电子通信论文编号:TX105  字数:24645,页数:44 

目 录
摘要 I
ABSTRACT II
1 绪论  1
2 软测量技术及其应用与发展 3
2.1 软测量技术基本原理  3
2.1.1 辅助变量的选择 3
2.1.2 输入数据预处理方案 3
2.1.3 软测量模型类型  4
2.2 软测量模型的工程实现 5
2.2.1 辅助变量的选择 5
2.2.2 输入数据的处理 6
2.2.3 软测量模型的建立 6
2.2.4 软测量模型的在线校正  8
2.3 软测量技术应用现状与发展 8
2.4 小结 9
3 基于神经元网络的软测量技术 10
3.1 神经元网络综述 10
3.1.1 神经网络的基本原理 10
3.1.2 神经网络模型 11
3.1.3 神经网络的学习方式 12
3.1.4 人工神经元网络连接的基本形式 13
3.2 BP神经网络 14
3.2.1 BP神经网络的结构  14
3.2.2 BP神经网络学习算法  14
3.2.2 BP网络的设计原则  17
3.3 BP网络的缺点及改进 18
3.3.1 BP神经网络的缺点   19
3.3.2 BP神经网络的一些改进   19
3.4 总结   19
4 打浆工艺及打浆过程控制  20
4.1 打浆过程在造纸工业中的作用和其发展状况  20
4.1.1 打浆过程在造纸工业中的作用 20
4.1.2 打浆过程控制的发展 20
4.2 打浆过程中的重要参数  21
4.2.1 打浆对纸张性质参数的影响 21
4.2.2 决定打浆效果的参数   21
4.3 造纸打浆过程工艺  22
4.3.1 打浆工艺流程  22
4.3.2 影响打浆过程工艺的重要参数 23
4.4 打浆过程控制 24
4.4.1 对比压的控制 24
4.4.2 打浆浓度的控制  25
4.4.3 浆流量的控制 25
4.4 小结 26
5 基于BP神经网络的打浆过程打浆度的软测量 27
5.1 串联连续打浆工艺过程  27
5.2 BP网络模型的确定  27
5.3 BP神经网络的训练 30
5.3.1 输入样本的预处理 30
5.3.2 整个网络学习的步骤 30
5.3.3 Matlab创建以及训练BP神经网络  30
5.4 系统网络连接   36
5.4.1 MACS系统网络  36
5.4.2 网络功能描述  36
5.4.3 系统网络连接   37
5.4.4 以太网卡IP地址说明 37
5.5 小结  38
致谢 39
参考文献 40

摘 要
在工业生产中存在的大量过程参数，往往与生产效率、产品质量密切相关，需要加以严格控制。然而，由于技术、工艺或经济的原因，目前无法通过普通传感器对这些过程参数进行检测。软测量技术作为解决上述问题的新方法，近年来取得了重大发展。而用神经网络来建立软测量的模型，比其他方法有着不可比拟的优点，近年来，随着科技的进步，又出现了神经网络结合其他方法的软测量方法。
打浆度不能造纸打浆过程中在线检测，但其和打浆过程中可直接测得的几个物理量有一定的对应关系，这些物理量分别是打浆流量P、打浆浓度C、打浆电流I、和原打浆度oSP，它们与打浆度之间存在复杂而确定性的关系。由于打浆度与I、C、P、oSP 0等几个量之间关系复杂，难以用线性或分段线性的关系来表示，而神经网络对于一般非线性函数具有任意精度的逼近能力，所以可以用神经网络来表示打浆度与浓度等几个量的关系。本课题主要分析研究BP神经网络的结构和算法，建立了串联连续打浆过程打浆度软测量的BP神经网络模型，并将该模型用于打浆过程控制和优化控制，取得了较好的测量效果。
关键词：软测量，BP神经网络，打浆过程，打浆度

ABSTRACT
In industry production，there are a lots process parameters，which are close relating to production efficiency and quality of products，need containing. However，for the reasons of techniques，craftwork and economy，these parameters are not able to be measured by usual ways. Recently，being a new solution to this problem，soft sensor technology has developed quickly. But establish the soft measured model with the nerve network, compare the advantage that other method have got and can't compare to, in recent years, along with technological advance, appeared the soft diagraph method of the combinative other method in network in nerve again.
The deckle beats to starch the process inside wet heavy can't on-line examination, but its with beat to starch the process the inside can measure directly of a few amount of physicses has certainly of to should relate to, these physicses measures is to beat to starch the discharge P and beat to starch the density C and beat to starch the electric current respectively, with original and wet heavy worth g0, they with wet heavy an esse complicated but certain relation. Because the wet heavy g is complicated with I, C, P, etc. of g0 several amount offs a relation, landing is hard to use line or cent a line relations mean, but nerve network for generally and not the line function has arbitrarily the accuracy approaches the ability, so can use the nerve network to mean wet heavy wait with density the relation of several amount offs. This  lesson a construction for main analysis research BP nerve network with calculate way. The soft measurement model of the beating degree which is based on BP neural network is built. The model has acquired better effect in the control of process and optimization.
KEY WORDS: soft sensing, BP neural network, pulp process, pulp