制丝环节在线设备异常监控系统及方法技术方案

本发明专利技术公开了制丝环节在线设备异常监控系统及方法，所述系统包括信息管理系统及与信息管理系统通信连接的参数筛选单元、状态预测单元、异常监控单元及异常排查单元。本发明专利技术采用神经网络算法，以各工序关键参数为输出因素，以其它生产参数为输入因素，分阶段建立关键参数预测模型，对相应工序的生产状态进行预测其根据关键参数预测模型的预测值，将预测值与对应关键参数的标准值进行对比：当该关键参数的预测值与标准值偏差＜10％时，判定系统设备正常运行；当该关键参数的预测值与标准值偏差≥10％。本发明专利技术可对设备异常状态作出提前感知，为提前介入提供依据，从而可以有效避免因设备异常没有及时发现导致不合格品的问题。

【技术实现步骤摘要】
制丝环节在线设备异常监控系统及方法
本专利技术涉及烟草行业，具体涉及制丝工艺的设备运行状态监测领域，尤其涉及一种制丝环节在线设备异常监控系统及方法。
技术介绍
在烟草生产过程中，制丝生产过程是非常重要的一个环节，它是根据烟叶原料的理化特性，按照一定的程序逐步经过多种加工工序，把烟叶制成合格烟丝的过程。在卷烟生产过程中，制丝的工艺流程最长、工序最繁杂、设备种类也最多。现有的制丝车间生产作业为流水线式，其包含的生产设备有真空回潮机、松散回潮机、暂存柜、加料回潮机、热风润叶机、切丝机、薄板烘丝机等。上述烟草制丝环节的生产设备为串联式结构，其重点生产工序设备由辅连设备串联，所以其设备异常对整线生产制造影响极大。目前，国内各大烟草企业的生产计划和调度仍由操作员凭借经验手工完成，上述的各设备均由人工或半自动化操作，使得产品批次间质量差异较大，不利于产品的同质化。即制丝环节存在着大量的人工协调和资源平衡问题，有限的人力难以保证协调和平衡的准确性，设备的异常和生产的停顿将大大影响企业的生产质量，因此对烟草制丝过程的智能化控制将对企业的生产成本和经济效益产生较大影响。公开号为CN111103854A的专利技术申请公开了一种用于提升烟草烘丝机生产稳定性的系统及方法，属于烟草制丝生产
该系统包括数据采集模块、数据处理模块、稳定性评价模块、预警与优化模块、稳态实时分析评价模块、非稳态自动控制判定模块、非稳态实时分析评价模块等结构。本专利技术以工业大数据、人工智能等新一代信息技术为支撑，减少非稳态时间并提高稳态控制质量，进而有效地提升烘丝机整个生产过程的质量稳定性。公开号为CN111026031A的专利技术申请公开了一种卷烟制丝过程数据的稳态识别方法，采集制丝生产线即时的数据，在实时传输过程中，或离线传输数据后进行数据类型的识别，分别进行料头数据、停机断料型数据、采集异常数据、突变数据、中间波动数据、多稳态型数据，还涉及料尾数据及对停机断料型数据的细分，并分别形成各自数据集，进行分别储存，既有利于对后期数据分析的利用，又便于对相应数据的再处理，以提高数据利用的精准性。上述专利文献无法实现设备异常的预测、预警等，且工艺控制参数之间互动性关联性差，无法从根源避免制丝环节生产设备因生产异常而产生不合格品的问题。
技术实现思路
为克服上述现有技术中的不足，本申请提供了一种制丝环节在线设备异常监控系统及方法。本专利技术可对设备异常状态作出提前感知，为提前介入提供依据，从而可以有效避免因设备异常没有及时发现导致不合格品的问题。本专利技术解决其技术问题所采用的技术方案为：制丝环节在线设备异常监控系统，包括信息管理系统，其内存储有历史生产数据，历史生产数据包括生产参数、关键参数及历史预测数据、历史实测数据，所述系统还包括与信息管理系统通信连接的参数筛选单元，其依照制丝环节工序，分阶段对各工序工艺标准所要求的生产参数进行筛选，并确定各工序关键参数；状态预测单元，其采用神经网络算法，以各工序关键参数为输出因素，以其它生产参数为输入因素，分阶段建立关键参数预测模型，对相应工序的生产状态进行预测；异常监控单元，其根据关键参数预测模型的预测值，将预测值与对应关键参数的标准值进行对比：当该关键参数的预测值与标准值偏差＜10％时，判定系统设备正常运行；当该关键参数的预测值与标准值偏差≥10％时，判定系统设备异常，进行预警提示；异常排查单元，其内构建有各工序关键参数异常问题库，当判定系统设备异常时，所述异常排查单元将该时每一个关键参数与标准值进行核对，并将偏差≥10％的关键参数进行陈列，结合关键参数异常问题库对异常原因作出分析。作为上述技术方案的改进，所述参数筛选单元依照制丝环节工序将制丝流水线分为：真空回潮工段、松散回潮工段、加料回潮工段、薄板烘丝工段，并分阶段对其生产参数进行筛选。作为上述技术方案的改进，所述真空回潮工段生产参数包括出口含水率、出口温度、回透率、抽真空度、转蒸汽停止点、保压时间、回抽停止点真空度、转换水停止点真空度，其中关键参数为出口含水率、出口温度；所述松散回潮工段生产参数包括出口含水率、出口温度、再造烟叶流量、滚筒转速、热风风机生产值、加温湿蒸汽压力、水雾化蒸汽压力、循环风温、排潮风门开度、新风风门开度，其中关键参数为出口含水率、出口温度；所述加料回潮工段生产参数包括出口含水率、出口温度、循环风温、排潮开度、料液温度、加料比例、加料精度、流量、滚筒转速，其中关键参数为出口含水率、出口温度；所述薄板烘丝工段生产参数包括HT入口含水率、HT出口温度、减压阀后蒸汽压力、HT蒸汽压力、流量、筒壁温度、热风温度、排潮开度、薄板出口温度、薄板出口含水率、热风风机频率，其中关键参数为HT入口含水率、HT出口温度。作为上述技术方案的改进，所述真空回潮工段关键参数预测模型为三层人工神经网络模型，其具有输入层神经元个数6个、输出层神经元个数2个、隐含层神经元个数3个，激发函数：双曲正切。作为上述技术方案的改进，所述松散回潮工段关键参数预测模型为四层人工神经网络模型，其具有输入层神经元个数8个、输出层神经元个数2个、隐含层神经元个数2个，激发函数：双曲正切。作为上述技术方案的改进，所述加料回潮工段关键参数预测模型为三层人工神经网络模型，其具有输入层神经元个数7个、输出层神经元个数1个、隐含层神经元个数3个，激发函数：双曲正切。作为上述技术方案的改进，所述薄板烘丝工段关键参数预测模型为三层人工神经网络模型，其具有输入层神经元个数9个、输出层神经元个数2个、隐含层神经元个数4个，激发函数：双曲正切。本专利技术同时提供了一种制丝环节在线设备异常监控方法，所述方法应用于上述任一项所述的制丝环节在线设备异常监控系统，其包括以下步骤：步骤一，数据采集数据来源：制丝流水线信息管理系统中各工序历史生产数据；步骤二，参数筛选依照制丝环节工序，分阶段对各工序工艺标准所要求的生产参数进行筛选，并确定各工序关键参数；步骤三，预测模型建立采用神经网络算法，以各工序关键参数为输出因素，以除关键参数外的其它生产参数为输入因素，分阶段建立关键参数预测模型，对相应工序的生产状态进行预测；步骤四，异常监控根据各工序关键参数预测模型的预测值，将预测值与对应关键参数的标准值进行对比：当该关键参数的预测值与标准值偏差＜10％时，判定系统设备正常运行；当该关键参数的预测值与标准值偏差≥10％时，判定系统设备异常，进行预警提示；步骤五，异常排查当判定系统设备异常时，所述异常排查单元将该时每一个关键参数与工艺标准值进行核对，并将偏差≥10％的关键参数进行陈列；结合关键参数异常问题库对异常原因作出分析。作为上述技术方案的改进，所述方法包括步骤六，数据分析将当前时段预测数据汇总成预测曲线，用于生产趋势监控；将历史预测数据与实际参数数据汇总成数据曲线，并在需要查询相应批次时本文档来自技高网...

【技术保护点】
1.制丝环节在线设备异常监控系统，包括信息管理系统，其内存储有历史生产数据，历史生产数据包括生产参数、关键参数及历史预测数据、历史实测数据，其特征在于：所述系统还包括与信息管理系统通信连接的/n参数筛选单元，其依照制丝环节工序，分阶段对各工序工艺标准所要求的生产参数进行筛选，并确定各工序关键参数；/n状态预测单元，其采用神经网络算法，以各工序关键参数为输出因素，以其它生产参数为输入因素，分阶段建立关键参数预测模型，对相应工序的生产状态进行预测；/n异常监控单元，其根据关键参数预测模型的预测值，将预测值与对应关键参数的标准值进行对比：当该关键参数的预测值与标准值偏差＜10％时，判定系统设备正常运行；当该关键参数的预测值与标准值偏差≥10％时，判定系统设备异常，进行预警提示；/n异常排查单元，其内构建有各工序关键参数异常问题库，当判定系统设备异常时，所述异常排查单元将该时每一个关键参数与标准值进行核对，并将偏差≥10％的关键参数进行陈列，结合关键参数异常问题库对异常原因作出分析。/n

【技术特征摘要】
1.制丝环节在线设备异常监控系统，包括信息管理系统，其内存储有历史生产数据，历史生产数据包括生产参数、关键参数及历史预测数据、历史实测数据，其特征在于：所述系统还包括与信息管理系统通信连接的
参数筛选单元，其依照制丝环节工序，分阶段对各工序工艺标准所要求的生产参数进行筛选，并确定各工序关键参数；
状态预测单元，其采用神经网络算法，以各工序关键参数为输出因素，以其它生产参数为输入因素，分阶段建立关键参数预测模型，对相应工序的生产状态进行预测；
异常监控单元，其根据关键参数预测模型的预测值，将预测值与对应关键参数的标准值进行对比：当该关键参数的预测值与标准值偏差＜10％时，判定系统设备正常运行；当该关键参数的预测值与标准值偏差≥10％时，判定系统设备异常，进行预警提示；
异常排查单元，其内构建有各工序关键参数异常问题库，当判定系统设备异常时，所述异常排查单元将该时每一个关键参数与标准值进行核对，并将偏差≥10％的关键参数进行陈列，结合关键参数异常问题库对异常原因作出分析。


2.根据权利要求1所述的制丝环节在线设备异常监控系统，其特征在于：所述参数筛选单元依照制丝环节工序将制丝流水线分为：真空回潮工段、松散回潮工段、加料回潮工段、薄板烘丝工段，并分阶段对其生产参数进行筛选。


3.根据权利要求2所述的制丝环节在线设备异常监控系统，其特征在于：所述真空回潮工段生产参数包括出口含水率、出口温度、回透率、抽真空度、转蒸汽停止点、保压时间、回抽停止点真空度、转换水停止点真空度，其中关键参数为出口含水率、出口温度；
所述松散回潮工段生产参数包括出口含水率、出口温度、再造烟叶流量、滚筒转速、热风风机生产值、加温湿蒸汽压力、水雾化蒸汽压力、循环风温、排潮风门开度、新风风门开度，其中关键参数为出口含水率、出口温度；
所述加料回潮工段生产参数包括出口含水率、出口温度、循环风温、排潮开度、料液温度、加料比例、加料精度、流量、滚筒转速，其中关键参数为出口含水率、出口温度；
所述薄板烘丝工段生产参数包括HT入口含水率、HT出口温度、减压阀后蒸汽压力、HT蒸汽压力、流量、筒壁温度、热风温度、排潮开度、薄板出口温度、薄板出口含水率、热风风机频率，其中关键参数为HT入口含水率、HT出口温度。


4.根据权利要求3所述的制丝环节在线设备异常监控系统，其特征在于：所述真空回潮工段关键参数预测模型为三层人工神经网络模型，其具有输入层神经元个数6个、输出层神经元个数2个、隐含层神经元个数3个，激发函数：双曲正...

【专利技术属性】
技术研发人员：刘博，李自娟，高杨，孙嘉，方汀，周政，贾晓慧，杜冬生，常文慧，梁建斌，耿佳妮，温永慧，
申请(专利权)人：张家口卷烟厂有限责任公司，
类型：发明
国别省市：河北;13