纸页横向伸长率的预测方法及装置与流程

本发明涉及纸页质量预测领域，尤其涉及一种纸页横向伸长率的预测方法及装置。

背景技术：

现有技术中，大部分造纸企业采用纸页横向伸长率检测设备以实现纸页横向伸长率的检测，其方法主要是将已生产的纸张产品放入到纸页横向伸长率检测设备中，检测人员根据检测数据进行计算分析，获得纸页横向伸长率。然而现有的纸页横向伸长率的检测方法遵循先产后检的原则，存在一定的滞后性，当检测人员检测到某一个纸页产品不合格时，与该不合格的纸页产品同批次的纸页产品均不合格，从而造成资源的浪费。不仅如此，现有的纸页横向伸长率的检测方法，受时间和人力的限制，无法检测每个纸页产品的质量，从而导致纸页横向伸长率的检测效果不佳。

技术实现要素：

本发明实施例提供了一种纸页横向伸长率的预测方法及装置，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。

为了解决上述技术问题，本发明实施例提供了一种纸页横向伸长率的预测方法，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。

作为优选方案，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。

作为优选方案，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。

作为优选方案，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。

作为优选方案，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，l^c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，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，ll为第l种浆板的纤维平均长度。

作为优选方案，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。

作为优选方案，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。

作为优选方案，所述深度学习模型是由xgboost算法构建的。

相应地，本发明还提供一种纸页横向伸长率的预测装置，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。

实施本发明实施例，具有如下有益效果：

本发明实施例提供的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。相比于现有技术采用纸页横向伸长率检测设备进行纸页横向伸长率的检测，本发明技术方案不会过多的依赖的现有的纸页成品，而是会获取纸页生产过程数据并根据训练得到纸页横向伸长率预测模型进行判断和返回输出结果，以便于根据预测结果及时调整造纸工艺，从而减少纸页生产过程中的资源浪费。

附图说明

图1是本发明提供的纸页横向伸长率的预测方法的第一实施例的流程示意图；

图2是纸页横向伸长率检测设备检测结果与本方案的纸页横向伸长率预测模型预测结果的对比图；

图3是本发明提供的纸页横向伸长率的预测装置的第二实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

第一实施例：

参见图1，是本发明提供的纸页横向伸长率的预测方法的一种实施例的流程示意图。如图1，该构建方法包括步骤101至步骤103，各步骤具体如下：

步骤101：获取纸页生产过程数据；其中，纸页生产过程数据包括浆料纤维数据和纸机运行数据。

在其中一种优选实施例中，步骤101具体为：获取原始浆料的纤维形态数据和纸机运行数据；对原始浆料的纤维形态数据进行处理，获得浆料纤维数据；由浆料纤维数据和纸机运行数据获得纸页生产过程数据。

在本实施例中，对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；由扭结纤维百分比和细小纤维含量获得浆料纤维数据。

在本实施例中，扭结纤维百分比的计算方法如下：

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。

在本实施例中，细小纤维含量的计算方法如下：

其中，cm为细小纤维含量，l为第一浆料纤维总长度，又称为全部浆料纤维总长度，l^c为第二浆料纤维总长度，又称为浆料中长度小于0.2mm的纤维总长度，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。

在本实施例中，纤维形态数据的物理意义可见下表：

在本实施例中，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。

在其中一种优选实施例中，对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。

在本实施例中，对纸页生产过程数据进行归一化处理，以消除不同数据之间量纲的影响，从而提高纸页横向伸长率预测模型预测结果的准确度。

步骤102：将纸页生产过程数据和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。

在一种优选实施例中，深度学习模型是由xgboost算法构建的。

在本实施例中，基于xgboost算法的纸页横向伸长率预测模型的原理，具体如下：

首先，初始化，模型中没有树时，预测结果为0：

其次，往模型中加入第一棵树：

接着，往模型中加入t棵树后：

其中，fk表示第k棵树，表示组合t棵树对样本xi的软测量结果。

步骤103：根据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。

由上可见，本发明实施例提供的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，纸页生产过程数据包括浆料纤维数据和纸机运行数据；将纸页生产过程数据和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。相比于现有技术采用纸页横向伸长率检测设备进行纸页横向伸长率的检测，本发明技术方案不会过多的依赖的现有的纸页成品，而是会获取纸页生产过程数据并根据训练得到纸页横向伸长率预测模型进行判断和返回输出结果，以便于根据预测结果及时调整造纸工艺，从而减少纸页生产过程中的资源浪费。

第二实施例：

请参见图3，是本发明提供的一种纸页横向伸长率的预测装置的第二实施例的结构示意图。该装置包括：数据获取模块201、模型训练模块202和预测模块203。

数据获取模块201，用于获取纸页生产过程数据；其中，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202，用于将纸页生产过程数据和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203，用于根据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。

本实施例更详细的工作原理和流程可以但不限于参见第一实施例的纸页横向伸长率的预测方法。

由上可见，本发明技术方案不会过多的依赖的现有的纸页成品，而是会获取纸页生产过程数据并根据训练得到纸页横向伸长率预测模型进行判断和返回输出结果，以便于根据预测结果及时调整造纸工艺，从而减少纸页生产过程中的资源浪费。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。