Control of continuous digester kappa number using generalized model predictive control
Notice bibliographique
Résumé
Kappa number variability at the digester impacts pulp yield, physical strength properties, and lignin content for downstream delignification processing. Regulation of the digester kappa number is therefore of great importance to the pulp and paper industry. In this work, an industrial application of model-based predictive control (MPC), based on generalized prediction control, was developed for kappa number feedback control and applied to a dual vessel continuous digester located in Western Canada. The problem was complicated by the need to apply heat at multiple locations in the cook. In this study, the problem was reduced from a multiple to a single input system by identifying three potential single variable permutations for temperature adjustment. In the end, a coordinated approach to the heaters was adopted. The process was perturbed and modeled as a simple first order plus dead time model and implemented in generalized predictive control (GPC). The GPC was then configured to be equivalent to Dahlin’s controller, which reduced tuning parameterization to a single closed loop time constant. The controller was then tuned based on robustness towards a worst-case dead time mismatch of 50%. The control held the mean value of the kappa number close to the setpoint, and a 40% reduction in the kappa number’s standard deviation was achieved. Different kappa number trials were run, and the average fiberline yield for each period was evaluated. Trial results suggested yield gains of 0.3%–0.5% were possible for each 1 kappa number target increase.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».