一种基于智能算法的传统书画纸纸浆配浆系统及方法

本发明涉及智能数控打浆，尤其涉及一种基于智能算法的传统书画纸纸浆配浆系统及方法。

背景技术：

1、在生产纸制品的过程中，需要不单单只是木材作为材料，更有竹子、叶片等各类清洁创新的材料作为原材料，对纸浆加工时各个材料的配料要求越来越复杂，种类越来越多。但是在实际生产过程中，各种混合物料的过程中精确度不易把控，尤其对于不同产品的生产需求，不同物料的不同配比变化造成产品质量的不确定不稳定，这一过程往往通过人工来进行监督调整，或是通过电动来进行监控调整，但是由于物料的实际加入量并不是稳定不变的，所以怎么对于物料的实际加入量进行配比及精确控制打浆度仍然存在难题。

2、例如，一种在中国专利文献上公开的“一种节能型造纸纸浆配浆系统”，其公告号：cn202220749029，公开了包括配料缸、配料出料阀、配料出料缸、配料称重传感器、进料阀、混料缸、称重传感器及控制电路。本实用功能通过硬件来实现，电路简单，稳定性高，最终可根据纸制品的需求，提前设计配浆比例及具体用量，进行自动化纸浆配浆，对纸浆配浆过程实现了自动化，但是该方案没有考虑到实际物料量和打浆度的精确控制。

技术实现思路

1、为了解决现有技术中实际物料量和打浆度不能精确控制的问题，本发明公开了一种基于智能算法的传统书画纸纸浆配浆系统及方法，能够实现长短纤维及各种助剂的精准匹配，实现打浆度的精准控制，从而有效提升改善纸张质量。

2、一种基于智能算法的传统书画纸纸浆配浆系统，其特征在于，包括，数控模块，数控模块进行数据采集及智能判断；数控模块连接有设备终端，设备终端进行调节控制。通过数控模块对配浆及打浆过程进行实时监控调节，自动选择最优的配比进行调节，能够根据各种物料的实际添加量进行调节，从而生成当前物料添加量的最优配比，进而控制打浆过程为对应的最优打浆度，从而有效提升纸张质量。通过设备终端对长短纤维及各种助剂的添加进行控制，并根据数据模块的最优配比策略进行调节，使得各种物料的添加都处于可控制的状态，使得各种物料的添加都能根据实际添加量和最优配比进行调节。实现长短纤维及各种助剂的精准匹配，实现打浆度的精准控制，进而有效提升纸张质量。

3、作为优选的，所述的数控模块包括，采集端，采集端监控设备终端的工作状态；采集端连接有算法模型，算法模型对采集端的工作状态进行自动判断并发出调节信号。采集端分别采集每种物料的实际添加量和预计添加量，采集端包括传感器组和监控模块，传感器组检测物料量并将检测到的物料量上传至连接的算法模型中；监控模块包括监控控制信号和工作状态，监控模块监控设备终端接收到的控制信号和设备终端的实际工作状态，监控模块将监控到的信号上传至连接的算法模型中。算法模型连接有信号发射部，信号发射部根据算法模型的输出结果发出对应的控制信号到设备终端。

4、作为优选的，所述的设备终端包括，配浆机构，配浆机构包括多个分别投入多种物料的开关机构；配浆机构连接有打浆机构，打浆机构进行打浆。配浆机构将多种物料添加到打浆机构中，配浆机构中多种物料的开关机构独立控制，多种物料的开关机构分别具有不同的特性曲线，多种物料的开关机构分别具有不同的开关曲线，开关机构的开关曲线为特性曲线和物料的添加特性确定。物料的添加特性包括物料的添加速率与开关开合度的影响因子，特性曲线为开关的响应特性及准确度的关系曲线。打浆机构与数控模块连接，打浆机构受到数控模块的调节而改变打浆动作。数控模块存储有配浆机构中每个开关机构的开关曲线等数据。能够通过配浆机构和打浆机构来响应数控模块的调节，进而实现配浆的精确配比，实现打浆度的精确控制。实现配浆打浆过程可控。

5、一种基于智能算法的传统书画纸纸浆配浆方法，包括如下步骤，

6、获取第一物料的一致性信息，将第一物料的一致性信息投入动态矩阵；包括获取青檀皮或桑树皮等树皮类物料的一致性信息；

7、获取第二物料的一致性信息，将第二物料的一致性信息投入动态矩阵；包括确定稻草灰等灰类物料的一致性信息；

8、对第一物料和第二物料的一致性信息进行神经网络训练；

9、获取动态矩阵的第一反馈控制信息，将第一反馈控制信息进行随机动态验证；

10、若随机动态验证合格则确定第一反馈控制信息的开关曲线，求得开关曲线的最优控制节点；

11、将最优控制节点投入神经网络模型中寻找最优配浆控制节点组。首先获取多种物料的一致性信息，并将多种物料的一致性信息投入动态矩阵中，从而形成基于多种物料动态投入物料的动态矩阵，同时对动态矩阵中物料的一致性信息进行神经网络训练，得到动态一致性信息的最佳配方的神经网络模型；对动态矩阵输出的基于一致性信息的控制信息作为第一反馈控制信息，对该第一反馈控制信息进行以最佳配方为范围的随机动态验证，上述最佳范围为所有物料能够组合出的最佳配比的数据库；在随机动态验证合格后，则获取第一反馈控制信息中的控制信息，获取控制信息中开关机构及开关机构对应的开关曲线，根据开关曲线确定最优控制节点；最优控制节点能够发现该开关机构离当前物料添加量最近的最优控制效果节点，将最优控制节点经过上述神经网络模型进行求解，确定当前最优控制节点的其余物料的开关机构的最优控制节点。能够首先对物料的添加量进行智能判断，然后结合物料的开关机构的开关曲线进行第二次判断，实现长短纤维及各种助剂的精准匹配，同时严格控制各种助剂的加入顺序及时间点，从而实现对不同配浆进行配方管理。

12、作为优选的，所述的一致性信息包括，物料的输入信息和释放信息，物料的开关机构运动信息，根据开关机构运动信息和释放信息得到的差值信息。物料的输入信息为该物料的计划添加量，物料的释放信息为该物料的实时已添加量，该实时已添加量为实时监测添加过程确定，物料的开关机构运动信息为添加该物料的开关机构的驱动信息，差值信息为该物料的实际添加量和开关机构的预计添加量的差值，从而确定该物料的添加量、计划添加量、预计添加量的关系，从而能够确定物料添加这一动作的响应效果。并对实时物料添加量进行监控。

13、作为优选的，所述的随机动态验证包括对第一物料和第二物料的一致性信息进行随机动态规划，随机动态规划根据一致性信息组成配方，对配方进行配方一致性验证。随机动态验证的内容包括至少两种物料的一致性信息，随机动态规划为以每种物料的一致性信息作为随机量，以配方作为随机目标，在多个随机量能够随机组成随机目标时通过随机动态验证。能够对每个物料的一致性信息进行组合验证，即避免了单一验证，尤其是在具有多种物料进行依次添加时，能够对物料的组合进行验证，使得验证目标不再是单一的物料添加量，减少单一物料对整体组合的影响。

14、作为优选的，第一反馈控制信息的开关曲线包括，第一反馈控制信息对应的物料的开关响应曲线，开关响应曲线的坐标包括响应速度和开合度。开关曲线通过特性曲线和物料的添加特性确定。物料的添加特性包括物料的添加速率与开关开合度的影响因子，特性曲线为开关的响应特性及准确度的关系曲线，从而以开合度和响应速度作为曲线的坐标，以影响因子作为曲线的参数，从而确定物料和开关的关系。

15、作为优选的，包括重复根据多种物料的一致性信息获取最优配浆控制节点组，最优配浆控制节点组包括物料开口控制组和打浆度控制组。实时获取多种物料的一致性信息，在多种物料添加时，将多种物料的一致性信息进行统一验证。获取最优配浆控制节点组后，即代表获取当前各种物料的最佳配方和最优控制方式，能够在初始的计划配方后，进一步得到根据物料和开关之间关系的最优配方，并为所有开关提供用以调节的控制信息。同时确定当前最优配方的最优打浆度，打浆度控制组为物料开口控制组经过固定的转换函数得到的控制信息组，转换函数中对每种物料分别设有转换矩阵。

16、有益效果

17、(1)使得各种物料的添加都处于可控制的状态，使得各种物料的添加都能根据实际添加量和最优配比进行调节。实现长短纤维及各种助剂的精准匹配，实现打浆度的精准控制，进而有效提升纸张质量；(2)实现长短纤维及各种助剂的精准匹配，同时严格控制各种助剂的加入顺序及时间点，从而实现对不同配浆进行配方管理，并结合设备终端，通过动力传动和自动加压装置等执行机构对飞刀进行控制，实现打浆度的精准控制，从而有效提升改善纸张质量。