挑戰:

　　創建一個用來監測大型造紙廠紙漿的生產過程，以節約能源和降低成本。 解決方案:為了增加吞吐量，節約能源，以及優化生產過程，我們利用NI LabVIEW數據記錄和監控(DSC)模塊來處理復雜的，非線性的建模過程。

　　"LabVIEW工具包使同時運行多個模型變得更加容易，這意味著在線性能監控功能可以變得簡單直接。"

　　位于英國Workington的Iggesund紙板公司，其生產線上主要有五個造紙機，運行每個造紙機至少需要消耗15兆瓦的能量。節約能源對于降低我們 的運營成本至關重要，因此，我們需要一個解決方案，以優化我們能源的使用效率，同時確保造紙機能夠生產出最終紙板成品所需要的紙漿。

　　模型設計

　　為了預測紙張的剛度，我們實施了基于前饋單層感知(FFSLP)結構的人工神經網絡(ANN)模型。之所以我們會選擇該模型，并將該模型建立于多元 線性回歸(MLR)模型之上，是因為該建模過程的需求是非線性的。人工神經網絡更能準確地對大量紙張材料作出預測。此外，對于所有紙張材料來說，只使用一 個模型也是很方便的，使造紙廠操作員更易于使用該系統。

　　對于在線監測功能，我們將人工神經網絡與多元數據分析(MVDA)方法結合起來，因為該方法更適應于操作環境的改變，如紙張材料的變化。由此建立的非線性模型更能準確地預測橫向(CD)抗彎剛度的機器方向(MD)偏差。

　　我們利用 LabVIEW軟 件，并結合了閉環自適應造紙機控制系統所采用的高級自適應控制算法的人工神經網絡技術，設計了該預測模型。該解決方案包含了一個脫機工具，該工具可以對不 同紙漿類型的造紙機載荷進行仿真。這無疑給操作員和開發工程師帶來了機會,可以嘗試不同精煉配置及比較預測最終紙板質量測量。通過利用LabVIEW軟件 對改變參數后的效果進行仿真，使我們避免了昂貴的全面試驗，從而節省了我們的時間和成本。

　　此外，LabVIEW DSC 模塊可 以方便的并行運行多個模型，并且提供了直接在線性能監控功能。利用LabVIEW DSC模塊，我們將模型限定在造紙廠可以正常運行的狀態范圍內。當變量移動到正常運行狀態范圍之外后，報警器就會被激活，向操作員發出系統發生問題的提示 信息，同時系統向操作員指示哪個變量發生故障以及告知解決該故障的最佳方法。

　　在線監測

　　Iggesund紙板公司在其在線操作上成功地使用了這種新模型。采用分值圖的方法，當變量偏離紙漿設置點時，系統會向機器操作員發出提示信息。分值圖表示每個變量主要成分分析的得分，并以一分鐘的時間間隔進行更新。

　　圖1顯示了兩個本征向量的分數作為橫縱坐標繪制而成的一個二維監測分值圖。二維分值圖用于顯示兩個本征向量間的關系，可以用一個95%到99% 的Hotelling橢圓來表示，其定義了生產過程中的正常運行區域。這樣使得操作員很容易地識別異常值。

　　所有相似的數據點都聚集在這個二維分值圖上，各組數據點代表了生產過程中的工作點。這些圖可以用來顯示代表單個工作點的一組數據點，或代表多個工作 點的多組數據點。如果數據點保持在Hotelling橢圓范圍內，這就表明，工作點在正常運行區域內。無論變量間的基本相關性是否有效，過程變量中的任何 異常變化都可以用這個二維分值圖來清晰地顯示。在載荷圖的輔助下，我們可以確定問題的根源，并排除故障。

　　結論

　　我們利用LabVIEW DSC模塊所建立的模型向紙板機操作員提供了實時處理信息，當變量偏離所要求的紙漿質量設置點時，系統會清晰地向操作員發出提示信息。紙漿廠操作員可以選擇所需的設定點和精煉能量值，以達到最佳效果。