产品质量模型与控制模型的研究及应用
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
个 品质 指标 的产 品质量模 型．
存在一定难度 ， 因此 ， 本 文 又提 出 了产 品反 向质量 模
型和动态 、 稳态质量控制模 型．
１ 工 业产 品 的质 量 控 制
１ ． １ 产 品 的 质 量 模 型
以造 纸 生产 车 间 为例 ， 车 间 主 要 的 工 艺 流 程 有
收稿 日期 ： ２ ０ １ ６ － １ ０ — ０ ９
量模 型． 但是 ， 由于生产 线 的实 际情 况 和工 业 控制 过 程相 对理论而言复杂程 度极高 ， 直接使 用该 质量模 型
该 函数 是 非线 性 的 ， 其 ４个 输 出参 数 为 纸张 的 最 关键 品 质指 标 ： 水分、 紧度、 松厚 度 、 抗 张强 度． 其 ２ ８个输 人 参 数 中包 含 了 １ ８个原 材 料 参 数 和 １ ０个 其他 参数 ， 如制 备纸 浆 的湿度 、 温度 、 时长 等． 本 文在 实 际生 产 中 收 集 到 ５ ５ ２ ７个 数 据 ， 进行运算 ， 校 验 ２ ８ ×４ Ｏ ×２ ０ ×１的单 维 Ｂ Ｐ神经 网络 ， 构建 了针对 单
型 对 比， 应用 Ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ技 术 ， 将 该 造 纸 生 产 过 程
抽象 成 由 ２ ８ 个 关键 输 入 参 Fra Baidu bibliotek 和 ４个 关 键输 出参 数
组成 的 函数 ， 即： ． ｙ—ｆ（ １ ‘ １ ， ２ ， …， ２ ８ ， Ｐ】 ， Ｐ ２ ， Ｐ３ ， Ｐ１ ）
亡 口
摘
要： 基于Ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ （ 数据挖掘 ） 技术 ， 在 控 制 学
备 浆段 （ 碎解 、 打浆 、 混合 ） 、 上 浆段 （ 添 加 制剂 、 流送 上浆） 、 纸机段 （ 湿部、 干部 ） 和后续 段等 （ 图 １ ） ．
科 背 景 下 提 出 了产 品 的 质 量 模 型 和 质 量控 制模 型． 以 山 东 某
Ｂ Ｐ神经 网络输 入参 数 是高 维 的 ， 而 Ｂ Ｐ神经 网
基金 项 目 ： 国家 自然 科 学 基 金 资 助 项 目（ ５ １ ４ ７ ５ ４ ３ ４ ） ； 国 家 自然 科 学
基 金 重 点 资 助项 目 （ Ｕ１ ５ ０ １ ２ ４ ８ ）
络 普通 训 练算 法 对 于 高 维输 入 问 题 的 处 理 存 在 不
东 某造 纸 厂 的 大 型 造 纸 生 产 线 和 辽 宁 某 钢 铁 厂 铜 闪 速炉 为例 。 基于 Ｂ Ｐ神 经 网络 ， 运 用 从 生 产 现 场 得 到 的 关键 输 入 参 数 和 产 品质 量 数 据 ， 得 到 了 产 品 的 稳 态 质
图 １ 造 纸 生 产 流 程
结 合理 论 和实 际 生产 数 据 ， 经 过多 次 筛选 和模
质 量 模 型 和 质 量控 制模 型． 提 出反 向质 量 模 型 和 动 态 产 品 质 量模型 ， 以适 用 于 复 杂的 生产 实践 ． 关键词 ： 质量 控 制 ； 产品模型 ； 反 向质 量 模 型
中图 分 类 号 ： ＴＰ ２ ７ ３
文献标识码 ： Ａ
ｄ ｏ ｔ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ６ —３ ２ ６ ９ ． ２ Ｏ １ ６ ． ０ ４ ． ０ ０ ４
达到 ８ ２ ９ ／ ６ ． 而 这对 于 １维 和 ２维 质量 标 准 的 Ｂ Ｐ神 经 网络质 量模 型来 说却是 无法 实现 的．
１ ． ３ 产 品 质 量 模 型 在 产 品 质 量 控 制 中 的 应 用
据 精确度 更 高． 使用第三种算法 时， 只 要 取 均 方 差 ｅ ｒ ｒ ＜０ ． ０ ５ 的数 据 ， 子集 数 据 就 能 与 整 体 数 据 达 到
《 成 组 技 术 与 生 产现 代 化 》２ ０ １ ６年第 ３ ３卷 第 ４期
行 了试验 ． 对比３ 种 算法 的结 果发现 ， 造 纸生产 车 间
的Ｂ Ｐ神经 网络 质量模 型采 用第 三 种 学 习算 法 的数
４维输入 参数 、 ２ ８维 输 出参 数 的 ４ ×３ ５ ×２ ０ ×２ ８ Ｂ Ｐ 神经 网络 造纸 工艺 反 向质量 模 型 ． 其 建模 近似 度 能
在基 于 Ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ （ 数据挖 掘 ） 技 术 提 出 的 产 品 质量模 型和质量控制模 型中 ， 直 接 决 定 产 品 质 量 的 参
数称 为操作参数． 这些 参数 是 Ｂ Ｐ神经 网络 的 关键输 入参 数 ， 对应其质 量指 标是 关键 输 出 参数． 本 文 以山
文章 编 号 ： １ ０ ０ ６ —３ ２ ６ ９ （ ２ ０ １ ６ ） ０ ４ ～０ ０ １ ４ —０ ４
Ｊ 口 口 质 量模 型 与 控制 模 型 的研 究 及 应 用
陈万 庆 ， 陈昆昌 ， 李仁 旺 ， 荣 杰 ， 曹衍 龙
（ １ ． 浙 江 理 Ｔ 大 学 机 械 与 自动 控 制 学 院 ， 浙江 杭州 ３ １ ０ ０ １ ８ ； ２ ． 浙 江 大 学 机械 丁 程 学 院 ， 浙江 杭 州 ３ １ ０ ０ ５ ８ ）
足． 因此 ， 本 文采 用 ３种 学 习算 法 ， 即 Ｂ Ｐ神 经 网络
作者 简 介 ： 陈万庆（ １ ９ ９ １ 一） ， 男， 浙 江宁波人 ， 硕 士研究 生。 研究方 向 为企 业 信 息 化 ．
两 阶段 混 合 学 习算 法… 、 大惯 性 各 权重 独 立 训练 的
分 散学 习算法 ］ 、 逐 步扩 大样 本学 习算法 ］ ， 分 别进
造 纸 厂 的 大型 造 纸 生 产 线 和 辽 宁 某 钢铁 厂 的铜 闪 速 炉 为例 ，
在 现 场 获 得 大 量 的 关键 输 入 参 数 和 产 品 质 量 数 据 ， 通过 Ｂ Ｐ 神 经 网络 建 立 数 学 模 型 ， 经 数 据 运 算 和 校 验 得 到 了产 品 稳 态
存在一定难度 ， 因此 ， 本 文 又提 出 了产 品反 向质量 模
型和动态 、 稳态质量控制模 型．
１ 工 业产 品 的质 量 控 制
１ ． １ 产 品 的 质 量 模 型
以造 纸 生产 车 间 为例 ， 车 间 主 要 的 工 艺 流 程 有
收稿 日期 ： ２ ０ １ ６ － １ ０ — ０ ９
量模 型． 但是 ， 由于生产 线 的实 际情 况 和工 业 控制 过 程相 对理论而言复杂程 度极高 ， 直接使 用该 质量模 型
该 函数 是 非线 性 的 ， 其 ４个 输 出参 数 为 纸张 的 最 关键 品 质指 标 ： 水分、 紧度、 松厚 度 、 抗 张强 度． 其 ２ ８个输 人 参 数 中包 含 了 １ ８个原 材 料 参 数 和 １ ０个 其他 参数 ， 如制 备纸 浆 的湿度 、 温度 、 时长 等． 本 文在 实 际生 产 中 收 集 到 ５ ５ ２ ７个 数 据 ， 进行运算 ， 校 验 ２ ８ ×４ Ｏ ×２ ０ ×１的单 维 Ｂ Ｐ神经 网络 ， 构建 了针对 单
型 对 比， 应用 Ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ技 术 ， 将 该 造 纸 生 产 过 程
抽象 成 由 ２ ８ 个 关键 输 入 参 Fra Baidu bibliotek 和 ４个 关 键输 出参 数
组成 的 函数 ， 即： ． ｙ—ｆ（ １ ‘ １ ， ２ ， …， ２ ８ ， Ｐ】 ， Ｐ ２ ， Ｐ３ ， Ｐ１ ）
亡 口
摘
要： 基于Ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ （ 数据挖掘 ） 技术 ， 在 控 制 学
备 浆段 （ 碎解 、 打浆 、 混合 ） 、 上 浆段 （ 添 加 制剂 、 流送 上浆） 、 纸机段 （ 湿部、 干部 ） 和后续 段等 （ 图 １ ） ．
科 背 景 下 提 出 了产 品 的 质 量 模 型 和 质 量控 制模 型． 以 山 东 某
Ｂ Ｐ神经 网络输 入参 数 是高 维 的 ， 而 Ｂ Ｐ神经 网
基金 项 目 ： 国家 自然 科 学 基 金 资 助 项 目（ ５ １ ４ ７ ５ ４ ３ ４ ） ； 国 家 自然 科 学
基 金 重 点 资 助项 目 （ Ｕ１ ５ ０ １ ２ ４ ８ ）
络 普通 训 练算 法 对 于 高 维输 入 问 题 的 处 理 存 在 不
东 某造 纸 厂 的 大 型 造 纸 生 产 线 和 辽 宁 某 钢 铁 厂 铜 闪 速炉 为例 。 基于 Ｂ Ｐ神 经 网络 ， 运 用 从 生 产 现 场 得 到 的 关键 输 入 参 数 和 产 品质 量 数 据 ， 得 到 了 产 品 的 稳 态 质
图 １ 造 纸 生 产 流 程
结 合理 论 和实 际 生产 数 据 ， 经 过多 次 筛选 和模
质 量 模 型 和 质 量控 制模 型． 提 出反 向质 量 模 型 和 动 态 产 品 质 量模型 ， 以适 用 于 复 杂的 生产 实践 ． 关键词 ： 质量 控 制 ； 产品模型 ； 反 向质 量 模 型
中图 分 类 号 ： ＴＰ ２ ７ ３
文献标识码 ： Ａ
ｄ ｏ ｔ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ６ —３ ２ ６ ９ ． ２ Ｏ １ ６ ． ０ ４ ． ０ ０ ４
达到 ８ ２ ９ ／ ６ ． 而 这对 于 １维 和 ２维 质量 标 准 的 Ｂ Ｐ神 经 网络质 量模 型来 说却是 无法 实现 的．
１ ． ３ 产 品 质 量 模 型 在 产 品 质 量 控 制 中 的 应 用
据 精确度 更 高． 使用第三种算法 时， 只 要 取 均 方 差 ｅ ｒ ｒ ＜０ ． ０ ５ 的数 据 ， 子集 数 据 就 能 与 整 体 数 据 达 到
《 成 组 技 术 与 生 产现 代 化 》２ ０ １ ６年第 ３ ３卷 第 ４期
行 了试验 ． 对比３ 种 算法 的结 果发现 ， 造 纸生产 车 间
的Ｂ Ｐ神经 网络 质量模 型采 用第 三 种 学 习算 法 的数
４维输入 参数 、 ２ ８维 输 出参 数 的 ４ ×３ ５ ×２ ０ ×２ ８ Ｂ Ｐ 神经 网络 造纸 工艺 反 向质量 模 型 ． 其 建模 近似 度 能
在基 于 Ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ （ 数据挖 掘 ） 技 术 提 出 的 产 品 质量模 型和质量控制模 型中 ， 直 接 决 定 产 品 质 量 的 参
数称 为操作参数． 这些 参数 是 Ｂ Ｐ神经 网络 的 关键输 入参 数 ， 对应其质 量指 标是 关键 输 出 参数． 本 文 以山
文章 编 号 ： １ ０ ０ ６ —３ ２ ６ ９ （ ２ ０ １ ６ ） ０ ４ ～０ ０ １ ４ —０ ４
Ｊ 口 口 质 量模 型 与 控制 模 型 的研 究 及 应 用
陈万 庆 ， 陈昆昌 ， 李仁 旺 ， 荣 杰 ， 曹衍 龙
（ １ ． 浙 江 理 Ｔ 大 学 机 械 与 自动 控 制 学 院 ， 浙江 杭州 ３ １ ０ ０ １ ８ ； ２ ． 浙 江 大 学 机械 丁 程 学 院 ， 浙江 杭 州 ３ １ ０ ０ ５ ８ ）
足． 因此 ， 本 文采 用 ３种 学 习算 法 ， 即 Ｂ Ｐ神 经 网络
作者 简 介 ： 陈万庆（ １ ９ ９ １ 一） ， 男， 浙 江宁波人 ， 硕 士研究 生。 研究方 向 为企 业 信 息 化 ．
两 阶段 混 合 学 习算 法… 、 大惯 性 各 权重 独 立 训练 的
分 散学 习算法 ］ 、 逐 步扩 大样 本学 习算法 ］ ， 分 别进
造 纸 厂 的 大型 造 纸 生 产 线 和 辽 宁 某 钢铁 厂 的铜 闪 速 炉 为例 ，
在 现 场 获 得 大 量 的 关键 输 入 参 数 和 产 品 质 量 数 据 ， 通过 Ｂ Ｐ 神 经 网络 建 立 数 学 模 型 ， 经 数 据 运 算 和 校 验 得 到 了产 品 稳 态