质量的前提下,节省能耗,简化操作.     

基于自适应模糊策略的打浆功率加权优化控制

主要研究造纸生产线上打浆过程的最优控制问题。针对打浆功率控制系统中存在的非线性、时变性、时滞性和严重的噪声干扰，及所造成的系统动、稳态性能差和最优工作点漂移的问题，提出一种具有优化和自适应调节功能的新型模糊控制策略。以功率误差和控制输出改变量的加权平方和为优化目标函数进行优化计算；根据优化结果在线调整基础模糊控制级中的模糊推理运算，以实现打浆质量的优化和过渡过程的平稳。研究表明，该方法能够使打浆能耗降低、纤维切断减少、帚化程度增加，使浆张质量的诸多物理性质普遍提高，系统稳定性和鲁棒性增强。     

基于软测量技术的中浓打浆过程优化控制

分析了影响打浆质量的诸多因素，提出了打浆度软测量技术及盘磨磨损时间补偿的计算方法，并建立了功率了最小优化模型，设计了实用的控制系统，节能效果明显，技术水平先进。     

打浆过程DCS控制实例

分析了某造纸厂打浆的过程,然后针对其DCS实施情况,依次介绍了硬件、网络和软件的实现过程及注意事项.     

APMP制浆过程中打浆的控制

在APMP制浆过程中，扣入化学药品量一定的条件下，盘彦打浆过程的工艺操作务件的控制是成浆质量好坏的关键，尤其是物理强度，起决定作用。     

打浆度的智能检测与优化控制

针对目前国内在制浆造纸工业中打浆度无法在线测量的难题,分析了打浆度与进浆浓度、进浆流量、进浆压力、打浆消耗的电功率、打浆前后纸浆的温差、打浆时间及原打浆度等参数的关系,提出了基于FBP算法的打浆度软测量技术,成功地完成了打浆度的在线检测,并将此测量方法运用于打浆度的优化控制中,取得了良好的控制效果。     

盘磨机打浆过程的控制

讨论了造纸厂废纸车间盘磨机的控制方案，及其在某厂成功实施的经验     

基于自适应交叉、变异遗传算法的PID整定

提出了一种带有自适应交叉、变异算子的遗传算法，并把它应用到PID参数的整定当中，仿真结果表明，该方法提高了参数的优化性能，对控制系统具有良好的控制精度、动态性能和鲁棒性。     

非织造布卷绕机旋臂机构的生产问题与解决措施

为了克服卷绕机旋臂四杆机构不能准确将卷绕轴输送到工作位置和准备位置而发生卷布和落布故障以及机构运转性能差的缺点,建立了旋臂四杆机优化数学模型。以从动件在极限位置时的输出角位移与理想角位移的误差平方和最小和四杆机构的最小传动角最大为双优化目标,合理搭配各构件的几何尺寸,并利用遗传算法求解优化问题。设计实例显示了较好效果。     

基于遗传退火算法的数据库多连接查询优化算法

结合多连接查询的特点,提出将侧重于全局搜索的遗传算法与侧重于局部搜索的模拟退火算法相结合的数据库多连接查询优化算法:先从一组随机产生的初始种群开始全局最优解的搜索,通过选择、交叉、变异等遗传操作产生新一代种群,然后对新个体进行模拟退火操作,将结果作为下一代种群中的个体.如此反复迭代进行,到满足最终条件为止.仿真实验验证了该算法的有效性.     

基于神经网络和遗传算法的锭子弹性管性能优化

为得到减振弹性管对下锭胆的支承弹性和锭子高速运动下的稳定性等性能的最优匹配效率,依据减振弹性管的等效抗弯刚度及底部等效刚度系数公式,利用MatLab数值分析软件构建弹性管抗弯刚度和底部挠度数学模型。首先,结合Isight优化软件基于径向基神经网络构建其近似模型,且使精度达到可接受水平,并以模型的关键结构参数弹性模量、螺距、槽宽、壁厚为设计变量,结合遗传算法对弹性管抗弯刚度和底部挠度进行多目标优化设计,得到Pareto最优解集和Pareto前沿图,确定出减振弹性管结构工艺参数的优化方案。通过对优化数据进行分析发现,该方案在保证减振弹性管弹性的同时,其底部振幅明显减弱。     

废纸间歇碎解与转鼓连续碎解对碎解浆质量影响的生产调查

介绍了加拿大和美国北部几家废纸脱墨车间采用间歇碎解和转鼓连续碎解的生产调查。调查集中在季节、脱墨剂种类和碎解时间对碎解浆质量的影响。结果认为，间歇碎解采用双重脱墨剂和30-60s的碎解时间碎解浆质量最好，并使夏季效应降至最小。转鼓连续碎解采用表面活性剂似较双重脱墨剂更好，表现在碎解浆中油墨粒子浓度和残留油墨粒子浓度较低，但由于碎解时间（20min)不能变动，故长时间的碎解将造成碎解浆白度较低。     

基于遗传算法的纺纱车间计划调度优化策略研究

近年来,由于外围贸易摩擦以及疫情的影响,纺织行业市场竞争日益激烈,企业对市场的快速响应能力逐渐提高。好的调度方案能够降低企业的生产成本,对提高生产效率具有较为重要的作用。因此,发展高效的调度技术与方法,对现代纺织企业至关重要。文章重点针对定台供应生产方式的企业,以订单准时交付、车间总纺纱时间最短并且翻改品种次数最少为目标,建立调度优化模型,并利用遗传算法进行求解,输出车间各订单的生产计划甘特图,辅助优化车间生产任务计划。     

打浆过程对再生植物纤维回用品质的影响

在实验室条件下,通过分析按木纤维形态和浆张性能参数变化,研究打浆过程对再生植物纤维回用品质的影响.结果表明:打浆使细小纤维含量增加10%以上,6%的打浆浓度对纤维切断作用不明显,一、二次回用纤维重均长度仅分别下降了8%和8.16%;打浆能够有效改善二次纤维回用品质,使三次回用纤维浆张抗张指数分别提高39.90%、27.77%、18.90%;纤维润胀性得到改善,一次回用纤维和三次回用纤维保水值分别增加32.06%、37.7%;但随着回用次数的增加,打浆对改善二次纤维回用品质的作用逐渐减弱.     

基于遗传算法的铺布与裁剪过程的优化调度

遗传算法现已运用于服装生产的调度和负荷平衡问题,但这些研究只限于服装缝制生产线的调度。利用遗传算法可进行铺布与裁剪服装生产系统过程的优化调度。算法中的染色体用实数串来表达;采用位串的交叉和变异方法,较好地解决了算法的早熟问题。结果表明,遗传算法能有效地解决铺布与裁剪服装生产过程的优化调度问题。     

基于遗传算法和神经网络的3D增材印花工艺参数优化

针对3D增材印花工艺中刮刀压力、刮印速度、刮刀角度和油墨黏度等参数的组合对印花质量存在较大影响,但实际生产中各工艺参数组合无法实现最优这一问题,利用附加动量法改进下的BP神经网络构建3D增材印花工艺模型,通过实验参数对模型进行训练,确定工艺参数和印花质量间的非线性关系。利用遗传算法对该非线性函数进行极值寻优,从而得到3D增材印花工艺的最优参数组合:印花压力为4 800N,刮印角度为18°,刮印速度为400 mm/s,油墨黏度为170.5 Pa·s,该模型预测误差基本稳定在0.01范围之内。利用优化前后的参数进行对比实验,结果证明该算法可以实现3D增材印花工艺的质量预测和参数寻优,从而提升印花质量,缩短产品开发时间。     

纤维配比和打浆工艺对双胶纸表面强度的影响

通过纤维配比和打浆工艺调整,对70～80g/m^2双胶纸表面强度影响进行研究,得出最佳纤维原料配比和打浆工艺。