橡胶工业的飞速发展对混炼胶质量的精确控制提出了更高的要求。然而由于检测手段不足,在混炼过程中只能检测到混炼过程的温度、转速、填充系数、功率等工艺参数,无法在线直接检测到混炼胶的质量。生产过程中常采用定时离线分析的方法,然后根据分析值指导生产。离线分析值存在滞后性,若用于直接质量控制,由于不同步性,影响了混炼质量的精确控制。 为了进一步提高混炼质量,学者们对橡胶混炼过程中混炼胶的粘度等混炼胶主要质量指标的在线预测进行了大量卓有成效的研究,建立了各种预测模型,但是,这些研究都还存在一定的局限性,尤其是在模型的维护和校正方面的研究还是空白,这都影响了模型在线预测的精度、运行的稳定性和模型的推广。 本文针对上述问题,通过软测量方法对混炼胶过程进行了系统的研究,以期有效的解决复杂混炼过程中的实时检测问题。研究中,通过对混炼过程中对混炼胶质量影响因素的分析,选择易检测的主要工艺参数为辅助变量,进行了实验研究,应用实验数据建立了混炼胶粘度预测的数学模型,模型中为避免多重相关性对模型预测的准确性和稳定性带来的影响,引入了偏最小二乘法(PLS)算法。由于生产过程的时变性对模型的预测精度有很大的影响,而PLS不具有时变跟踪特性,为此,本研究在PLS建模的基础上,首次采用滑动窗方法,用递推偏最小二乘法(RPLS)算法根据在线数据自适应地调整PLS模型的结构和参数,给出了完整的模型在线预测和更新步骤。经实验数据验证模型能够自适应跟踪混炼的过程变化,预测误差均在±3个门尼粘度,符合生产要求。 本文建立了混炼过程的软测量模型,实现了混炼胶粘度在线测量,提高了混炼胶粘度的预测精度,有利于提高生产效率,降低生产能耗。研究为混炼智能控制奠定了实用基础。