蒸煮过程是制浆造纸工业中的一个重要环节,也是一个复杂的物理化学过程。纸浆的Kappa 值是蒸煮过程中最重要的一个质量指标,控制好纸浆的Kappa 值,不但可以稳定纸浆质量,而且有助于减少蒸汽和化学品的消耗,减少环境污染,提高生产效益。要控制好纸浆的卡伯值,需要对其进行在线测量或者估计,但是至今国内外尚未开发出准确、可靠、价廉、易维护的蒸煮过程纸浆Kappa 值在线、测量仪表,因此研究纸浆卡伯值的软测量技术具有很大的理论意义和实用价值。在前期的研究中,我们已经在Kappa 值的软测量方面已经进行了深入的研究,所获得的技术成果在实际应用中取得了一定的效果,但是还需要进一步提高其软测量精度。本论文从现有蒸煮过程卡伯值软测量研究的不足和一些尚未进行研究的技术、方法的角度出发,通过增加过程信息量、采用简单有效的数据预处理方法、分析复杂工况下的升温曲线、采用外推性能好的新型建模方法及建立优势互补的混合模型等方法来提高蒸煮过程纸浆Kappa 值软测量的精度,并且在软测量建模过程中综合利用各种理论、方法,充分挖掘数据中的有用信息,以达到提高软测量精度的目的。本论文通过深入、系统的研究,取得了以下有益的结果:1. 提出了一种新的基于双取样点的Kappa 值软测量模型。新模型同时利用了大 量脱木素起始阶段和残余脱木素起始阶段两个取样点的有效碱浓度,增加了 过程的信息量,可以更好地跟踪蒸煮过程Kappa 值的变化,特别是在一些复 杂工况(如闷锅)下,新模型的预测精度要明显优于原有的Kappa 值软测量 模型。另外,双取样点的采用,也减小了有效碱浓度的人工测量误差对Kappa 值预测精度的影响,从而提高了模型的鲁棒性;2. 针对工厂实际建模数据往往污染严重的问题,提出了一种基于模型的建模数 据可靠性评价方法。该方法可以利用蕴含在模型中的机理知识和经验知识来 对建模数据进行可靠性评价,并将评价结果应用于建模过程。与传统的基于 数理统计的数据预处理方法不同,该方法不是盲目地将识别出的异常数据加 以剔出,而是对不同质量的数据给予不同的可靠性评价权值,这在一定程度 上克服了由于盲目删除异常数据,而造成建模精度没有提高反而下降的问 题。论文还将基于模型的数据评价方法和最小二乘建模方法结合起来,提出 了基于数据评价的加权软测量建模方法,从而使得到的软测量模型在一定的 误差数据存在下,也能保持较好的预测精度。此外,虽然该方法是从数据预 处理的角度提出来的,但利用该方法,也可以进行过程工况的识别和划分。