基于人工神经网络优化抄纸浆料配比.pdfVIP

／—————————————————————_． 1技术报告 ·浆料配比优化· 基于人工神经网络优化抄纸浆料配比 吴新生1，2谢益民1，3 (1．华南理工大学制浆造纸工程国家重点实验室，广州，510640； 2．广东科学技术职业学院信息中心，广州，510640； 3．山东轻工业学院制浆造纸工程研究所，山东济南，250100) 摘要：提出了应用人工神经网络技术进行抄纸浆料配比优化的方法，介绍了优化原理和过程。以 卷烟纸为例，建立了多种浆料的配比与纸张主要物理性能指标之间的人工神经网络模型。该模型比 传统回归模型有着更高的预测精度。以此模型为基础，通过扫描仿真，获得了针叶木浆、麻浆及填 料配抄生产卷烟纸的各组分的配比范围，并从中优选出最佳配比。 关键词：人工神经网络(ANN)；浆料配比；优化 中图分类号：TS71；TPl8文献标识码：A 作者简介：吴新生先生， 讲师，在读博士研究生； 通常用于配抄纸张的纤 方面获得广泛应用【3』3。具体的BP算法过程参见文献 主要从事制浆造纸过程的 维原料(如针叶木浆、麻浆) 銎量与控制方向的研究工 和填料对纸张的物理性能有 多层网络，一般取三层：输入层、隐含层和输出层。 着不同的影响，在浆料种类 神经元的原理图参见图1。图1中，神经元的输出 和各浆料的打浆状况基本确定的情况下，浆料品种及 K=．厂(∑形渴一晚)，神经元函数／根据需要可以使 填料的配比是决定纸页性能的主要因素。为了提高纸 用非线性S型函数或其他函数。利用BP网络方法进 页的物理性能，降低成本，需要优化浆料及填料的配 行优化工艺参数，第1步是利用正交实验的数据，建 比，平衡各指标的关系，使纸页具有相对较好的综合 立影响因素与优化指标的BP网络模型；第2步利用 性能及较低的生产成本…。 密集扫描技术，形成影响因素的各个组合，输入BP 采用传统方法选出具有最佳配比的组合需投入大 网络模型，得出优化指标值，并根据优化指标值进行 量的人力和财力才能完成。为此，人们采用正交实 最佳优选。 验，即挑选有代表性的组合进行实验并建立回归方 程。再根据回归方程进行优化分析，以确定各因素的 凰 水平…2。但由于影响纸页的物理性能指标的机理尚不 清楚，建立的数学模型是粗糙的。因此，根据这类模 尥 型进行分析来达到真正的最优化程度是非常困难的。 本文提出应用人工神经网络技术，利用正交实验 咒 的数据，建立不同浆料和填料配比与成纸物理性能指 图1神经兀原理图 标的关系，并在此基础上利用密集扫描技术进行全局 寻优，获取满足某种纸页物理性能指标内的纤维浆料 1．1 BP网络模型的建立 向BP网络提供一系列输入和输出模式，这些模 和填料的配比范围，并由此优选出最佳的浆料和填料 式构成学习样本集。通过BP算法不断调节节点之间 配比。