Одним из наиболее важных факторов при производстве бумаги выступает стабилизация качества бумаги по ширине полотна. Увеличение скорости и обрезной ширины в современных бумагоделательных машинах предъявляет повышенные требования к качеству бумаги. Колебания таких показателей качества как масса 1 м² и зольность снижают выход продукции первого сорта и нередко влекут за собой простой бумагоделательного оборудования. Поддержание постоянства массы 1 м² бумаги позволит, в некоторых случаях, не только улучшить качество бумаги, но и осуществить экономное использование волокнистых материалов.

Поиск оптимальной структуры сети проводился путем имитационного моделирования при помощи пакета программ Neuro Office, разработанной АОЗТ “Альфа-систем”. В результате моделирования было рассмотрено несколько структур нейронных сетей с различными преобразующими функциями нейронов. Их обучение проводилось на обучающей выборке по массе 1м², полученной с бумагоделательной машины Сыктывкарского ЛПК. За оптимальную принята структура сети, дающая наименьшую максимальную ошибку за определенный период времени обучения.

Структура оптимальной нейронной сети для i-го параметра по ширине полотна представлена на рис. 1. На вход сети поступают изменения положений регулировочных винтов, входящих в зону влияния для i-го параметра (т.е. изменения массы 1м² в i-той точке по ширине полотна).

В качестве преобразующих функций нейронов внутренних слоев использовалась функция гиперболического тангенса (для выходного слоя использовалась линейная преобразующая функция). Обучение сети проводилось с помощью алгоритма Back-Propagation на 77 обучающих примерах (по 10 случайных значений на каждый регулировочный винт). При этом начальные веса сети принимались равными –0.5, а обучение каждому примеру доводилось до погрешности равной 0.00001 г/ м².

Максимальная ошибка нейронной модели достигает 0.153 г/ м² , а средняя ошибка составляет 0.003 г/ м² (точность датчика в данной системе равна 0.05 г/ м² ,а допустимое колебание массы 1 м² бумаги считается ± 1.5 г/ м²).

В результате моделирования построена система управления массой 1м² основанная на поиске оптимальных управляющих воздействий по нейронной модели. Алгоритм поиска представляет собой метод покоординатного спуска, в котором, в качестве минимизируемой функции цели используется суммарная (по зоне влияния) квадратичная функция ошибки управления следующего вида (переменными величинами являются номер регулировочного винта и изменение его положения):

В качестве начального условия при поиске принимался номер регулировочного винта равный номеру управляемого параметра (по ширине бумагоделательной машины). При работе алгоритма происходит последовательное изменение положений регулировочных винтов из зоны влияния (равной 7 регулировочным винтам). После изменения положения каждого из винтов производится проверка по массе 1 м² всех 7 параметров из зоны влияния каждого винта (в дальнейшем предполагается осуществить проверку не только по массе 1 м² , но и по зольности бумажного полотна).

Погрешность такой системы управления была определена имитационным моделированием и составила не более 0.5 г/ м² _.