search query: @keyword neural network / total: 37
reference: 11 / 37
Author: | Liimatainen, Tommi |
Title: | On-line monitelakalanterin kiiltomalli |
Gloss model for an on-line multinip calender | |
Publication type: | Master's thesis |
Publication year: | 2005 |
Pages: | iv + 161 s. + liitt. 17 Language: fin |
Department/School: | Puunjalostustekniikan osasto |
Main subject: | Prosessien ohjaus ja hallinta (Kem-90) |
Supervisor: | Jämsä-Jounela, Sirkka-Liisa |
Instructor: | Kettunen, Heikki |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark TKK 674 | Archive |
Keywords: | multinip calendering gloss modeling profile regression analysis neural network monitelakalanterointi kiilto mallinnus profiili regressioanalyysi neuroverkko |
Abstract (fin): | Osaksi paperikonetta integroidut on-line monitelakalanterit ovat nopeasti yleistyneet investointikustannusten sekä paperinvalmistusprosessin työvaiheiden karsimisen myötä. On-line kalanteroidun paperin laatu sekä kalanterin ajettavuus ovat riippuvaisia kalanteria edeltävien prosessivaiheiden tuottaman paperin laadusta.. Erilaisista paperin laatuprofiilien virheistä huolimatta on-line kalanterin viimeistelemän paperin on oltava paperitehtaan loppuasiakkaan vaatimusten mukaista ja sitä on kyettävä tuottamaan keskeytyksettä ja kustannustehokkaasti. Tämä on asettanut paperikoneiden nopeuden kasvun ohella uusia haasteita monitelakalantereiden säätöjärjestelmille. On syntynyt tarve kehittää prosessiyhtälöitä kuvaamaan SC-paperin laatuominaisuuksia, jotta pystytään kehittämään on-line monitelakalanteriin kiillon säätöjärjestelmä, joka kykenee reagoimaan paperikoneelta tulevassa kalanteroimattomassa paperissa tapahtuviin muutoksiin oikein sekä riittävän tehokkaasti. Työn tavoitteena oli kehittää matemaattinen malli kalanteroidun paperin kiillon ennustamiseen prosessidatasta on-line ympäristössä. Työn kirjallisuusosassa perehdyttiin ensin SC-paperiin tuotteena sekä on-line monitelakalanteroinnin perusteisiin. Kirjallisuusosassa esitetään seuraavaksi nykyaikaisen kalanterin ohjaus- ja säätöstrategiat. Lisäksi kirjallisuusosassa on käyty lävitse malliprediktiivisen säädön perusteet. Kokeellisen osan mallinnuksen perusteiksi on kirjallisuusosassa esitelty tunnetuimmat kirjallisuudessa esiintyvät kalanterointimallit sekä mallinnustyökaluina faktorianalyysi, regressioanalyysi sekä neuroverkot. Työn kokeellisessa osassa on luotu regressiomallit tutkimusmittakaavaisella kalanterilla ajettujen koeajojen datan sekä paperitehtaasta kerätyn datan avulla paperin ylä- ja alapuolen kiillolle monimuuttujaregressiota, faktoriregressiota ja polynomiregressiota hyväksikäyttäen. Lisäksi on luotu neuroverkkomallit samaa dataa hyväksikäyttäen paperin ylä- ja alapuolen kiillolle. Kokeellisessa osassa on esitetty sekä tutkimusmittakaavassa ajettujen koeajojen datan, että tehtaalta kerätyn datan analyysi tunnuslukuineen, mallinnuksen tulokset sekä saadut regressio- ja neuroverkkomallit paperin ylä- ja alapuolen kiillolle. Työn kokeellisessa osassa käytetyt mallinnustekniikat perustuvat työn kirjallisuusosassa esiteltyihin menetelmiin. Käytetyt menetelmät ovat yleisesti tunnettuja ja kirjallisuusosan perusteella käytännölliseksi havaittuja. Kokeellisessa osassa luoduista regressiomalleista käyttökelpoisimmiksi osoittautuivat polynomiregressiomallit. Myös faktoriregressiomallit ennustivat kalanteroidun paperin kiiltoa hyvin, mutta mallit muodostuivat erittäin monimutkaisiksi ja siten käyttökelvottomiksi. Polynomiregressiomallit olivat selvästi suorituskykyisempiä, kuin monimuuttujaregressiomallit ja ne ovat osoittautuneet jatkokäytössäkin käyttökelpoisiksi niin T&K työssä, kuin säätimen suunnittelussa. Neuroverkkomallien avulla saadut tulokset olivat rohkaisevia ja niitä voidaan työssä saatujen kokemusten perusteella pitää luotettavina. |
ED: | 2005-03-08 |
INSSI record number: 28148
+ add basket
INSSI