基于机器学习的箱纸板质量预测模型构建及比较

箱纸板生产涉及一系列复杂工艺流程,且由于缺乏关键质量的在线监测手段,进而导致质量管控困难。为此,本研究尝试基于机器学习方法建立可在线监测箱纸板质量的预测模型,也称软测量模型,以促进上述问题的有效解决。本研究采用箱纸板企业实际数据,训练并比较了随机森林（RF）、梯度提升回归（GBR）、K近邻回归（KNN）及偏最小二乘回归（PLS）在多项质量指标上的预测表现。结果表明,不同质量指标本身很大程度上影响了预测精度的上限,而不同算法对理论上限的逼近程度有显著差异。复杂、非线性的集成模型（RF、GBR）相较于简单模型（KNN、PLS）有更好的表现。     

基于NSGA-II算法的柔性流水车间优化调度模型的构建与应用

为解决造纸企业的高效优化排产问题,使机器利用率最高、减少产品切换次数以及满足客户对产品的时间需求,构建了以成本及最大完工时间最小化为优化目标的两阶段柔性流水车间调度优化模型,并通过一种快速非支配遗传算法（NSGA-II）来求解该模型。结果表明,与人工排产相比,NSGA-II得到的排产结果缩短了约6.5%的最大完工时间,降低了约4.7%的生产成本。     

粗糙管换热器带自旋流的复合强化传热技术

介绍了粗糙管换热器中沿传热管轴向间隔分置旋流片的两区协同强化传热方法。旋流片使流体产生螺旋流,螺旋流在离开旋流片之后依靠自身的运动惯性保持一定距离的自旋流,对管道近壁区与中心区产生互动的协同传热强化。此外,该方法也可用于管间,除了对管间管束的机械支撑外,旋流片也可使管间流体产生自旋运动,实现壳程流体的两区协同传热强化。对现有工业系统的换热器技术升级、实现节能降耗意义重大。     

造纸废水处理过程温室气体排放代理模型研究

造纸废水处理过程具有高维、非线性和不稳定性等特点,并且其温室气体排放受诸多因素影响,目前缺乏可描述该过程的模型,因此难以对造纸废水处理过程的温室气体排放进行有效地管控与优化。本课题基于造纸废水处理温室气体产生机理,提出将响应面模型（Response Surface Model,RSM）、Kriging等方法与高维模型表征（High Dimensional Model Representation,HDMR）相结合,建立造纸废水处理过程中温室气体排放的代理模型,保障模型精度,同时降低优化设计所需计算成本。研究结果表明,对比于RSM-HDMR,Kriging-HDMR具有更高的近似精度,其验证结果R²大于0.95,更适用于高维、非线性的造纸废水处理过程。最后还基于Kriging-HDMR进行了关键参数的灵敏度分析,发现溶解氧传递系数和外循环流量对造纸废水处理温室气体减排最为关键。     

造纸企业电机能效提升经济可行性分析

制浆造纸过程在生产中需要消耗大量的电能。为提高能效水平,造纸企业需定期对电机进行更换升级。然而,电机在淘汰更新过程中,其能效提升缺少科学的评估依据。通过对电机生命周期成本及净节约量进行分析,可有效评估电机能效提升的经济可行性。通过对东莞某造纸企业旧电机能效提升问题进行研究,发现(1)相比选用三级能效新电机来替换旧电机而言,选用二级能效新电机的生命周期净节约量约高1009;(2)若新更换的二级能效电机,经政府补贴后的价格低于旧电机价格的1.4倍,则新更换的电机更具经济可行性。     

缩放管内自旋流强化传热的场协同分析

建立了周期性单元模型,采用数值模拟方法分析了缩放管内带衰减性自旋流的三维湍流流动中的场协同现象,研究轴向不同位置速度场与温度场的演变过程。结果表明,切向速度对强化传热影响很大,自旋流纵向涡使轴向速度和切向速度在同一数量级;自旋流改善了湍流中心区与边壁区流体速度场与温度梯度场的协同程度,使传热得到了强化。     

含旋流片缩放管内流动与传热数值模拟

在缩放管内间隔插入多个旋流片的通道中,流体流动呈现周期性自旋流.用数值模拟方法对含旋流片缩放管内旋流片间距对空气湍流流动和传热的影响进行了分析,得到了管内流场和温度场以及传热膜系数、单位长度压降与雷诺数的关系,以获得较佳的复合传热性能.     

基于支持向量机算法的造纸过程磨后纤维形态软测量模型

本研究提出了一种基于支持向量机(SVM)算法的造纸过程磨后浆料纤维形态软测量模型,该模型利用原始浆板纤维形态参数和磨浆参数作为输入,用于在线软测量生产过程中的磨后浆料纤维形态。结果表明,采用SVM算法进行建模时,7种磨后浆料纤维形态软测量模型的平均相对误差在2. 87%～5. 61%之间,均优于采用偏最小二乘回归(PLS)算法的建模效果(平均相对误差3. 09%～6. 60%),模型精度良好,满足生产中纤维形态实时检测对误差的要求。     

基于梯度提升回归树算法的生活用纸皱纹等级软测量模型

皱纹等级是衡量生活用纸质量的重要指标之一。然而,工业生产过程中缺少皱纹等级的实时在线测量方法。为了解决上述问题,本研究通过实验对影响生活用纸皱纹质量的因素进行了分析。利用梯度提升回归树算法,对影响皱纹等级的表面粗糙度、皱纹深度、皱纹频率3个主要指标进行了建模,并通过预测这3个指标实现对皱纹等级的在线实时软测量。通过对比工业实测数据,发现该模型对表面粗糙度、皱纹深度、皱纹频率预测精度较高,测试数据的平均相对误差均小于5%。该模型解决了生活用纸皱纹等级在线软测量的问题,对生活用纸生产过程的质量控制提供了新的方法和依据。     

基于深度强化学习的造纸废水处理过程多目标优化

本课题提出了一种基于多智能体深度强化学习的动态优化方法,以期实现造纸废水处理过程的运行成本和能耗的协同优化。实验采用了基准仿真1号模型（BSM1）模拟造纸废水处理过程的生化反应和沉淀过程,并利用模型数据对强化学习智能体进行训练,最后用实际的造纸废水数据对搭建的模型系统进行验证。结果表明,基于多智能体深度强化学习的废水处理系统能够保障排水质量,实现成本与能耗的多目标优化控制,其性能表现优于传统方法。