[发明专利]一种纸页吸水性软测量方法

说明书

本发明公开了一种纸页吸水性软测量方法，包括下列步骤：数据库及现场数据采集、对获取的相关数据进行数据预处理、应用支持向量机算法建立纤维形态软测量模型、应用梯度提升决策树算法建立纸页吸水性软测量模型和模型验证。本发明的优点是：通过机器学习方法建立纸页吸水性软测量模型，模型预测速度快且精度良好，可以较准确的实现对所有纸张吸水性实时的软测量。该技术不仅解决了生产上无法对所有原纸产品进行吸水性的测量问题，从而降低人力检测成本，而且能够及时获取成纸吸水性质量，通过实时监控产品质量、发现异常来调整纸机工艺，提高产品合格率。

技术领域

本发明涉及造纸企业纸页物理指标预测技术领域，特别涉及一种基于支持向量机和梯度提升决策树组合算法的纸页吸水性软测量方法。

背景技术

纸张中具有亲水性的纤维及纤维之间多孔性结构的毛细管，使得纸具有吸水性能。纸张的吸水性也是纸制品生产厂家较为关心的问题，直接关系到纸制品的质量。对于生活用纸而言，其要求有良好的吸水性能，等级越高的生活用纸对吸水性的要求也越高。

目前，生活用纸厂纸张质量生产具有产品不合格率高的问题，对于纸张吸水性的检测是基于离线的质量检测仪器，需要耗费高额的人力物力资源，且无法实现对所有产品的检测。导致企业不仅需要耗费大量人工和设备成本检测纸张吸水性，而且纸厂对原纸进行抽检时，也会存在没被检测的纸张质量不合格的问题。

因此对纸张的吸水性进行所有产品实时的质检对纸厂来说非常重要。基于质检仪器的检测存在滞后性，无法实时检测纸张的质量，并将有效信息反馈到生产，来指导生产实际产品，且保持稳定高效。同时大波动的产品质量也造成原材料的浪费。因此，在呼吁互联网+、智能制造的同时，利用机器学习算法构建数学模型，对生活用纸的吸水性这一重要指标进行准确的实时预测是亟待解决的问题。

发明内容

本发明针对现有技术的缺陷，提供了一种纸页吸水性软测量方法，解决了现有技术中存在的缺陷。

为了实现以上发明目的，本发明采取的技术方案如下：

一种纸页吸水性软测量方法，其特征在于，包括以下步骤：

S1、基于生产过程中关键建模数据的采集，包括数据库及现场数据变量；所述变量包括浆料纤维形态测量、磨浆机的功率、通过量和纸机的卷速；

S2、对采集变量进行数据分析，并定性分析采集变量与吸水性的关联，对变量数据进行数据预处理，达到纤维形态软测量建模及纸页吸水性软测量建模的要求；

S3、针对满足建模要求的数据，结合支持向量机算法，建立纤维形态软测量模型；

S4、针对满足建模要求的数据进行特征选择，结合梯度提升决策树算法，建立纸页吸水性软测量模型，然后利用现场的数据进行模型有效性验证。

进一步地，所述S2中定性分析采集变量与吸水性的关联具体为：纸页吸水性的形成与纤维平均长度、细小纤维含量以及纤维之间的结合力有很大关联，纤维平均长度短，细小纤维的含量增加，纸张的吸水性能下降，纤维质检的结合力低，成纸吸水性强；纤维平均长度、细小纤维含量与原始浆板纤维形态、打浆过程的磨浆机功率、通过量有关，而纤维间结合力的形成与造纸阶段浆料流送、成型过程中车速和真空网笼速度有关，因此采集了纤维平均长度、纤维平均粗度、扭结纤维百分比和纤维平均宽度的形态指标，纸机过程中关键参数车速和真空网笼速度作为纸页吸水性模型输入的选取变量；

所述数据分析用于检查原始数据中是否存在脏数据以及无法直接分析的数据，所述脏数据包括缺失值、异常值以及含有特殊字符的数据；对缺失值、异常值以及特殊符号的字符进行删除；

S2中数据预处理来达到建模要求，是对模型的输入变量进行归一化处理，便于不同单位或量级的指标能够进行比较和加权，以消除不同特征量纲和数量级不同对建模造成影响；处理方式为将所选特征变量压缩得到均值为0，标准差为1的新数列；具体方式如下：