卷烟工厂超高速条盒包装机多工况过程在线监测与故障诊断方法

摘要

本发明涉及卷烟包装过程中意大利G.D公司超高速条盒包装机BV的统计建模、在线监测与故障诊断技术。卷烟工厂超高速条盒包装机多工况过程在线监测与故障诊断方法，本发明基于滑动时间窗口离线计算稳定度因子识别稳定工况和过渡工况，采用自适应k-means聚类方法对稳定工况进行划分形成若干个稳定工况数据簇，再利用PCA方法对每个稳定工况数据簇独立建立统计监测模型。在线监测时，根据当前滑动时间窗口内数据的稳定度因子判断工况类型，在稳定工况下利用距离最小的聚类所对应的PCA监测模型进行实时监测，任一统计量超限时利用贡献图方法确定引起故障的主要过程变量，最终为超高速条盒包装机BV的在线监测与故障诊断提供了一种有效可行的方法。

主权项

卷烟工厂超高速条盒包装机多工况过程在线监测与故障诊断方法，其特征在于该方法包括以下的步骤：1)根据超高速条盒包装机BV的运行机理确定统计模型的监测变量，采集某一机台底层PLC中的BV运行数据，获得二维原始数据D(K×J)，K为采样点个数，J为监测变量个数；2)基于BV车速检测值，采用滑动时间窗口H方法计算稳定度因子SF，当其值小于等于阈值ζ表明过程处于稳定工况，反之表明过程处于过渡工况；采用平滑滤波方法对处于稳定工况的滑动时间窗口H内原始数据进行算术平均，获得一组移动平均数据，将移动平均数据中“BV车速”变量值大于阈值ψ的数据作为稳定工况的有效数据D(N×J)，N为有效数据的个数；3)稳定工况的有效数据被识别出以后，采用自适应k‑means聚类方法对有效数据的相似度进行聚类分析，获得每一种稳定工况的建模数据C表示将稳定工况划分成C个聚类，其中第r个聚类为K_rm表示第r个聚类中稳定工况的个数，每个聚类中具有相似过程特性的建模数据可以用一个统计模型来描述；4)对每一种稳定工况的建模数据进行均值中心化和方差归一化的数据预处理，获得处理后的建模数据X_r(K_rm×J)；对建模数据X_r进行PCA分解，得到对应的主元个数A_r、负载矩阵P_r、控制限和建立对应第r种稳定工况的PCA监测模型；5)在线监测时，计算当前滑动时间窗口内数据的稳定度因子SF_new，通过与给定阈值ζ的比较确定当前所处的工况类型；若为过渡工况，则将当前时刻和SPE_new两个监测统计量赋值为0；否则采用平滑滤波方法计算当前滑动时间窗口内的移动平均数据，并计算其与各个聚类中心的欧式距离，调用距离最小的聚类所对应的PCA监测模型在线计算和SPE_new两个监测统计量，并与该监测模型的控制限进行比较；如果两个统计量都位于控制限以内，表明设备状态正常，如果至少其中一个统计量超出控制限，表明设备状态异常；6)当检测到BV有异常时，根据超限统计量处于T²的主元子空间或是SPE的残差子空间，计算每个过程变量对超限统计量的贡献率，贡献率较大的变量被初步确定为造成设备异常的原因变量。