卷烟超高速薄膜封装机多工况生产过程在线监测与故障诊断方法
【技术领域】
[0001] 本发明涉及卷烟包装过程中意大利G.D公司超高速小盒薄膜封装机W1000的统计 建模、在线监测与故障诊断技术。
【背景技术】
[0002] 随着近年来烟草行业全球化、新的法律法规以及外部环境的重大变化，中国烟草 面临愈来愈严峻的竞争压力和社会压力。在保证产品质量的前提下，有效提升设备的智能 化水平和高效运行能力成为卷烟工厂关注的焦点。智能化，即生产设备具有感知、分析、推 理和决策等功能；高效运行，即在规定时间内消耗更少的资源生产更多、更好的产品。卷烟 工厂设备的智能化水平和高效运行能力与其自动化程度密不可分，设备状态的在线监测与 故障诊断技术是提升智能化水平、保证高效运行的重要手段。
[0003] 意大利G.D公司超高速包装设备是中国烟草总公司"十二五"期间重点引进的目 前世界上最高速、最先进的卷烟包装设备，其设计生产能力为1000包/分钟香烟。超高速 包装设备由小盒包装机H1000、小盒薄膜封装机W1000和条盒包装机BV三部分组成。小盒 薄膜封装机W1000是一台高速连续运动的透明纸封装机，用于在烟包上封闭热塑外裹包材 料。设备运行过程由烟包供给、一号轮烟包交接、透明纸供给、二号轮透明纸小包供给、三 号轮透明纸折叠热封、四号轮透小包传递、出口输送带透明纸头部折叠热封、链条输送带透 小包两侧整形、缓冲带小车烟包补充、烟包侧边整形和输出等部分组成。小盒薄膜封装机 W1000是超高速包装设备的重要组成部分，也是生产现场故障较为集中的部位。由于G.D公 司超高速包装设备底层PLC开放的程序源代码和库文件非常有限，生产现场主要通过每班 一组的数据报表、轮保时的人工检测、设备故障的计划维修和事后抢修等方式保证小盒薄 膜封装机W1000的完好性。2013、2014年杭州卷烟厂G.D公司超高速包装设备的运行效率 分别为70%和70. 08%，其中小盒薄膜封装机W1000加热炉故障、电机故障是影响停设备运行 效率的主要因素之一。目前采用的小盒薄膜封装机W1000状态监测方式已经不能满足卷烟 生产的实际需要，亟需一种切实有效的小盒薄膜封装机W1000在线监测与故障诊断方法。
[0004] 为解决G.D公司超高速包装设备底层PLC参数数据难以获取的问题，杭州卷烟 厂(朱立明，钱杰，王琪，李钰靓，李勇.一种超高速包装机数据采集系统：中国， CN204056360U[P]. 2014-12-31.)提出了一种基于Beckoff软PLC的超高速包装设备底层 PLC数据采集方法，通过对设备底层PLC源代码和库文件的分析，能够采集小盒薄膜封装机 W1000的部分参数数据，从而为基于多元统计分析方法实施小盒薄膜封装机W1000统计建 模、在线监测与故障诊断提供了丰富的运行数据。
【发明内容】
[0005] 小盒薄膜封装机W1000生产过程中，操作人员根据目测的设备运行状态和产品外 观质量频繁调整W1000车速设定值，使得生产过程具有多个运行工况。由于小盒薄膜封装 机W1000的高速运行，从一个稳定运行工况到另外一个稳定运行工况的时间非常短(如从 车速为930包/分钟降低到包/分钟仅需20秒，即在两个采样周期内完成)，因此本发明仅 考虑各个不同的稳定运行工况。不同稳定运行工况之间数据的均值、方差、相关关系等特征 变量会有明显的变化，直接应用PCA方法进行统计建模和在线监测会产生大量的误报警或 漏报警。
[0006] 为了满足小盒薄膜封装机W1000在线监测与故障诊断的实际需要，本发明面 向生产过程的多工况特性，提出一种包含离线工况识别和划分、稳定工况统计建模、多 工况过程在线监测、故障原因诊断等关键技术的超高速薄膜封装机W1000在线监测与 故障诊断方法。该方法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，若为过渡工况，则将当前时刻 f3、SPE两个监测统计量赋值为0 ;若为稳定工况，计算当前滑动时间窗口内有效数据与 各个聚类中心的欧式距离，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，最终为超高速薄膜封装机 W1000的在线监测与故障诊断提供了一种有效可行的方法。
[0007] 本发明所采用的具体技术方案如下： 卷烟超高速薄膜封装机多工况生产过程在线监测与故障诊断方法，包括： 1) 根据超高速薄膜封装机W1000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W1000运行数据，获得二维原始数据fJ)，K为采样点个数，J为监测变 量个数； 2) 基于W1000车速检测值，采用滑动时间窗口Η方法计算稳定度因子SF，当其值较小 时(小于等于阈值<)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Η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"W1000车速"变量值大于阈值Ρ的数据作为稳定工况的有效数据 湖J^，Ν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
^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 r χ、、 .."π ν · 方差归一化的数据预处理，获得处理后的建模数据.
> 对建模数据_进行PCA 分解，得到对应的主元个数负载矩阵_、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SFnew，通过与给定阈值 @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?!^两个监 KBtV W&Sm 测统计量赋值为Ο;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1：1_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 'SSCoK 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W1000有异常时，根据超限统计量处于Is3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。
[0008] 所述步骤2)中，采用滑动时间窗口Η方法根据W1000车速检测值计算稳定度因子 SF，计算公式如下：
其中& _表示滑动时间窗口Η内W1000车速数据的最大值，表示滑动窗口Η内 W1000车速数据的最小值，^表示W1000允许的车速最大值。Η表示滑动时间窗口的长度。
[0009] 在步骤3)中，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， 通过定义两个聚类中心的最小距离的阈值纖，同时最小化同一聚类数据之间的局部距离平 方和以及所有聚类之间的全局距离平方和，获得最优的聚类数目和聚类中心，实现对稳定 工况的自适应划分。
[0010] 在步骤4)中，对建模数据预处理包括依次进行的减均值、除标准差 处理获得计算公式如下：
其中下标r代表工况、k代表样本、j代表变量表示第r种稳定工况第j个变量的 均值表示第r种稳定工况第j个变量的标准差。
[