详情

原文传递纸页横向伸长率的预测方法及装置

专利名称：	纸页横向伸长率的预测方法及装置
摘要：	本发明公开了一种纸页横向伸长率的预测方法及装置，该方法先获取纸页生产过程数据；其中，所述纸页生产过程数据包括浆料纤维数据和纸机运行数据；将所述纸页生产过程数据和所述纸页生产过程数据对应的预测结果作为训练集，输入至深度学习模型中进行训练，以构建训练好的纸页横向伸长率预测模型；根据所述纸页横向伸长率预测模型，对待预测的纸页生产数据进行纸页横向伸长率的预测。采用本发明技术方案能够在不依赖现有的纸页产品的情况下实现纸页横向伸长率的预测，减少纸页生产过程中的资源浪费。
专利类型：	发明专利
申请人：	广州博依特智能信息科技有限公司
发明人：	洪蒙纳;满奕;江伦;李继庚
专利状态：	有效
申请日期：	1900-01-20T18:00:00+0805
发布日期：	1900-01-20T10:00:00+0805
申请号：	CN201911314820.7
公开号：	CN110988312A
代理机构：	广州三环专利商标代理有限公司
代理人：	郭浩辉;麦小婵
分类号：	G01N33/34;G;G01;G01N;G01N33;G01N33/34
申请人地址：	510000 广东省广州市天河区黄埔大道中309号自编3-23D-1-227(仅限办公)
主权项：	1.一种纸页横向伸长率的预测方法，其特征在于，包括：获取纸页生产过程数据；其中，所述纸页生产过程数据包括浆料纤维数据和纸机运行数据；将所述纸页生产过程数据和所述纸页生产过程数据对应的预测结果作为训练集，输入至深度学习模型中进行训练，以构建训练好的纸页横向伸长率预测模型；根据所述纸页横向伸长率预测模型，对待预测的纸页生产数据进行纸页横向伸长率的预测。 2.如权利要求1所述的纸页横向伸长率的预测方法，其特征在于，所述获取纸页生产过程数据，具体为：获取原始浆料的纤维形态数据和纸机运行数据；对所述原始浆料的纤维形态数据进行处理，获得浆料纤维数据；由所述浆料纤维数据和所述纸机运行数据获得所述纸页生产过程数据。 3.如权利要求2所述的纸页横向伸长率的预测方法，其特征在于，所述对所述原始浆料的纤维形态数据进行处理，获得浆料纤维数据，具体为：根据所述原始浆料的纤维形态数据中的扭结纤维数量、浆料纤维数量，获得扭结纤维百分比；根据所述原始浆料的纤维形态数据中的第一浆料纤维总长度、第二浆料纤维总长度，获得细小纤维含量；由所述扭结纤维百分比和所述细小纤维含量获得所述浆料纤维数据。 4.如权利要求3所述的纸页横向伸长率的预测方法，其特征在于，所述根据所述原始浆料的纤维形态数据中的扭结纤维数量、浆料纤维数量，获得扭结纤维百分比，具体为：根据所述扭结纤维数量和所述浆料纤维数量，按照下列公式，获得所述扭结纤维百分比：其中，dm为扭结纤维百分比，N为浆料纤维数量，D为扭结纤维数量，ql为第l种浆板在混合浆中的质量分数，Dl为第l种浆板扭结纤维的数量，dl为第l种浆板的扭结纤维百分比，Nl为第l种浆板的纤维数量。 5.如权利要求3所述的纸页横向伸长率的预测方法，其特征在于，所述根据所述原始浆料的纤维形态数据中的第一浆料纤维总长度、第二浆料纤维总长度，获得细小纤维含量，具体为：根据所述第一浆料纤维总长度、第二浆料纤维总长度，按照下列公式，获得所述细小纤维含量：其中，Cm为细小纤维含量，L为第一浆料纤维总长度，Lc为第二浆料纤维总长度，ql为第l种浆板在混合浆中的质量分数，cl为第l种浆板的细小纤维含量，Ll为第l种浆板的纤维总长度，Nl为第l种浆板的纤维数量，ll为第l种浆板的纤维平均长度。 6.如权利要求1所述的纸页横向伸长率的预测方法，其特征在于，在获取纸页生产过程数据之后，还包括：对所述纸页生产过程数据按照下列公式进行归一化处理，具体公式如下：其中，xi,new为归一化后的数值，xi为待归一化的数值，xmin为样本数据中的最小值，xmax为样本数据中的最大值。 7.如权利要求1所述的纸页横向伸长率的预测方法，其特征在于，所述纸机运行数据包括卷曲率、产品克重、预热器前温度、湿部风罩供风机低频率、杨克烘缸扭矩、冲浆泵电流。 8.如权利要求1-7任意一项所述的纸页横向伸长率的预测方法，其特征在于，所述深度学习模型是由XGBoost算法构建的。 9.一种纸页横向伸长率的预测装置，其特征在于，包括：数据获取模块，用于获取纸页生产过程数据；其中，所述纸页生产过程数据包括浆料纤维数据和纸机运行数据；模型训练模块，用于将所述纸页生产过程数据和所述纸页生产过程数据对应的预测结果作为训练集，输入至深度学习模型中进行训练，以构建训练好的纸页横向伸长率预测模型；预测模块，用于根据所述纸页横向伸长率预测模型，对待预测的纸页生产数据进行纸页横向伸长率的预测。
所属类别：	发明专利