近幾年,人們的生活水平不斷提高,在生活用紙品質(zhì)和皺紋等級劃分和皺紋質(zhì)量控制方面有更高的要求。起皺是生活用紙生產(chǎn)中最重要的環(huán)節(jié),不僅影響紙機(jī)的生產(chǎn)效率和后加工環(huán)節(jié),還直接影響紙張品質(zhì)。目前,國內(nèi)生活用紙企業(yè)劃分皺紋等級以人工肉眼檢測為主,既存在主觀誤差,也不能對皺紋質(zhì)量進(jìn)行實時在線監(jiān)測,影響了生活用紙皺紋質(zhì)量的提高。隨著工業(yè)互聯(lián)網(wǎng)的發(fā)展,企業(yè)積累了大量的歷史數(shù)據(jù),利用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)相關(guān)知識挖掘歷史數(shù)據(jù)中的有價值的信息是工業(yè)互聯(lián)網(wǎng)發(fā)展的方向。本研究以生活用紙企業(yè)造紙過程為對象,以生活用紙企業(yè)歷史數(shù)據(jù)為基礎(chǔ),通過相關(guān)性分析等方法,選擇合適的變量作為皺紋質(zhì)量在線軟測量模型的輸入,建立生活用紙皺紋質(zhì)量軟測量模型,實現(xiàn)生活用紙皺紋質(zhì)量的在線軟測量。然后通過對起皺過程工況和能耗數(shù)據(jù)進(jìn)行預(yù)處理,用核主成分分析(KPCA)對數(shù)據(jù)進(jìn)行降維,建立DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚類模型,對數(shù)據(jù)進(jìn)行聚類分析,找到工況之間的內(nèi)部特征,識別最佳工況,評估節(jié)能潛力。最后,將建立的模型進(jìn)行開發(fā)和工業(yè)驗證,使模型真...

【文章頁數(shù)】：107 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題的背景與意義
    1.2 課題的研究現(xiàn)狀
        1.2.1 生活用紙起皺過程研究現(xiàn)狀
        1.2.2 軟測量技術(shù)及其應(yīng)用
    1.3 主要研究內(nèi)容及擬解決的關(guān)鍵問題
        1.3.1 擬解決的關(guān)鍵問題
        1.3.2 主要研究內(nèi)容
第二章 數(shù)據(jù)采集與特征選擇
    2.1 原始數(shù)據(jù)的采集
        2.1.1 制漿和造紙過程數(shù)據(jù)采集
        2.1.2 皺紋質(zhì)量數(shù)據(jù)采集
    2.2 數(shù)據(jù)預(yù)處理
        2.2.1 數(shù)據(jù)清洗
        2.2.2 纖維形態(tài)數(shù)據(jù)處理和數(shù)據(jù)匹配
    2.3 特征選擇
        2.3.1 相關(guān)性分析
    2.4 本章小結(jié)
第三章 生活用紙皺紋質(zhì)量軟測量模型建立
    3.1 生活用紙皺紋質(zhì)量特性分析
    3.2 建模使用算法介紹
        3.2.1 GBRT和 Ada Boost
        3.2.2 隨機(jī)森林
        3.2.3 支持向量機(jī)
    3.3 生活用紙表面粗糙度建模
    3.4 生活用紙皺紋深度建模
    3.5 生活用紙皺紋頻率建模
    3.6 生活用紙皺紋等級建模
    3.7 本章小結(jié)
第四章 基于DBSCAN聚類的生活用紙起皺過程最佳工況識別
    4.1 引言
    4.2 核主成分分析(KPCA)
    4.3 DBSCAN聚類
    4.4 參數(shù)調(diào)節(jié)與模型建立
    4.5 本章小結(jié)
第五章 皺紋質(zhì)量在線軟測量模型開發(fā)與應(yīng)用
    5.1 皺紋質(zhì)量在線軟測量模型的開發(fā)
        5.1.1 在線數(shù)據(jù)的獲取功能模塊
        5.1.2 特征選擇功能模塊
        5.1.3 結(jié)果預(yù)測功能模塊
        5.1.4 皺紋質(zhì)量軟測量模型開發(fā)結(jié)果
    5.2 皺紋質(zhì)量在線軟測量模型的驗證與應(yīng)用
        5.2.1 皺紋質(zhì)量在線軟測量模型的離線驗證
        5.2.2 皺紋質(zhì)量在線軟測量模型的在線驗證與應(yīng)用
    5.3 本章小結(jié)
結(jié)論與展望
    1 結(jié)論
    2 主要創(chuàng)新點
    3 展望
參考文獻(xiàn)
附錄
    1.標(biāo)準(zhǔn)樣紙皺紋質(zhì)量圖片
    2.python3代碼程序
        2.1 數(shù)據(jù)預(yù)處理
        2.2 特征選擇和模型的建立
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件



本文編號：3836905