用于确定或预测幅材撕裂的位置的方法和装置、计算机程序和工业设施制造方法及图纸

本发明专利技术涉及一种方法和一种装置，特别是用于预测含纤维的幅材制品(1)的已经发生或即将发生的幅材撕裂(BA)的位置。此外，本发明专利技术涉及一种计算机程序产品和一种工业设施(100)，特别是造纸机。该方法包括检测参数(x1、x2、x3)、特别是用于输送含纤维的幅材制品(1)的辊(3、3`)的转速(w)或幅材制品的幅材张力(BS)。参数(x1、x2、x3)有利地以时间序列(A、B、C)的形式存储。自学习算法(Alg)用于识别即将发生的幅材撕裂(BA)以及用于确定即将发生的和/或已经发生的幅材撕裂(BA)的位置。识别或确定的基础是相应参数(x1、x2、x3)的偏差(Δ)，例如是与相应参数(x1、x2、x3)的时间上的平均值(<x1>、<x2>、<x3>)的偏差。<x3>)的偏差。<x3>)的偏差。

【技术实现步骤摘要】
【国外来华专利技术】用于确定或预测幅材撕裂的位置的方法和装置、计算机程序和工业设施


[0001]本专利技术涉及一种方法和一种装置、特别是用于确定和预测含纤维的幅材制品中的已经发生或即将发生的幅材撕裂的位置的方法和装置。本专利技术还涉及一种计算机程序产品和一种工业设施。

技术介绍

[0002]用于生产和/或加工含纤维的幅材制品的工业设施例如是造纸机或印刷机。在含纤维的幅材制品的制造或加工中，总是出现含纤维的幅材制品的再次撕裂，即所谓的幅材撕裂。
[0003]在幅材撕裂后，通常必须停止和维修工业设施。
[0004]为了使工业设施停止的时间尽可能短，知道在工业设施中幅材撕裂的位置是有利的。
[0005]此外，首先完全不发生这种幅材撕裂看起来是有利的。

技术实现思路

[0006]因此，本专利技术的目的是避免或至少缩短在工业设施中的停机时间。
[0007]该目的通过根据权利要求1的方法实现。该目的还通过根据权利要求15的装置实现。此外，该目的通过根据权利要求16的计算机程序和根据权利要求17的工业设施来实现。
[0008]本专利技术的有利设计方案是从属权利要求的内容。
[0009]该方法尤其用于确定和预测在工业设施中的含纤维的幅材制品的已经发生或即将发生的幅材撕裂的位置，其中，该工业设施具有多个辊，其中，这些辊被设置用于在工业设施中输送含纤维的幅材制品，其中，该方法至少包括以下第一步骤：
[0010]‑
提供和可选地存储参数，其中，将相应的参数分别与至少一个辊相关联；
[0011]‑
检查参数在时间曲线中是否对应能预设的分布、特别是正态分布；
[0012]‑
如果相应的参数的时间曲线对应能预设的分布，则检查另外的参数的分布；
[0013]‑
如果另外的参数的时间曲线不对应能预设的分布，则检查参数的时间曲线的第一偏差。
[0014]在该方法的范畴中，有利地根据与能预设的分布的差异检查参数。有利地，根据关于能预设的分布的差异反复周期性地检查相应参数。
[0015]有利地由传感器或探测器得出参数。参数也能够由用于相应的马达的控制装置提供。
[0016]参数有利地以时间序列的形式存储在数据存储器中。能够在本地构造数据存储器或将数据存储器分配给非中心的计算单元、例如云。
[0017]有利地确定描述辊的(旋转)运动的参数。例如，参数是相应的辊的转速、是马达必须施加的用以旋转辊的转矩和/或是相应的辊的位置，只要辊在该位置处能够移动。
[0018]参数分别有利地作为时间序列被存储。
[0019]能预设的分布能够是高斯分布或其他统计上的正态分布。
[0020]在该方法中，参数分别有利地与时间戳一起被存储。能够通过相应的时间戳将参数作为时间序列相互比较。
[0021]通常，相应的参数(如马达的转速或转矩)会施加噪声。噪声表示相应参数的值作为时间的函数而波动。然而，该波动使得这些值根据正态分布、特别是高斯分布围绕平均值波动。因此进行检查，相应参数的波动是否保持在该分布的范畴中。
[0022]有利地检查所有提供的参数的能预设的分布。通过该检查能够确定是否由于即将发生的或已经发生的幅材撕裂而出现波动，或者是否在能预设的分布的范畴中存在“正常”波动。
[0023]如果参数、特别是参数的时间曲线与能预设的分布偏离，则进一步检查参数的第一偏差。
[0024]能够检查其的时间曲线不表现为根据能预设的分布的参数的第二偏差。第二偏差例如是在相应参数的时间曲线中的峰值。在此，在关于参数与该参数的时间上的平均值的第二偏差方面，能够检查相应参数的时间曲线。替代地或附加地，第一偏差能够是在分别两个参数之间的变化的差异。
[0025]特别地，进行相应参数的时间上的变化的检查。
[0026]当识别出参数的偏差时，有利地配置分配给相应的参数的辊。通过辊的得出，能够经由相应得出的辊的位置快速和可靠地确定在工业设施中幅材撕裂的位置。
[0027]如果第一偏差超过边界值，则能够得出即将发生或已经发生的幅材撕裂。
[0028]借助该方法，能够以特别有效的方式针对偏差检查大量参数。因此，在含纤维的幅材制品的幅材撕裂的情况下，能够快速且可靠地确定幅材撕裂的位置。
[0029]该方法有利地在工业设施的运行期间进行并且至少不定期地检查所得出的参数。因此，能够快速并可靠地得出参数的第一偏差。所识别的第一偏差有利地形成用于识别在工业设施中即将发生的幅材撕裂的基础。
[0030]在本专利技术的一个有利的设计方案中，该方法包括以下第二步骤：
[0031]‑
确定至少一个参数的第二偏差或确定相应的参数的时间上的变化；
[0032]‑
将相应的参数和/或相应的参数的相应的时间上的变化分别与能预设的边界值比较；
[0033]‑
其中，借助于自学习算法识别第二偏差和/或将第二偏差分配给针对含纤维的幅材制品的已经发生或即将发生的幅材撕裂的至少一个辊。
[0034]有利地进行第一步骤和第二步骤，以用于确定已经发生或即将发生的幅材撕裂的位置。
[0035]有利地针对第一偏差检查相应参数，其中，通过与能预设的分布的对比，相应的参数不必需作为用于确定幅材撕裂的位置重要的参数来示出。
[0036]因此，第二偏差也能够是超出相应参数的一般波动的相应参数的偏差。
[0037]第二偏差例如是从相应的参数的时间的平均值超越参数的小的波动宽度的相应参数的偏差。此外，第一和第二偏差的标准能够是，使得对于至少一个持续时间相应参数示出了相应参数的时间上的平均值的偏差。这种持续时间优选持续1毫秒至1秒。
[0038]边界值用于决定，参数是否具有与时间上的平均值的偏离。边界值能够是相应的参数的1％至10％。
[0039]当参数超过持续时间时，能够检测相应的参数的第二偏差。
[0040]通常将工业设施的辊与参数相关联。因为通常工业设施中相应辊的位置是已知的，所以能够快速且可靠地进行含纤维的幅材制品的即将发生的或已经发生的幅材撕裂的分配。
[0041]借助自学习算法有利地进行第二偏差的识别。优选地，也能够借助自学习算法识别第一偏差。
[0042]自学习算法能够优选地提供偏差持续的持续时间，以便不被归类为随机的偏差/噪声。替代地或附加地，能够借助于自学习算法适配能预设的分布。
[0043]有利地，自学习算法借助于相应提供的参数、相应的得出的偏差以及借助于已经发生的幅材撕裂的信息来学习。
[0044]神经网络、支持向量机器或其他的、基于人工智能(人工智能(KI))的算法、特别是随机森林树，适合作为自学习算法。有利地能够设置受监控和不受监控的自学习算法。
[0045]自学习算法优选地构造用于在相应的参数中找出与工业设施的正常运转所不同的异常。
[0046]将相应的参数的时间序列有利地提供给自学习算法。根据时间序列本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种尤其用于确定和预测在工业设施(100)中的含纤维的幅材制品(1)中的已经发生或即将发生的幅材撕裂(BA)的位置的方法，其中，所述工业设施(100)具有多个辊(3、3`)，其中，所述辊(3、3`)(与马达能旋转地耦合)设置用于在所述工业设施(100)中运输含纤维的所述幅材制品(1)，其中，所述方法至少包括以下第一步骤(V103、
…
、V603)：
‑
提供和可选地存储参数(x1、x2、x3)，其中，将相应的所述参数(x1、x2、x3)分别与至少一个所述辊(3、3`)相关联；
‑
检查所述参数(x1、x2、x3)在时间曲线中是否对应能预设的分布(Vert)、特别是正态分布；
‑
如果相应的所述参数(x1、x2、x3)的时间曲线对应能预设的所述分布(Vert)，则根据所述分布检查另外的参数(x1、x2、x3)；
‑
如果另外的参数(x1、x2、x3)的时间曲线不对应所述分布(Vert)，则针对第一偏差(Δ1)检查该参数(x1、x2、x3)的时间曲线。2.根据权利要求1所述的方法，还包括以下第二步骤(V102、
…
、V702)：
‑
确定至少一个所述参数(x1、x2、x3)的第二偏差(Δ2)或相应的所述参数(x1、x2、x3)的时间上的变化；
‑
将相应的所述参数(x1、x2、x3)和/或相应的所述参数(x1、x2、x3)的相应的所述时间上的变化分别与能预设的边界值(GR)进行比较；
‑
其中，借助自学习算法(Alg)识别所述第一偏差(Δ1)和/或将所述第一偏差(Δ1)与用于所述含纤维的幅材制品(1)的已经发生或即将发生的所述幅材撕裂(BA)的至少一个所述辊(3、3`)相关联。3.根据前述权利要求中任一项所述的方法，其中，利用所述第一步骤(V103、
…
、V603)得出相应的所述参数(x1、x2、x3)的所述第一偏差(Δ1)，并且借助于第二步骤(V102、
…
、V702)得出第二偏差(Δ2)，其中，借助于所述第一偏差(Δ1)得出已经发生或即将发生的所述幅材撕裂(BA)的第一位置，并且其中，借助于所述第二偏差(Δ2)得出已经发生或即将发生的所述幅材撕裂(BA)的第二位置，其中，在所述第一位置和所述第二位置一致时，向用户显示相应的位置。4.根据权利要求1至3中任一项所述的方法，其中，如果已经发生的所述幅材撕裂(BA)的第一位置和第二位置不同，则得出所述幅材撕裂的位置，优选借助视觉监控得出所述幅材撕裂的位置，并且将已经发生的所述幅材撕裂(BA)的得出的位置提供给自学习算法(Alg)，使得根据发生的所述幅材撕裂(BA)的位置改进所述自学习算法(Alg)。5.根据前述权利要求中任一项所述的方法，其中，将所述参数(x1、x2、x3)、已经发生的所述幅材撕裂(BA)的所得出的位置(BA)和/或分别得出的所述第一偏差和/或第二偏差(Δ1、Δ2)提供给自学习算法(Alg)。6.根据前述权利要求中任一项所述的方法，其中，为了确定即将发生的所述幅材撕裂(BA)，所述第一步骤(V103、
…
、V603)和/或第二步骤(V102、
…
、V702)重复地、尤其周期性地进行。7.根据前述权利要求中任一项所述的方法，其中，为了确定已经发生的所述幅材撕裂(BA)的位置，在已经发生的所述幅材撕裂(BA)之后执行所述第一步骤(V103、
…
、V603...

【专利技术属性】
技术研发人员：康拉德，
申请(专利权)人：西门子能源国际公司，
类型：发明
国别省市：