一种瓦楞纸机速度智能预测方法技术

本发明专利技术实施例提供一种瓦楞纸机速度智能预测方法，包括以下步骤：步骤一：利用MCM100设备采集振动数据；步骤二：读取生产管理系统参数数据；步骤三：对振动数据与参数数据进行处理与分析；步骤四：基于特征工程，使用聚类算法对振动数据与参数数据进行聚类，得到特征训练数据；步骤五：利用机器学习算法对特征训练数据进行训练，以便对瓦楞纸机速度进行预测；本发明专利技术实施例以便对瓦楞纸机速度进行预测减少速度与振动的波动，从而提高纸张的品质，进而实现了提高生产效率。实现了提高生产效率。实现了提高生产效率。

【技术实现步骤摘要】
一种瓦楞纸机速度智能预测方法


[0001]本专利技术涉及智能制造
,更具体地说，涉及到一种瓦楞纸机速度智能预测方法。

技术介绍

[0002]传统造纸厂无法实时监控瓦楞机的运行状态和纸张的生产状态，异常情况得不到处理的话，会导致生产的纸张品质效果差异大，有时甚至会导致瓦楞纸起褶皱和破损，传统瓦楞纸机速度控制方式是人工调整方法，传统人工调整方法不稳定，速度波动较大，会导致瓦楞纸机的振动波动较大，也可能会导致瓦楞纸起褶皱和破损，人工调整车速的方法大部分时间未达到此瓦楞纸机在某种瓦楞纸的材质、幅宽条件下的最优车速，影响生产效率，控制瓦楞纸机车速的人力成本也是工厂重大的一笔开支。
[0003]本
技术实现思路

[0004]为了克服现有技术的不足，本专利技术提供一种瓦楞纸机速度智能预测方法用来解决瓦楞纸机速度不稳定、纸张品质低下、纸张易破损以及纸张生产效率低下的技术问题。
[0005]本专利技术解决其技术问题所采用的技术方案是：提供一种瓦楞纸机速度智能预测方法，包括以下步骤：
[0006]步骤一：利用MCM100设备采集振动数据；
[0007]步骤二：读取生产管理系统参数数据；
[0008]步骤三：对振动数据与参数数据进行处理与分析；
[0009]步骤四：基于特征工程，使用聚类算法对振动数据与参数数据进行聚类，得到特征训练数据；
[0010]步骤五：利用机器学习算法对特征训练数据进行训练，以便对瓦楞纸机速度进行预测。
[0011]具体地，利用MCM100设备采集振动数据，所述步骤包括：
[0012]使用MCM100接入振动传感器采集时域数据；
[0013]将时域数据通过傅里叶变换转化为FFT频谱数据；
[0014]通过FFT频谱数据计算OA值；
[0015]具体地，通过FFT频谱数据计算OA值，所述步骤包括：
[0016]通过计算进行评估瓦楞纸机传送带的振动加速度；
[0017]其中，OA为全频宽或某一频带的OA值，n为指全频宽或频带内频谱解析条数，A
i
为频谱解析线上的振幅值，即FFT频谱数据，N
BF
为加权视窗因数，Hanning视窗为1.5。
[0018]具体地，读取生产管理系统参数数据，所述步骤包括：
[0019]读取瓦楞纸机生产管理系统保存的文本文件；
[0020]从生产管理系统保存的文本文件中，获取瓦楞芯纸对应的目标数据，所述目标数据包括材质数据、幅宽数据、楞数据以及车速数据。
[0021]具体地，对振动数据与参数数据进行处理与分析，所述步骤包括：
[0022]根据时间顺序定时采集车速数据、材质数据以及幅宽数据；
[0023]选取选取车速大于50的数据、选取材质不为空的数据以及选取幅宽大于0的数据，并对材质数据以及楞数据进行数据数值化；
[0024]固定材质、楞以及幅宽，根据时间顺序对车速数据与振动数据进行可视化。
[0025]具体地，基于特征工程，使用聚类算法对振动数据与参数数据进行聚类，所述步骤包括：
[0026]固定材质、楞、幅宽以及车速，计算振动数据的均值；
[0027]固定材质、楞以及幅宽，统计车速出现的频次；
[0028]按车速频次依次排列，筛选频次排名前12的车速数据。
[0029]优选地，按车速频次依次排列，筛选频次排名前12的车速数据之后，所述步骤还包括：
[0030]根据计算出的每个车速的振动数据的均值，筛选出12个车速中小于振动均值的车速；
[0031]使用Kmeans聚类算法将小于振动均值的车速聚成两类车速；
[0032]选取这两类车速的最大值与最小值组成第一车速范围与第二车速范围。
[0033]优选地，选取这两类车速的最大值与最小值组成第一车速范围与第二车速范围之后，所述步骤还包括：
[0034]根据第一车速范围与第二车速范围，判断当前车速是上行车速范围还是下行车速范围；
[0035]当当前车速在上行车速范围，则上行车速的标签取上行车速范围的平均值；
[0036]当当前车速在下行车速范围，则下行车速的标签取下行车速范围的平均值。
[0037]具体地，利用机器学习算法对特征训练数据进行训练，以便对瓦楞纸机速度进行预测，
[0038]所述步骤包括：
[0039]根据上行车速的标签与下行车速的标签将特征训练数据划分成上行车速训练数据与下行车速训练数据，上行车速训练数据与下行车速训练数据分别划分为10份，划分后的训练数据占8份，验证数据占2份。
[0040]具体地，划分成上行车速训练数据与下行车速训练数据之后，所述步骤还包括：
[0041]使用Lgb梯度提升树算法分别对划分后的上行车速训练数据与划分后的下行车速训练数据进行训练；
[0042]使用验证数据对预测的上行车速和下行车速进行验证。
[0043]本专利技术实施例的有益效果：通过步骤一：利用MCM100设备采集振动数据；步骤二：读取生产管理系统参数数据；步骤三：对振动数据与参数数据进行处理与分析；步骤四：基于特征工程，使用聚类算法对振动数据与参数数据进行聚类，得到特征训练数据；步骤五：利用机器学习算法对特征训练数据进行训练，以便对瓦楞纸机速度进行预测减少速度与振动的波动，从而提高纸张的品质，进而实现了提高生产效率。
附图说明
[0044]图1是一种瓦楞纸机速度智能预测方法的流程示意图。
具体实施方式
[0045]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0046]以下结合具体实施例对本专利技术的具体实现进行详细描述：
[0047]实施例一：
[0048]图1示出了本专利技术实施例一提供的一种瓦楞纸机速度智能预测方法的实现流程，为了便于说明，仅示出了与本专利技术实施例相关的部分，详述如下：
[0049]在步骤S101中，利用MCM100设备采集振动数据；
[0050]具体地，利用MCM100设备采集振动数据，所述步骤包括：
[0051]使用MCM100接入振动传感器采集时域数据；
[0052]将时域数据通过傅里叶变换转化为FFT频谱数据；
[0053]通过FFT频谱数据计算OA值；
[0054]具体地，通过FFT频谱数据计算OA值，所述步骤包括：
[0055]通过计算进行评估瓦楞纸机传送带的振动加速度；
[0056]其中，OA为全频宽或某一频带的OA值，n为指全频宽或频带内频谱解析条数，A
i
为频谱解析线上的振幅值，即FFT频谱数据，N
BF
为加权视窗因数，Hanning视窗为1.5。
[0057]在本申请实施例中，采集振动数据，能够实时监控瓦楞纸机的运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种瓦楞纸机速度智能预测方法，其特征在于，包括以下步骤：步骤一：利用MCM100设备采集振动数据；步骤二：读取生产管理系统参数数据；步骤三：对振动数据与参数数据进行处理与分析；步骤四：基于特征工程，使用聚类算法对振动数据与参数数据进行聚类，得到特征训练数据；步骤五：利用机器学习算法对特征训练数据进行训练，以便对瓦楞纸机速度进行预测。2.根据权利要求1所述的一种瓦楞纸机速度智能预测方法，其特征在于，利用MCM100设备采集振动数据，所述步骤包括：使用MCM100接入振动传感器采集时域数据；将时域数据通过傅里叶变换转化为FFT频谱数据；通过FFT频谱数据计算OA值。3.根据权利要求2所述的一种瓦楞纸机速度智能预测方法，其特征在于，通过FFT频谱数据计算OA值，所述步骤包括：通过计算进行评估瓦楞纸机传送带的振动加速度；其中，OA为全频宽或某一频带的OA值，n为指全频宽或频带内频谱解析条数，A
i
为频谱解析线上的振幅值，即FFT频谱数据，N
BF
为加权视窗因数，Hanning视窗为1.5。4.根据权利要求3所述的一种瓦楞纸机速度智能预测方法，其特征在于，读取生产管理系统参数数据，所述步骤包括：读取瓦楞纸机生产管理系统保存的文本文件；从生产管理系统保存的文本文件中，获取瓦楞芯纸对应的目标数据，所述目标数据包括材质数据、幅宽数据、楞数据以及车速数据。5.根据权利要求4所述的一种瓦楞纸机速度智能预测方法，其特征在于，对振动数据与参数数据进行处理与分析，所述步骤包括：根据时间顺序定时采集车速数据、材质数据以及幅宽数据；选取选取车速大于50的数据、选取材质不为空的数据以及选取幅宽大于0的数据，并对材质数据以及楞数据进行数据数值化；固定材质、楞以及幅宽，根据时间顺序对车速数据与振动数据进行可视化。6.根据权利要求...

【专利技术属性】
技术研发人员：叶隆盛，刘鑫鹏，刘轲，陈彦彰，
申请(专利权)人：深圳市浦联智能科技有限公司，
类型：发明
国别省市：