本发明涉及纸页干燥关键过程参数软测量领域，特别是一种用于纸页干燥关键过程参数软测量方法。
背景技术：
造纸机干燥部是一个涉及多物料蒸汽、空气、纸页等、多过程传热过程和传质过程相互耦合的复杂系统，复杂的机理以至于需要对其运行状态实行全面监控才能更好的帮助企业实现更高效的生产与管理。纸页干燥过程中，气罩排风湿度、气罩排风温度、干燥部高压蒸汽流量与低压蒸汽流量是生产操作者较为关心的几个关键参数，也是建立干燥部工艺操作参数优化模型需要精准模拟的几个变量。
建立纸页干燥过程的数学模型，达到在不同工艺操作参数组合下对干燥关键过程参数精准监控的效果，对建立干燥部工艺操作参数优化模型进而实现造纸过程的节能降耗具有重要意义。目前，关于纸页干燥关键过程的参数的模拟主要以机理模型为主，然而纸页干燥本质上是一个强非线性、时变性、多变量耦合的复杂动态参数分布过程且机理模型的性能过分依赖于模型参数的选择，难以满足工业应用对模型精度的要求，这也极大阻碍了干燥部工艺操作参数优化模型的研究。
技术实现要素：
为解决现有技术中存在的问题，本发明提供了一种用于纸页干燥关键过程参数软测量方法，解决了机理建模方法对干燥关键过程参数模拟精度低的问题。
本发明采用的技术方案是，一种用于纸页干燥关键过程参数软测量方法，包括以下步骤：s1.获取生产过程中纸机干燥部历史运行数据，并剔除异常值数据；
s2.搭建纸页干燥机理模型，将步骤s1得到的数据输入到机理模型进行各关键过程参数的模拟，并根据实际值计算各关键过程参数的机理模拟误差；
s3.对步骤s1得到的数据进行归一化处理，消除不同数据之间的量纲影响，并按比例将历史运行数据与机理模拟误差划分为训练集、验证集与测试集；
s4.根据ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型，并输入训练集与验证集数据进行模型的训练与正则化参数调优；
s5.整合机理 机理模拟误差补偿模型，对测试集数据进行干燥关键过程参数的软测量。
优选地，s1的包括以下子步骤：
s11.采集纸机干燥部历史运行数据，包括：烘缸压力dp，单位为mpa；纸机车速v，单位为m/min；产品克重m，单位为g/m2；卷取率cr，单位为％；湿部加热器后新风温度tw，单位为℃；干部加热器后新风温度td，单位为℃；湿部送风机频率fw，单位为hz；干部送风机频率fd，单位为hz；排风机频率fe，单位为hz；
s12.为消除异常值对后续建模的影响，采用箱形图方法对异常数据进行剔除，箱形图提供了识别异常值的一个标准：异常值被定义为小于q1-1.5iqr或大于q3 1.5iqr的值，
其中，q1为数据批的下四分位数，q3为数据批的上四分位数，iqr为四分位距，即iqr＝q3-q1。
优选地，s2的包括以下子步骤：
s21.根据纸页干燥动力学模型公式搭建纸页干燥机理模型，如下式所示：
其中，up为纸页的含水量，即单位质量绝干纤维所携带的水量，单位为kg水/kg绝干纤维；tp为烘缸上各点纸页的温度，单位为℃；l为纸页在烘缸上经过的纵向距离，单位为m；k为纸页和空气之间的对流传质系数，单位为kg/(m2·s)；g为纸页的绝干定量，即纸页定量与干度的乘积，单位为kg/m2；v为纸机车速，单位为m/s；mw为水的摩尔质量，单位为kg/mol；ptot,pa,pp分别为空气总压、空气中水蒸气分压与纸页表面的水蒸气分压，单位为pa；hc-p为从烘缸内蒸汽到纸页的总传热系数，单位为w/(m2·℃)；tc为烘缸内蒸汽温度，单位为℃；hp-a为纸页和空气之间的对流传热系数，单位为w/(m2·℃)；ta为纸页所处环境空气的温度，单位为℃；hv为纸页中水分的蒸发相变热，单位为kj/kg；，δhs为纸页中水分的吸附热，单位为kj/kg；cf，cw为纤维和水的比热，单位为kj/(kg·℃)；
s22.将步骤s1中得到的数据作为机理模型的输入，机理模型通过计算，输出每一组输入参数下气罩排风湿度he，单位为g/m3；气罩排风温度te，单位为℃、干燥部高压蒸汽流量fh，单位为t/h、干燥部低压蒸汽流量fl，单位为t/h。
由机理模型得到的各关键参数的模拟误差计算公式为：
其中，yi为实际值，
优选地，s3包括以下子步骤：
s31.为消除不同数据之间的量纲影响，提升模型训练速度,需要对s1得到的数据进行归一化处理，归一化具体公式为：
其中，xi归一化前的样本数据，
s32.将归一化处理后的数据与s2得到的机理模拟误差数据按60％、20％、20％的比例划分为训练集、验证集与测试集；
训练集用来训练模型内参数；验证集用于调整正则化参数，根据模型在验证集上的表现确定最优的正则化参数取值，同时用来监控模型是否发生过拟合；测试集用来评价模型泛化能力。
优选地，s4的包括以下子步骤：
s41.根据ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型，ridge模型如下式所示：
其中，n代表验证集样本数，yi代表样本实际值，β代表模型内参数，xi代表模型输入特征，α代表正则化参数。
s42.输入训练集与验证集数据进行模型的训练与正则化参数的调优。根据模型在验证集上的损失函数来确定最优的α取值，如下式所示：
其中，errorp代表由机理模拟误差补偿模型预测得到的机理模拟误差，ym代表样本机理模拟值。
优选地，s5包括以下子步骤：
s51：获得测试集样本的输入，其输入包括：烘缸压力dp，单位为mpa；纸机车速v，单位为m/min；产品克重m，单位为g/m2；卷取率cr，单位为％；湿部加热器后新风温度tw，单位为℃；干部加热器后新风温度td，单位为℃；湿部送风机频率fw，单位为hz；干部送风机频率fd，单位为hz；排风机频率fe，单位为hz；
s52：同时将所述待测样本预处理为模型输入变量,代入已整合好的模型中，通过模型的计算，获得当前测试样本下的气罩排风湿度、气罩排风温度、干燥部高压蒸汽流量、干燥部低压蒸汽流量。
本发明用于纸页干燥关键过程参数软测量方法有益效果如下：
1.本发明可以实现对纸页干燥关键过程参数高精度的软测量。
2.本发明采用机理 ridge混合建模方法也将为干燥部工艺操作参数优化模型的研究提供有力支撑。
附图说明
图1为本发明用于纸页干燥关键过程参数软测量方法的方法流程图。
图2为本发明用于纸页干燥关键过程参数软测量方法的对测试集样本关于干燥关键过程参数软测量的效果对比图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1和图2所示，一种用于纸页干燥关键过程参数软测量方法，包括下述步骤：
s1.获取生产过程中纸机干燥部历史运行数据，并剔除异常值数据；
s2.搭建纸页干燥机理模型，将步骤s1数据输入到机理模型进行各关键过程参数的模拟，并根据实际值计算各关键过程参数的机理模拟误差；
s3.对s1数据进行归一化处理，消除不同数据之间的量纲影响，并按比例将历史运行数据与机理模拟误差划分为训练集、验证集与测试集；
s4.根据ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型，并输入训练集与验证集数据进行模型的训练与正则化参数调优；
s5.整合机理 机理模拟误差补偿模型，对测试集数据进行干燥关键过程参数的软测量。
首先采集纸机干燥部运行数据，包括：烘缸压力dp，单位为mpa；纸机车速v，单位为m/min；产品克重m，单位为g/m2；卷取率cr，单位为％；湿部加热器后新风温度tw，单位为℃；干部加热器后新风温度td，单位为℃；湿部送风机频率fw，单位为hz；干部送风机频率fd，单位为hz；排风机频率fe，单位为hz。为消除异常值对后续建模的影响，采用箱形图方法对异常数据进行剔除，箱形图提供了识别异常值的一个标准：异常值被定义为小于q1-1.5iqr或大于q3 1.5iqr的值。其中，q1为数据批的下四分位数，q3为数据批的上四分位数，iqr为四分位距，即iqr＝q3-q1。
然后根据纸页干燥动力学模型公式搭建纸页干燥机理模型，如下式所示：
其中，up为纸页的含水量，即单位质量绝干纤维所携带的水量，单位为kg水/kg绝干纤维；tp为烘缸上各点纸页的温度，单位为℃；l为纸页在烘缸上经过的纵向距离，单位为m；k为纸页和空气之间的对流传质系数，单位为kg/(m2·s)；g为纸页的绝干定量，即纸页定量与干度的乘积，单位为kg/m2；v为纸机车速，单位为m/s；mw为水的摩尔质量，单位为kg/mol；ptot,pa,pp分别为空气总压、空气中水蒸气分压与纸页表面的水蒸气分压，单位为pa；hc-p为从烘缸内蒸汽到纸页的总传热系数，单位为w/(m2·℃)；tc为烘缸内蒸汽温度，单位为℃；hp-a为纸页和空气之间的对流传热系数，单位为w/(m2·℃)；ta为纸页所处环境空气的温度，单位为℃；hv为纸页中水分的蒸发相变热，单位为kj/kg；，δhs为纸页中水分的吸附热，单位为kj/kg；cf，cw为纤维和水的比热，单位为kj/(kg·℃)。
将经过异常值处理的干燥部历史运行数据作为机理模型的输入，机理模型通过计算，输出每一组输入参数下气罩排风湿度he，单位为g/m3；气罩排风温度te，单位为℃、干燥部高压蒸汽流量fh，单位为t/h、干燥部低压蒸汽流量fl，单位为t/h。由机理模型得到的各关键参数的模拟误差计算公式如下所示：
其中yi为实际值，
为消除不同数据之间的量纲影响，提升模型训练速度。需要对经过异常值处理的干燥部历史运行数据进行归一化处理，归一化公式如下：
其中xi归一化前的样本数据，
然后根据ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型，ridge模型如下式所示：
其中，n代表验证集样本数，yi代表样本实际值，β代表模型内参数，xi代表模型输入特征，α代表正则化参数。
输入训练集与验证集数据进行模型的训练与正则化参数的调优。根据模型在验证集上的损失函数来确定最优的α取值，如下式所示：
其中，errorp代表由机理模拟误差补偿模型预测得到的机理模拟误差，ym代表样本机理模拟值。
获得测试集样本的输入，包括：：烘缸压力dp，单位为mpa；纸机车速v，单位为m/min；产品克重m，单位为g/m2；卷取率cr，单位为％；湿部加热器后新风温度tw，单位为℃；干部加热器后新风温度td，单位为℃；湿部送风机频率fw，单位为hz；干部送风机频率fd，单位为hz；排风机频率fe，单位为hz。并将所述待测样本预处理为模型输入变量,代入已整合好的模型中，通过模型的计算，就可以获得当前测试样本下的气罩排风湿度、气罩排风温度、干燥部高压蒸汽流量、干燥部低压蒸汽流量。
选取mre(meanrelativeerror,平均相对误差)作为模型性能衡量指标。如表1所示，两个模型关于干燥关键过程参数模拟的mre(平均相对误差)，计算公式如下式所示：
表1
1.一种用于纸页干燥关键过程参数软测量方法,其特征在于，包括以下步骤：
s1.获取生产过程中纸机干燥部历史运行数据，并剔除异常值数据；
s2.搭建纸页干燥机理模型，将s1得到的数据输入到机理模型进行各关键过程参数的模拟，并根据实际值计算各关键过程参数的机理模拟误差；
s3.对s1得到的数据进行归一化处理，消除不同数据之间的量纲影响，并按比例将历史运行数据与机理模拟误差划分为训练集、验证集与测试集；
s4.根据ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型，并输入训练集与验证集数据进行模型的训练与正则化参数调优；
s5.整合机理 机理模拟误差补偿模型，对测试集数据进行干燥关键过程参数的软测量。
2.根据权利要求1所述的用于纸页干燥关键过程参数软测量方法,其特征在于，所述s1的包括以下子步骤：
s11.采集纸机干燥部历史运行数据，包括：烘缸压力dp，单位为mpa；纸机车速v，单位为m/min；产品克重m，单位为g/m2；卷取率cr，单位为％；湿部加热器后新风温度tw，单位为℃；干部加热器后新风温度td，单位为℃；湿部送风机频率fw，单位为hz；干部送风机频率fd，单位为hz；排风机频率fe，单位为hz；
s12.为消除异常值对后续建模的影响，采用箱形图方法对异常数据进行剔除，箱形图提供了识别异常值的一个标准：异常值被定义为小于q1-1.5iqr或大于q3 1.5iqr的值；
其中，q1为数据批的下四分位数，q3为数据批的上四分位数，iqr为四分位距，即iqr＝q3-q1。
3.根据权利要求1所述的用于纸页干燥关键过程参数软测量方法,其特征在于，所述s2的包括以下子步骤：
s21.根据纸页干燥动力学模型公式搭建纸页干燥机理模型，如下式所示：
其中，up为纸页的含水量，即单位质量绝干纤维所携带的水量，单位为kg水/kg绝干纤维；tp为烘缸上各点纸页的温度，单位为℃；l为纸页在烘缸上经过的纵向距离，单位为m；k为纸页和空气之间的对流传质系数，单位为kg/(m2·s)；g为纸页的绝干定量，即纸页定量与干度的乘积，单位为kg/m2；v为纸机车速，单位为m/s；mw为水的摩尔质量，单位为kg/mol；ptot,pa,pp分别为空气总压、空气中水蒸气分压与纸页表面的水蒸气分压，单位为pa；hc-p为从烘缸内蒸汽到纸页的总传热系数，单位为w/(m2·℃)；tc为烘缸内蒸汽温度，单位为℃；hp-a为纸页和空气之间的对流传热系数，单位为w/(m2·℃)；ta为纸页所处环境空气的温度，单位为℃；hv为纸页中水分的蒸发相变热，单位为kj/kg；，δhs为纸页中水分的吸附热，单位为kj/kg；cf，cw为纤维和水的比热，单位为kj/(kg·℃)；
s22.将步骤s1中得到的数据作为机理模型的输入，机理模型通过计算，输出每一组输入参数下气罩排风湿度he，单位为g/m3；气罩排风温度te，单位为℃、干燥部高压蒸汽流量fh，单位为t/h、干燥部低压蒸汽流量fl，单位为t/h。
由机理模型得到的各关键参数的模拟误差计算公式为：
其中，yi为实际值，
4.根据权利要求1所述的用于纸页干燥关键过程参数软测量方法,其特征在于，所述s3包括以下子步骤：
s31.为消除不同数据之间的量纲影响，提升模型训练速度,需要对s1得到的数据进行归一化处理，归一化具体公式为：
其中，xi归一化前的样本数据，
s32.将归一化处理后的数据与s2得到的机理模拟误差数据按60％、20％、20％的比例划分为训练集、验证集与测试集；
训练集用来训练模型内参数；验证集用于调整正则化参数，根据模型在验证集上的表现确定最优的正则化参数取值，同时用来监控模型是否发生过拟合；测试集用来评价模型泛化能力。
5.根据权利要求1所述的用于纸页干燥关键过程参数软测量方法,其特征在于，所述s4的包括以下子步骤：
s41.根据ridge算法原理搭建关于各关键过程参数的机理模拟误差补偿模型，ridge模型如下式所示：
其中，n代表验证集样本数，yi代表样本实际值，β代表模型内参数，xi代表模型输入特征，α代表正则化参数。
s42.输入训练集与验证集数据进行模型的训练与正则化参数的调优。根据模型在验证集上的损失函数来确定最优的α取值，如下式所示：
其中，errorp代表由机理模拟误差补偿模型预测得到的机理模拟误差，ym代表样本机理模拟值。
6.根据权利要求1所述的用于纸页干燥关键过程参数软测量方法,其特征在于，所述s5包括以下子步骤：
s51：获得测试集样本的输入，其输入包括：烘缸压力dp，单位为mpa；纸机车速v，单位为m/min；产品克重m，单位为g/m2；卷取率cr，单位为％；湿部加热器后新风温度tw，单位为℃；干部加热器后新风温度td，单位为℃；湿部送风机频率fw，单位为hz；干部送风机频率fd，单位为hz；排风机频率fe，单位为hz；
s52：同时将所述待测样本预处理为模型输入变量,代入已整合好的模型中，通过模型的计算，获得当前测试样本下的气罩排风湿度、气罩排风温度、干燥部高压蒸汽流量、干燥部低压蒸汽流量。
技术总结