制浆蒸煮过程纸浆卡伯值软测量技术研究与应用
|
摘要
蒸煮是制浆过程中的一个重要环节,是复杂的化学工业过程,在蒸煮过程中稳定纸浆的Kappa 值是稳定纸浆质量的关键,而且有助于减少蒸汽和化学品的消耗,减少环境污染,提高生产效益。要控制纸浆的Kappa 值,需要对其进行在线测量或者估计,但是至今国内外尚未开发出准确、可靠、价廉的蒸煮过程在线、商用纸浆Kappa 值测量仪表,因此研究纸浆Kappa 值的软测量技术具有很大的理论意义和实用价值。
软测量技术是一门新兴的工业技术,发展前景广阔。它利用易测过程变量(辅助变量)以及这些变量与难以直接测量的待测变量(主导变量)之间的关系(软测量模型),通过各种计算和估计方法实现对主导变量的测量。
从广义的信息获取角度来看,软测量技术也是一种信息利用和发现规律的方法,在软测量建模过程中要综合利用各种理论、方法,充分挖掘数据中的有用信息,以达到软测量的目的并为进一步设计基于软测量的先进控制打下基础。
本论文就以下主要内容进行了深入的研究并取得了以下结果:
1) 在分析硫酸盐间歇蒸煮过程机理和生产实际情况的基础上,强调了脱 木素过程是一个分段线性化的过程,指出整个蒸煮过程的单一模型具 有很多局限性,在Hatton 简化模型的基础上,提出了分段机理回归模 型的预测方法。
2) 在分析了软测量模型预测误差构成的基础上,结合制浆蒸煮数据样本 的特点,给出了一种综合判别异常样本数据的方法。该方法基于聚类 分析和工艺机理发掘矛盾数据组,并结合回归分析和统计分析,定位 异常样本数据并解释这些异常样本对建模的影响大小。把该方法用于 来自于工厂的实际数据分析,收到了良好效果。来自于实际生产的测 量数据存在着复杂性与准确性等问题,特别是一定数量的矛盾数据和 异常数据的存在,有必要考察数据产生的背景,通过对生产过程的其 他信息的分析,获得校正模型或补偿模型预测残差的方法。
3) 通过对蒸煮过程的工艺流程分析,将小波变换引入升温过程分析中, 采用Daubechies 小波变换来获得样本数据所对应的升温过程的特征向 量,构造了一个简化的五维特征向量。根据五维特征向量可以对样本 的大量脱木素的主要阶段的升温过程进行特征描述,并可以进一步用 来进行工况的分类研究。
4) 在分析了实际工业过程中经验模型预测精度下降的可能原因的基础
Cooking is an important stage in Kraft pulping process. It is also a verycomplicated chemical industrial process. During the cooking process to stabilize theKappa number is the key to stabilize the quality of paper pulp. The steady Kappanumber is also helpful to decrease the consumption of stream and chemical products,to decrease the environment pollution and enhance production efficiency. In order tocontrol the Kappa number of pulp, it must be measured or estimated online.Regrettably, until now the Kappa number online measurement instrument, which isprecision, dependable, low-cost and commercial, has not been developed throughoutinland and overseas. Therefore, it is significant in theory and application to developsoft sensing technology of Kappa number in cooking process.
As a rising industrial technology, soft sensing has great developing space. Itemploys easily measured variables (auxiliary variables) and their relationship (softsensing model) with process variables to be measured (primary variables), which ishard to measure directly, by computation and estimation models.
From the point of Data-mining, soft sensing technology is an importantmethodology to analyze available information and find out rules. To act as an exactand sensitive soft sensor for the design of the advanced control system based on softsensing technology, during the soft sensing modeling process, it is necessary tointegrate different theories and methods to dig out useful information from theoriginal data.
This dissertation concentrated on the research work listed below and achievedsome creative results.
1) Based on the technical analysis and the condition of actual product process of thebatch pulp cooking, the dissertation points out the limits of single model for the wholecooking process, since the process of delignification is linearization for differentphase. A new subsection model is presented based on the simplified Hatton model.
2) After analyzing the composing of prediction error of soft sensing model, a methodof abnormal data discovery for data processing of Kappa number soft sensing ispresented. The new data processing method digs out incompatible data based on dataclustering and mechanism analysis, as well as finds out the outlier data by regressionanalyzing and statistical analysis. It also can explain the impact of abnormal data onsoft sensing. The method is validated by data analyzing from actual factory cookingprocess. Since there are many problems hiding in the measured data from the actual
软测量技术是一门新兴的工业技术,发展前景广阔。它利用易测过程变量(辅助变量)以及这些变量与难以直接测量的待测变量(主导变量)之间的关系(软测量模型),通过各种计算和估计方法实现对主导变量的测量。
从广义的信息获取角度来看,软测量技术也是一种信息利用和发现规律的方法,在软测量建模过程中要综合利用各种理论、方法,充分挖掘数据中的有用信息,以达到软测量的目的并为进一步设计基于软测量的先进控制打下基础。
本论文就以下主要内容进行了深入的研究并取得了以下结果:
1) 在分析硫酸盐间歇蒸煮过程机理和生产实际情况的基础上,强调了脱 木素过程是一个分段线性化的过程,指出整个蒸煮过程的单一模型具 有很多局限性,在Hatton 简化模型的基础上,提出了分段机理回归模 型的预测方法。
2) 在分析了软测量模型预测误差构成的基础上,结合制浆蒸煮数据样本 的特点,给出了一种综合判别异常样本数据的方法。该方法基于聚类 分析和工艺机理发掘矛盾数据组,并结合回归分析和统计分析,定位 异常样本数据并解释这些异常样本对建模的影响大小。把该方法用于 来自于工厂的实际数据分析,收到了良好效果。来自于实际生产的测 量数据存在着复杂性与准确性等问题,特别是一定数量的矛盾数据和 异常数据的存在,有必要考察数据产生的背景,通过对生产过程的其 他信息的分析,获得校正模型或补偿模型预测残差的方法。
3) 通过对蒸煮过程的工艺流程分析,将小波变换引入升温过程分析中, 采用Daubechies 小波变换来获得样本数据所对应的升温过程的特征向 量,构造了一个简化的五维特征向量。根据五维特征向量可以对样本 的大量脱木素的主要阶段的升温过程进行特征描述,并可以进一步用 来进行工况的分类研究。
4) 在分析了实际工业过程中经验模型预测精度下降的可能原因的基础
Cooking is an important stage in Kraft pulping process. It is also a verycomplicated chemical industrial process. During the cooking process to stabilize theKappa number is the key to stabilize the quality of paper pulp. The steady Kappanumber is also helpful to decrease the consumption of stream and chemical products,to decrease the environment pollution and enhance production efficiency. In order tocontrol the Kappa number of pulp, it must be measured or estimated online.Regrettably, until now the Kappa number online measurement instrument, which isprecision, dependable, low-cost and commercial, has not been developed throughoutinland and overseas. Therefore, it is significant in theory and application to developsoft sensing technology of Kappa number in cooking process.
As a rising industrial technology, soft sensing has great developing space. Itemploys easily measured variables (auxiliary variables) and their relationship (softsensing model) with process variables to be measured (primary variables), which ishard to measure directly, by computation and estimation models.
From the point of Data-mining, soft sensing technology is an importantmethodology to analyze available information and find out rules. To act as an exactand sensitive soft sensor for the design of the advanced control system based on softsensing technology, during the soft sensing modeling process, it is necessary tointegrate different theories and methods to dig out useful information from theoriginal data.
This dissertation concentrated on the research work listed below and achievedsome creative results.
1) Based on the technical analysis and the condition of actual product process of thebatch pulp cooking, the dissertation points out the limits of single model for the wholecooking process, since the process of delignification is linearization for differentphase. A new subsection model is presented based on the simplified Hatton model.
2) After analyzing the composing of prediction error of soft sensing model, a methodof abnormal data discovery for data processing of Kappa number soft sensing ispresented. The new data processing method digs out incompatible data based on dataclustering and mechanism analysis, as well as finds out the outlier data by regressionanalyzing and statistical analysis. It also can explain the impact of abnormal data onsoft sensing. The method is validated by data analyzing from actual factory cookingprocess. Since there are many problems hiding in the measured data from the actual
引文
1. 王忠厚,邢军主编.制浆造纸工艺.北京:中国轻工业出版社,1995:27~57
2. E.W.马科隆,T.M.格雷斯编.最新碱法制浆技术.曹邦威译.北京:中国轻工业出版社,1999:48~49
3. Ю.Н.聂伯宁.硫酸盐法制浆.刘长恩译.北京:中国轻工业出版社,1995
4. Marjatta Ollila.卡伯值与亮度的测量及其重要性.刘新兵译.中国造纸.1998, (5):57~64
5. Eglis Kubulnieks et al.The STFI OPTI-Kappa analyzer —applications and accuracy.Tappi Journal.1987,38:11
6. L.Agneus et al . Optimal process control with on-line Kappa number analysis.Pulp and Paper Canada.1992,93:2
7. Richard J. et al.Advanced sensors and control for the pulping and bleaching process.Appita Journal.1998,51(6):412
8. C.H.Wells, E.C.Johns, F.L.Chapman.Computer control of batch digesters using a Kappa number model.Tappi Journel.1975,58(8):177~181
9. H.C.Kim, X.Shen, M.Rao, J.Zurcher.Quality prediction by neural network for pulp and paper process.Conference on Electrical and Computer Engineering, Vancouver, Canada, 1993, vol.1: 104~107
10. Dani Juricic.Model based control of the Kappa number in the pulp cooking process.Electrotechnical Conference, LJubljana, Slovenia, 1991.Proceedings, 6th Mediterranean, 1991, vol.2:836~839
11. Ming Rao, Jean Corbin, Qun Wang.Soft sensors for quality prediction in batch chemical pulping processes.Proceedings of the 1993 International Symposium on Intelligent Control, Chicago, Illinois, USA, 1993:150~155
12. Dani Juricic.Model based computer control of Kappa number in magnefite pulp cooking.Proceedings of the Third IEEE Conference on Control Applications, Glasgow, UK., 1994, vol.2:775~780
13. Anjan Kumar Datta, Jay H. Lee.Model-based monitoring and control of batch pulp digester.Proceedings of the American Control Conference, Baatlmore, Maryland, 1994, vol.1:500~504
14. A.K. Datta, J. H. Lee, and G. A. Krishnagopalan.Reducing batch-to-batch variability of pulp quality through model-based estimation . Pulp Paper Canada.1997, 98:119~122
15. M.T.Musvi, C.Domnisoru, et al.A Neuro-fuzzy system for prediction of pulp digester K-number . International Joint Conference on Neural Networks, Washington, USA, 1999, Vol.6:4253~4258
16. Philip A. Wisnewski, Francis J. Doyle.Model-based predictive control studies for a continuous pulp digester . IEEE Transactions on Control Systems Technology.2001, 9(3):435~444
17. 罗琪.硫酸盐法蒸煮过程纸浆Kappa 值软测量技术的研究.华南理工大学博士学位论文.1998
18. 杨化庭,陈诗甘,李凤遂.预测控制和质量控制在纸浆蒸煮中的应用.机械工业自动化.1994,16(2):15~17
19. 管永刚.关于硫酸盐法蒸煮数学模型的若干问题.中国造纸.1997,16(2): 55~58
20. 王海燕,宋光燕,杨静.蒸煮液有效碱浓度与纸浆硬度控制.纸和造纸.1999, (2):37
21. 巫淑萍,邱公伟.硫酸盐法间歇蒸煮化学浆的动力学数学模型及其计算机控制方案研讨.中国造纸.1988,(2):35~40
22. 罗琪,刘焕彬.硫酸盐间歇蒸煮过程中有效碱浓度数学模型的研究.广东造纸.1997,(3):1~4
23. 罗琪,刘焕彬等.由硫酸盐法蒸煮脱木素反应动力学推导出的纸浆Kappa 值数学模型.广东造纸.1997,(4):1~4
24. 罗琪,刘焕彬等.Lo-SolidsTM 蒸煮过程纸浆Kappa 值数学模型的建立.广东造纸.1998,(3):11~13
25. 管永刚.落叶松KP 法蒸煮数学模型参数的确定.中国造纸.1999,(2):22~24
26. 管永刚.木浆蒸煮经验数学模型的建立.中国造纸.2000,19(4):53~55
27. 李向阳,朱学峰,刘焕彬.硫酸盐蒸煮过程Kappa 值软测量模型的研究与应用.广东造纸.2000,10(5):23~27
28. 吴诗钦.硫酸盐法蒸煮脱木素的动力学数学模型及其应用.中国造纸.1984, (4):13~16
29. 胡慕伊.间歇蒸煮过程控制的研究.林产化学与工业.1998,18(4):18~22
30. 许向阳等.间歇蒸煮过程计算机优化控制系统.中国造纸学报.2000,15: 98~102
31. 罗琪.刘焕彬.硫酸盐法间歇蒸煮过程的建模.华南理工大学学报:自科版.2000,19(4):53~55
32. 张健等,陈德强.制浆蒸煮过程终点预报系统的开发.广东造纸.2000,(2): 5~7
33. 刘铁恒,李广英.数学模型在制浆中的应用.黑龙江造纸.1999,(2):20~22
34. 沈文浩,刘焕彬.化学制浆蒸煮过程控制.上海造纸.1999,30(4):8~9
35. 李向阳,李艳,朱学峰,刘焕彬.基于模型的模糊推理及其在制浆蒸煮软测量中的应用.化工自动化及仪表.2000,27(5):9~13
36. 李向阳,朱学峰,黄道平,刘焕彬.间歇蒸煮过程软测量中的数据预处理方法研究.造纸科学与技术.2001,(1):34~38
37. 李艳,李向阳,朱学峰,刘焕彬.基于粗集理论和RBF 神经网络的软测量技术研究.自动化学报.2001,6(Supplement B):168~172
38. 李向阳,朱学峰,黄道平,刘焕彬.自适应推理控制及在间歇制浆蒸煮过程中的应用.工业仪表与自动化装置.2001,(3):45~48
39. 李向阳,朱学峰,刘焕彬.工业过程混合建模方法研究及应用.计算机工程与应用.2001,(6):17~19
40. 李向阳.间歇蒸煮过程纸浆Kappa 值软测量方法研究与应用.华南理工大学博士学位论文.2001
41. 徐敏,俞金寿.软测量技术.石油化工自动化.1998,(2):1~3
42. 俞金寿,刘爱伦,张克近.软测量技术及其在石油化工中的应用.北京:化学工业出版社,2000
43. 李海青,黄志尧.软测量技术原理及应用,北京:化学工业出版社,2000
44. 俞金寿主编.工业过程先进控制,北京:中国石化出版社,2002
45. 朱学峰.软测量技术及其应用.华南理工大学学报(自然科学版),2002, 30(11):61~67
46. 廖强,徐宗俊,梁德沛.虚拟仪器技术在几何量检测系统中的应用.现代制造工程.2002,(10):75~76
47. 郑莹娜,刘强等.过程软测量虚拟仪器系统集成.自动化仪表.2000,21(5): 13~15
48. 于晓明,李茜.抄纸过程中水分软测量虚拟仪器的研究.西安科技学院学报.2002,22(2):208~210
49. Industry News—Paper consumption rise worldwide.Pulp&Paper.2001,102(1): 7
50. 王忠厚,邢军主编.制浆造纸工艺.北京:中国轻工业出版社,1995:27~57
51. 邝守敏主编.制浆工艺及设备.北京:中国轻工业出版社,2000
52. 管永刚编.碱法蒸煮实用技术.天津:天津大学出版社,1992
53. Vroom K.E.The H factor: a means of expressing cooking times and temperatures as a single variable.Pulp Paper Mag.Can.1957,58(C):228
54. Hatton John V. The potential of process control in kraft pulping of hardwoods relative to softwoods.Tappi.82(8):48~50
55. 刘扬,张华丽.测量数据处理及误差理论.北京:原子能出版社,1997
56. 陈久宇,林见.观测数据的处理方法.上海:上海交通大学出版社,1987
57. 陈剑,古勇,苏宏业,褚健.化工过程数据校正中的数据分类问题.仪器仪表学报.2000,21(6):625~628
58. 陆利忠.测控系统中采样数据的预处理.测控技术.2000,19(8):15~16
59. 陈文明,谢英秀,苏冬平,冯建生.KDD 在产品质量分析与控制中的应用.宝钢技术,2000,(3):55~58
60. 杨阳,刘峰,张天戈.分类器的数据预处理.计算机工程.1998,24(4):33~34
61. 王辉,曾献兵.工业过程监测的数据处理方法研究.计算技术与自动化.1994, 13(2):28~31
62. Zhong Bo, Xiao Zhi.Application of compositive clustering analysis methods in data preprocessing.Journal of Southwest China Normal University (Natural Science).2002,27(5):658~663
63. Hou W. Extraction and application of statistical relationships in relational databases. IEEE Transactions on Knowledge and Data Engineering. 1996, 8(6): 936~945
64. 肖智,李勇,李昌隆.一种基于相关分析的数据预处理方法.重庆大学学报(自然科学版).2002,25(6):132~134
65. John Neter(美)等著.张勇等译.应用线性回归模型.北京:中国统计出版社, 1990
66. 何晓群,刘文卿编著.应用回归分析.北京:中国人民大学出版社,2001
67. S. Weisberg(美)著.王静龙等译.应用线性回归模型.北京:中国统计出版社,1988
68. 崔锦泰.小波分析导论.西安:西安交通大学出版社,1995
69. 李建平.小波分析与信号处理——理论、应用及软件实现.重庆:重庆出版社,1997
70. 杨福生.小波变换的工程分析与应用.北京:科学出版社,2000
71. I. Daubechies. Orthnomal bases of compactly supported wavelet. Comm. Pure and Appl. Math. 1988, 41: 909~996
72. M. Kobayashi . Wavelets and their applications in industry . Nonlinear Analysis.2001, 47:1749~1760
73. M. Antonopoulos-domis, T. Tambaouratzis. System identification during a transient via wavelet multi-resolution analysis followed by spectraltechniques.Annals of Nuclear Energy.1998, 25(6):465~480
74. Jean Marc Lina, Michel. Mayrand.Complex Daubechies wavelets.Applied and Computational Harmonic Analysis.1995, (2):219~229
75. Chun-Hui Hsiao . State analysis of linear time delayed systems via Haar wavelets.Mathematics and Computers in Simulation.1997, 44: 457~470
76. Meyer Yves, Xu Hong . Wavelet Analysis and Chirps . Applied and Computational Harmonic Analysis.1997, 4(4):366~379
77. 于开平,邹经湘,杨炳渊.小波函数的性质及其应用研究.哈尔滨工业大学学报.2000,32(2):36~39
78. 陈珙,王保良等.小波变换辨识流型的一种新方法研究.仪器仪表学报.1999, 20(2):117~120
79. 吴波.基于小波变换的波形特征抽取与识别.华中理工大学学报.1993,21(1): 71~81
80. 赵众,蒋慰孙,顾幸生.基于小波变换的生产过程检测.控制与决策.1999, 14(1):19~24
81. 赵众,顾幸生,蒋慰孙.基于正交小波变换的化工生产过程数据分析.华东理工大学学报.1998,24(2):192~198
82. 王俊锋.过程监测中的数据挖掘技术.华南理工大学博士论文,2002 年
83. Hang Dexian, Wang Jingchun, Jin Yihui.Application research of wavelet neural networks in process control.J. Tsinghua Univ (Sci & Tech).1999, 39(1): 91~94
84. 李向阳,朱学峰,刘焕彬,间歇制浆蒸煮过程的混合建模方法研究,中国造纸学报,2001,16:24~28
85. 王俊锋,钱宇,李秀喜,胡跃明.用主元分析方法完善DCS 过程监控性能.化工自动化及仪表.2002,29(3):15~18
86. 张伟,胡昌华,郑恩让.基于机理与主元分析的纸浆漂白MIMO 软测量.化工自动化及仪表.2002,29(3):47~49
87. 陈耀,王文海,孙优贤.基于动态主元分析的统计过程监视.化工学报.2000, 51(5):666~670
88. 张泉灵,金晓明,王树青,荣冈,陈元青.基于主元分析和模糊模型的链霉素发酵过程建模.无锡轻工大学学报.2000,19(5):446~450
89. 王纲,赵立杰,辛小宁.基于多方向主元分析方法的间歇过程性能监视和故障诊断.沈阳化工学院学报.1999,13(3):190~196
90. 赵棒,蒋慰孙.基于主元分析的工况区域识别方法.化工学报.1998,49(3): 276~281
91. 文忠,俞金寿,华向明.精馏塔产品组分的非线性主元回归估计器.石油化工自动化.1999,(1):23~26
92. P.G.J.Lisboa 编.现代神经网络应用.邢春颖.阳影绎.北京:电子工业出版社,1996
93. 何振亚主编.神经智能:认知科学中若干重大问题的研究.长沙:湖南科学技术出版社,1997
94. 黄峻涛.神经网络控制的应用和发展.自动化博览.1998,(2):1~2
95. Hunt K.J., D. Sbarbaro, R. Zbikowski, P.J. Garthrop.Nerual networks for control systems-a survey.Automatica.1992, 28(6):1083~1112
96. Kumpati S. Narendra, Kannan Parhasarathy . Identification and control of dynamical system using neural networks, IEEE Transactions on Neural Networks, 1990, 1(1): 4~27
97. Win Si-Zhao, Su Hong-Ye, Thomas J. McAvoy.Comparison of four neural net learning methods for dynamic system identification.IEEE Transactions on Neural Networks.1992, 3(1): 122~130
98. Chen S. etal.Orthogonal least squares leaning algorithm for radial basis function netWorks.IEEE Trans.Neural Networks.1991,2(2):302~308
99. J.Moody and C.Darken.Fast learning in networks of locally-tuned processing units.Neural Computation.1989,(1):281~294
100. M.T.Musavi etal.On the training of radial basis function classifiers.Neural Networks.1992,(5):595~603
101. 褚健,王朝辉,苏宏业.先进控制技术及其产业化,测控技术,2000,19(8): 1~4
102. 冯丽辉.DCS、FCS、CIPS 的集成与应用.工业仪表与自动化装置.2002, (2):7~12
103. 姚峻,沈丛奇.DCS 系统设计思想及组态方法的探讨.华东电力.2002,(1): 37~39
104. 陈铮,林泉.DCS 在造纸自动化方面的优越性.福建轻纺.2001,(12):25~27
105. 葛玻,沈文杰,赵旎.工控组态软件的对比及应用.计算机测量与控制.2002, 10(8):550~552
106. 金福江,王慧,李平.过程控制清洁生产技术的研究进展.化工进展.2001, (12):23~25
107. 金以慧,王诗宓,王桂增.过程控制的发展与展望.控制理论与应用.1997, 14(2):145
108. 王惠.制浆造纸工业综合自动化的发展、现状及趋势.中国造纸学报.2002, 17(1):122~126
109. 金福江.制浆生产蒸煮过程多目标优化控制.华侨大学学报(自然科学
2. E.W.马科隆,T.M.格雷斯编.最新碱法制浆技术.曹邦威译.北京:中国轻工业出版社,1999:48~49
3. Ю.Н.聂伯宁.硫酸盐法制浆.刘长恩译.北京:中国轻工业出版社,1995
4. Marjatta Ollila.卡伯值与亮度的测量及其重要性.刘新兵译.中国造纸.1998, (5):57~64
5. Eglis Kubulnieks et al.The STFI OPTI-Kappa analyzer —applications and accuracy.Tappi Journal.1987,38:11
6. L.Agneus et al . Optimal process control with on-line Kappa number analysis.Pulp and Paper Canada.1992,93:2
7. Richard J. et al.Advanced sensors and control for the pulping and bleaching process.Appita Journal.1998,51(6):412
8. C.H.Wells, E.C.Johns, F.L.Chapman.Computer control of batch digesters using a Kappa number model.Tappi Journel.1975,58(8):177~181
9. H.C.Kim, X.Shen, M.Rao, J.Zurcher.Quality prediction by neural network for pulp and paper process.Conference on Electrical and Computer Engineering, Vancouver, Canada, 1993, vol.1: 104~107
10. Dani Juricic.Model based control of the Kappa number in the pulp cooking process.Electrotechnical Conference, LJubljana, Slovenia, 1991.Proceedings, 6th Mediterranean, 1991, vol.2:836~839
11. Ming Rao, Jean Corbin, Qun Wang.Soft sensors for quality prediction in batch chemical pulping processes.Proceedings of the 1993 International Symposium on Intelligent Control, Chicago, Illinois, USA, 1993:150~155
12. Dani Juricic.Model based computer control of Kappa number in magnefite pulp cooking.Proceedings of the Third IEEE Conference on Control Applications, Glasgow, UK., 1994, vol.2:775~780
13. Anjan Kumar Datta, Jay H. Lee.Model-based monitoring and control of batch pulp digester.Proceedings of the American Control Conference, Baatlmore, Maryland, 1994, vol.1:500~504
14. A.K. Datta, J. H. Lee, and G. A. Krishnagopalan.Reducing batch-to-batch variability of pulp quality through model-based estimation . Pulp Paper Canada.1997, 98:119~122
15. M.T.Musvi, C.Domnisoru, et al.A Neuro-fuzzy system for prediction of pulp digester K-number . International Joint Conference on Neural Networks, Washington, USA, 1999, Vol.6:4253~4258
16. Philip A. Wisnewski, Francis J. Doyle.Model-based predictive control studies for a continuous pulp digester . IEEE Transactions on Control Systems Technology.2001, 9(3):435~444
17. 罗琪.硫酸盐法蒸煮过程纸浆Kappa 值软测量技术的研究.华南理工大学博士学位论文.1998
18. 杨化庭,陈诗甘,李凤遂.预测控制和质量控制在纸浆蒸煮中的应用.机械工业自动化.1994,16(2):15~17
19. 管永刚.关于硫酸盐法蒸煮数学模型的若干问题.中国造纸.1997,16(2): 55~58
20. 王海燕,宋光燕,杨静.蒸煮液有效碱浓度与纸浆硬度控制.纸和造纸.1999, (2):37
21. 巫淑萍,邱公伟.硫酸盐法间歇蒸煮化学浆的动力学数学模型及其计算机控制方案研讨.中国造纸.1988,(2):35~40
22. 罗琪,刘焕彬.硫酸盐间歇蒸煮过程中有效碱浓度数学模型的研究.广东造纸.1997,(3):1~4
23. 罗琪,刘焕彬等.由硫酸盐法蒸煮脱木素反应动力学推导出的纸浆Kappa 值数学模型.广东造纸.1997,(4):1~4
24. 罗琪,刘焕彬等.Lo-SolidsTM 蒸煮过程纸浆Kappa 值数学模型的建立.广东造纸.1998,(3):11~13
25. 管永刚.落叶松KP 法蒸煮数学模型参数的确定.中国造纸.1999,(2):22~24
26. 管永刚.木浆蒸煮经验数学模型的建立.中国造纸.2000,19(4):53~55
27. 李向阳,朱学峰,刘焕彬.硫酸盐蒸煮过程Kappa 值软测量模型的研究与应用.广东造纸.2000,10(5):23~27
28. 吴诗钦.硫酸盐法蒸煮脱木素的动力学数学模型及其应用.中国造纸.1984, (4):13~16
29. 胡慕伊.间歇蒸煮过程控制的研究.林产化学与工业.1998,18(4):18~22
30. 许向阳等.间歇蒸煮过程计算机优化控制系统.中国造纸学报.2000,15: 98~102
31. 罗琪.刘焕彬.硫酸盐法间歇蒸煮过程的建模.华南理工大学学报:自科版.2000,19(4):53~55
32. 张健等,陈德强.制浆蒸煮过程终点预报系统的开发.广东造纸.2000,(2): 5~7
33. 刘铁恒,李广英.数学模型在制浆中的应用.黑龙江造纸.1999,(2):20~22
34. 沈文浩,刘焕彬.化学制浆蒸煮过程控制.上海造纸.1999,30(4):8~9
35. 李向阳,李艳,朱学峰,刘焕彬.基于模型的模糊推理及其在制浆蒸煮软测量中的应用.化工自动化及仪表.2000,27(5):9~13
36. 李向阳,朱学峰,黄道平,刘焕彬.间歇蒸煮过程软测量中的数据预处理方法研究.造纸科学与技术.2001,(1):34~38
37. 李艳,李向阳,朱学峰,刘焕彬.基于粗集理论和RBF 神经网络的软测量技术研究.自动化学报.2001,6(Supplement B):168~172
38. 李向阳,朱学峰,黄道平,刘焕彬.自适应推理控制及在间歇制浆蒸煮过程中的应用.工业仪表与自动化装置.2001,(3):45~48
39. 李向阳,朱学峰,刘焕彬.工业过程混合建模方法研究及应用.计算机工程与应用.2001,(6):17~19
40. 李向阳.间歇蒸煮过程纸浆Kappa 值软测量方法研究与应用.华南理工大学博士学位论文.2001
41. 徐敏,俞金寿.软测量技术.石油化工自动化.1998,(2):1~3
42. 俞金寿,刘爱伦,张克近.软测量技术及其在石油化工中的应用.北京:化学工业出版社,2000
43. 李海青,黄志尧.软测量技术原理及应用,北京:化学工业出版社,2000
44. 俞金寿主编.工业过程先进控制,北京:中国石化出版社,2002
45. 朱学峰.软测量技术及其应用.华南理工大学学报(自然科学版),2002, 30(11):61~67
46. 廖强,徐宗俊,梁德沛.虚拟仪器技术在几何量检测系统中的应用.现代制造工程.2002,(10):75~76
47. 郑莹娜,刘强等.过程软测量虚拟仪器系统集成.自动化仪表.2000,21(5): 13~15
48. 于晓明,李茜.抄纸过程中水分软测量虚拟仪器的研究.西安科技学院学报.2002,22(2):208~210
49. Industry News—Paper consumption rise worldwide.Pulp&Paper.2001,102(1): 7
50. 王忠厚,邢军主编.制浆造纸工艺.北京:中国轻工业出版社,1995:27~57
51. 邝守敏主编.制浆工艺及设备.北京:中国轻工业出版社,2000
52. 管永刚编.碱法蒸煮实用技术.天津:天津大学出版社,1992
53. Vroom K.E.The H factor: a means of expressing cooking times and temperatures as a single variable.Pulp Paper Mag.Can.1957,58(C):228
54. Hatton John V. The potential of process control in kraft pulping of hardwoods relative to softwoods.Tappi.82(8):48~50
55. 刘扬,张华丽.测量数据处理及误差理论.北京:原子能出版社,1997
56. 陈久宇,林见.观测数据的处理方法.上海:上海交通大学出版社,1987
57. 陈剑,古勇,苏宏业,褚健.化工过程数据校正中的数据分类问题.仪器仪表学报.2000,21(6):625~628
58. 陆利忠.测控系统中采样数据的预处理.测控技术.2000,19(8):15~16
59. 陈文明,谢英秀,苏冬平,冯建生.KDD 在产品质量分析与控制中的应用.宝钢技术,2000,(3):55~58
60. 杨阳,刘峰,张天戈.分类器的数据预处理.计算机工程.1998,24(4):33~34
61. 王辉,曾献兵.工业过程监测的数据处理方法研究.计算技术与自动化.1994, 13(2):28~31
62. Zhong Bo, Xiao Zhi.Application of compositive clustering analysis methods in data preprocessing.Journal of Southwest China Normal University (Natural Science).2002,27(5):658~663
63. Hou W. Extraction and application of statistical relationships in relational databases. IEEE Transactions on Knowledge and Data Engineering. 1996, 8(6): 936~945
64. 肖智,李勇,李昌隆.一种基于相关分析的数据预处理方法.重庆大学学报(自然科学版).2002,25(6):132~134
65. John Neter(美)等著.张勇等译.应用线性回归模型.北京:中国统计出版社, 1990
66. 何晓群,刘文卿编著.应用回归分析.北京:中国人民大学出版社,2001
67. S. Weisberg(美)著.王静龙等译.应用线性回归模型.北京:中国统计出版社,1988
68. 崔锦泰.小波分析导论.西安:西安交通大学出版社,1995
69. 李建平.小波分析与信号处理——理论、应用及软件实现.重庆:重庆出版社,1997
70. 杨福生.小波变换的工程分析与应用.北京:科学出版社,2000
71. I. Daubechies. Orthnomal bases of compactly supported wavelet. Comm. Pure and Appl. Math. 1988, 41: 909~996
72. M. Kobayashi . Wavelets and their applications in industry . Nonlinear Analysis.2001, 47:1749~1760
73. M. Antonopoulos-domis, T. Tambaouratzis. System identification during a transient via wavelet multi-resolution analysis followed by spectraltechniques.Annals of Nuclear Energy.1998, 25(6):465~480
74. Jean Marc Lina, Michel. Mayrand.Complex Daubechies wavelets.Applied and Computational Harmonic Analysis.1995, (2):219~229
75. Chun-Hui Hsiao . State analysis of linear time delayed systems via Haar wavelets.Mathematics and Computers in Simulation.1997, 44: 457~470
76. Meyer Yves, Xu Hong . Wavelet Analysis and Chirps . Applied and Computational Harmonic Analysis.1997, 4(4):366~379
77. 于开平,邹经湘,杨炳渊.小波函数的性质及其应用研究.哈尔滨工业大学学报.2000,32(2):36~39
78. 陈珙,王保良等.小波变换辨识流型的一种新方法研究.仪器仪表学报.1999, 20(2):117~120
79. 吴波.基于小波变换的波形特征抽取与识别.华中理工大学学报.1993,21(1): 71~81
80. 赵众,蒋慰孙,顾幸生.基于小波变换的生产过程检测.控制与决策.1999, 14(1):19~24
81. 赵众,顾幸生,蒋慰孙.基于正交小波变换的化工生产过程数据分析.华东理工大学学报.1998,24(2):192~198
82. 王俊锋.过程监测中的数据挖掘技术.华南理工大学博士论文,2002 年
83. Hang Dexian, Wang Jingchun, Jin Yihui.Application research of wavelet neural networks in process control.J. Tsinghua Univ (Sci & Tech).1999, 39(1): 91~94
84. 李向阳,朱学峰,刘焕彬,间歇制浆蒸煮过程的混合建模方法研究,中国造纸学报,2001,16:24~28
85. 王俊锋,钱宇,李秀喜,胡跃明.用主元分析方法完善DCS 过程监控性能.化工自动化及仪表.2002,29(3):15~18
86. 张伟,胡昌华,郑恩让.基于机理与主元分析的纸浆漂白MIMO 软测量.化工自动化及仪表.2002,29(3):47~49
87. 陈耀,王文海,孙优贤.基于动态主元分析的统计过程监视.化工学报.2000, 51(5):666~670
88. 张泉灵,金晓明,王树青,荣冈,陈元青.基于主元分析和模糊模型的链霉素发酵过程建模.无锡轻工大学学报.2000,19(5):446~450
89. 王纲,赵立杰,辛小宁.基于多方向主元分析方法的间歇过程性能监视和故障诊断.沈阳化工学院学报.1999,13(3):190~196
90. 赵棒,蒋慰孙.基于主元分析的工况区域识别方法.化工学报.1998,49(3): 276~281
91. 文忠,俞金寿,华向明.精馏塔产品组分的非线性主元回归估计器.石油化工自动化.1999,(1):23~26
92. P.G.J.Lisboa 编.现代神经网络应用.邢春颖.阳影绎.北京:电子工业出版社,1996
93. 何振亚主编.神经智能:认知科学中若干重大问题的研究.长沙:湖南科学技术出版社,1997
94. 黄峻涛.神经网络控制的应用和发展.自动化博览.1998,(2):1~2
95. Hunt K.J., D. Sbarbaro, R. Zbikowski, P.J. Garthrop.Nerual networks for control systems-a survey.Automatica.1992, 28(6):1083~1112
96. Kumpati S. Narendra, Kannan Parhasarathy . Identification and control of dynamical system using neural networks, IEEE Transactions on Neural Networks, 1990, 1(1): 4~27
97. Win Si-Zhao, Su Hong-Ye, Thomas J. McAvoy.Comparison of four neural net learning methods for dynamic system identification.IEEE Transactions on Neural Networks.1992, 3(1): 122~130
98. Chen S. etal.Orthogonal least squares leaning algorithm for radial basis function netWorks.IEEE Trans.Neural Networks.1991,2(2):302~308
99. J.Moody and C.Darken.Fast learning in networks of locally-tuned processing units.Neural Computation.1989,(1):281~294
100. M.T.Musavi etal.On the training of radial basis function classifiers.Neural Networks.1992,(5):595~603
101. 褚健,王朝辉,苏宏业.先进控制技术及其产业化,测控技术,2000,19(8): 1~4
102. 冯丽辉.DCS、FCS、CIPS 的集成与应用.工业仪表与自动化装置.2002, (2):7~12
103. 姚峻,沈丛奇.DCS 系统设计思想及组态方法的探讨.华东电力.2002,(1): 37~39
104. 陈铮,林泉.DCS 在造纸自动化方面的优越性.福建轻纺.2001,(12):25~27
105. 葛玻,沈文杰,赵旎.工控组态软件的对比及应用.计算机测量与控制.2002, 10(8):550~552
106. 金福江,王慧,李平.过程控制清洁生产技术的研究进展.化工进展.2001, (12):23~25
107. 金以慧,王诗宓,王桂增.过程控制的发展与展望.控制理论与应用.1997, 14(2):145
108. 王惠.制浆造纸工业综合自动化的发展、现状及趋势.中国造纸学报.2002, 17(1):122~126
109. 金福江.制浆生产蒸煮过程多目标优化控制.华侨大学学报(自然科学