打漿過程機理復雜，影響因素眾多，數(shù)學模型提取困難，導致控制系統(tǒng)的控制質(zhì)量不易提高;將打漿度軟測量模型和迭代學習控制算法相結(jié)合，并且適當利用成熟經(jīng)驗，采用比例積分型迭代學習規(guī)律，設(shè)計出可行的控制方案和算法流程，在迭代學習中不斷校正學習參數(shù)，逐漸縮小軟測量模型與真實過程間的誤差，解決了由于模型不清晰導致的控制質(zhì)量較差的問題;經(jīng)仿真實驗證明，該控制方案能有效提高控制系統(tǒng)的準確性和快速性，具有良好的控制效果。
打漿是造紙過程的重要工序之一，對最終成紙的性質(zhì)有決定性的影響，衡量打漿過程的指標被稱為打漿度，單位為”SR。打漿的目的是通過機械作用來處理紙漿纖維，使纖維發(fā)生物理變化而獲得一些特定的性質(zhì)，以滿足紙或紙板質(zhì)量要求。但是，打漿過程是一個復雜過程，其作用機理至今仍然未被人們掌握，使打漿過程的模型建立成為相當棘手的問題，至今沒有總結(jié)出滿足工程使用的數(shù)學模型。影響紙漿質(zhì)量的因素很多，包括原料方面如樹木品種、年齡、采伐季節(jié)及腐爛程度等，還有工藝過程中的其它擾動。這些因素都是不可預知和不可控的，使打漿度的測量和控制成為比較困難的問題，最終導致控制精度不易提高，控制過程耗時長等問題。常見的打漿過程控制方案如比能量控制、打漿度控制、高級比能一比邊緣負荷控制和優(yōu)化控制等都取得了一定的成果，有很大的借鑒價值。本文討論的是在比能量控制方案的基礎(chǔ)上，利用迭代學習控制方法和軟測量技術(shù)改善打漿過程控制效果的可行性。