Simulating the performance of paper machine control
Tolonen, Miika (2010)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe201006102004
https://urn.fi/URN:NBN:fi-fe201006102004
Tiivistelmä
The topic of this thesis is the simulation of a combination of several control and data assimilation methods, meant to be used for controlling the quality of paper in a paper machine. Paper making is a very complex process and the information obtained from the web is sparse. A paper web scanner can only measure a zig zag path on the web. An assimilation method is needed to process estimates for Machine Direction (MD) and Cross Direction (CD) profiles of the web. Quality control is based on these measurements. There is an increasing need for intelligent methods to assist in data assimilation. The target of this thesis is to study how such intelligent assimilation methods are affecting paper web quality.
This work is based on a paper web simulator, which has been developed in the TEKES funded MASI NoTes project. The simulator is a valuable tool in comparing different assimilation methods. The thesis contains the comparison of four different assimilation methods. These data assimilation methods are a first order Bayesian model estimator, an ARMA model based on a higher order Bayesian estimator, a Fourier transform based Kalman filter estimator and a simple block estimator. The last one can be considered to be close to current operational methods.
From these methods Bayesian, ARMA and Kalman all seem to have advantages over the commercial one. The Kalman and ARMA estimators seems to be best in overall performance. Tämän työn aiheena on monen säätöalgoritmin ja erottelumenetelmän yhdistelmän simulointi. Näitä menetelmiä on tarkoitus käyttää paperin laadun säätämiseen paperi-koneessa. Paperin valmistus on hyvin vaikea prosessi ja mittaustieto rainalta on hyvin vähäistä. Mittapalkki voi mitata rainalta vain sik sak kuviota. Prosessi tarvitsee kuitenkin mittaustiedon eroteltuna konesuuntaiseen (MD) ja poikkisuuntaiseen (CD) profiiliin. Laadun säätö perustuu näihin mittauksiin ja tarve älykkäiden erottelumenetelmien kehittämiselle kasvaa. Tämän työn tarkoituksena on selvittää kuinka älykkäät erottelumentelmät vaikuttavat paperin laatuun paperikoneessa.
Työ perustuu simulaattoriin, joka on kehitetty MASI NOTES projektissa. Simulaattori on arvokas työkalu, kun vertaillaan erilaisia erottelumenetelmiä. Tämä työ sisältää neljän eri erottelumenetelmän vertailun. Erottelumenetelmät ovat ensimmäisen asteen Bayesian menetelmä, ARMA menetelmä, Fourier muunnokseen perustuva Kalman suodin ja keskiarvo suodin. Viimeistä voidaan pitää lähimpänä kaupallista versiota, joka on nykyisin paperikoneissa käytössä.
Projektissa kehitettyillä menetelmillä näyttäisi olevan etuja verrattuna kaupalliseen versioon. Kalman- ja ARMA menetelmillä näyttäisi olevan parempi erottelutulos ja kokonaisuuden hallinta
This work is based on a paper web simulator, which has been developed in the TEKES funded MASI NoTes project. The simulator is a valuable tool in comparing different assimilation methods. The thesis contains the comparison of four different assimilation methods. These data assimilation methods are a first order Bayesian model estimator, an ARMA model based on a higher order Bayesian estimator, a Fourier transform based Kalman filter estimator and a simple block estimator. The last one can be considered to be close to current operational methods.
From these methods Bayesian, ARMA and Kalman all seem to have advantages over the commercial one. The Kalman and ARMA estimators seems to be best in overall performance.
Työ perustuu simulaattoriin, joka on kehitetty MASI NOTES projektissa. Simulaattori on arvokas työkalu, kun vertaillaan erilaisia erottelumenetelmiä. Tämä työ sisältää neljän eri erottelumenetelmän vertailun. Erottelumenetelmät ovat ensimmäisen asteen Bayesian menetelmä, ARMA menetelmä, Fourier muunnokseen perustuva Kalman suodin ja keskiarvo suodin. Viimeistä voidaan pitää lähimpänä kaupallista versiota, joka on nykyisin paperikoneissa käytössä.
Projektissa kehitettyillä menetelmillä näyttäisi olevan etuja verrattuna kaupalliseen versioon. Kalman- ja ARMA menetelmillä näyttäisi olevan parempi erottelutulos ja kokonaisuuden hallinta