一种袋式包装机的运行状态智能监测方法与流程

本技术涉及数据处理领域，特别是涉及一种袋式包装机的运行状态智能监测方法。

背景技术：

1、袋式包装机是一种将产品装入塑料袋中并对其进行密封的自动化设备，为了保证袋式包装机的高效运行和产品质量，需要对其参数进行控制和调整。因为袋式包装机在进行工作时，一般会分为取袋、打印日期、开袋吹气、填充、整型、封合、成品输出这几个阶段，该设备在plc控制下，主要由电机带动减速器，通过各种传感器、连杆、凸轮、开关号及控制指令，按照事先设定的参数完成包装机各部位功能的运转，并且每一步骤连续进行。但是因为在设备运行过程中，因为电压的不稳定和电机齿轮的磨损等原因会导致其功率不稳定，那么会影响整个生产线的正常运行，因此需要对电机的功率数据进行监测，从而来对袋式包装机生产线的情况做出相应的调整。但是因为采集功率数据时会因为电机的震动和发热等因素的影响造成采集的功率数据受到噪声的影响，因此需要对功率数据进行去噪处理，然后再识别出异常功率点。

2、但是现有技术对数据进行去噪的算法比较多，每一种去噪算法的效果也是不一样的，并且一些去噪算法会影响原始功率数据的特征。因此需要一种去噪效果好，并且能够保持数据原有特征的去噪方法对功率数据进行去噪处理。

技术实现思路

1、本发明提供一种袋式包装机的运行状态智能监测方法，该方法能够对原始功率数据进行有效的去噪，使得去噪后的功率数据不包含噪声，并且去噪后的功率数据能够表现出原始功率数据的特征。

2、第一方面，本技术提供一种袋式包装机的运行状态智能监测方法，包括：

3、采集袋式包装机电机的原始功率数据，利用小波变换算法对原始功率数据进行分解，得到多条分量信号，多条分量信号对应不同的频率；

4、确定每条分量信号的噪声影响程度，基于每条分量信号的噪声影响程度选择对应的滤波窗口对所述分量信号进行滤波，得到滤波分量信号；其中，分量信号的噪声影响程度与所述分量信号对应的滤波窗口尺寸正相关；

5、基于滤波分量信号得到原始功率数据对应的去噪功率数据，并基于所述去噪功率数据进行异常检测，根据检测结果调整袋式包装机参数。

6、在一可选实施例中，基于滤波分量信号得到原始功率数据对应的去噪功率数据，包括：

7、计算每一滤波分量信号的重构系数；

8、利用小波逆变换算法基于所述重构系数对滤波分量信号进行重构，进而得到所述去噪功率数据。

9、在一可选实施例中，计算每一滤波分量信号的重构系数，包括：

10、计算当前滤波分量信号与滤波分量信号集合中除当前滤波分量信号外其他滤波信号分量的第一相似度，以及计算当前滤波分量信号与所述原始功率数据的第二相似度；

11、计算所述第一相似度以及所述第二相似度的乘积，进而得到当前滤波分量信号的重构系数。

12、在一可选实施例中，计算当前滤波分量信号与滤波分量信号集合中除当前滤波分量信号外其他滤波信号分量的第一相似度，包括：

13、计算当前滤波分量信号中数据点的幅值与每一参考滤波信号分量中数据点的幅值的差值的绝对值之和，得到当前滤波分量信号与每一参考滤波信号分量之间的差异值；参考滤波信号为滤波分量信号集合中除当前滤波分量信号外其他任一滤波信号分量；

14、将当前滤波分量信号与所有参考滤波信号分量之间的差异值相加，得到当前滤波分量信号与滤波分量信号集合中除当前滤波分量信号外其他滤波信号分量的第一差异之和；

15、计算当前滤波分量信号与滤波分量信号集合中除当前滤波分量信号外所有其他滤波信号分量之间的第三相似度；

16、基于所述第一差异之和和所述第三相似度确定所述第一相似度；

17、其中，所述第一相似度的计算方式为：

18、；

19、表示第条滤波分量信号与滤波分量信号集合中除第条滤波分量信号外其他滤波信号分量的第一相似度，表示第条滤波分量信号的第i个数据点的幅值，表示第条滤波分量信号的第个数据点的幅值，表示第条滤波分量信号与第条滤波分量信号之间的差异值，n表示第条滤波分量信号上数据点的数量，表示第条滤波分量信号与滤波分量信号集合中除第条滤波分量信号外其他滤波信号分量的第一差异之和，表示第条滤波分量信号与第条滤波分信号之间的第三相似度，n表示滤波分量信号的总数量，exp表示以自然常数e为底的指数函数，dtw表示动态时间规整算法，用于计算第三相似度。

20、在一可选实施例中，计算当前滤波分量信号与所述原始功率数据的第二相似度，包括：

21、确定原始功率数据的极小值点；

22、基于所述极小值点的幅值和滤波分量信号中与所述极小值点对应的数据点的幅值之差、所述极小值点的数量计算当前滤波分量信号与所述原始功率数据的第二相似度；

23、其中，第二相似度的计算方式为：

24、；

25、式中，表示第条滤波分量信号与原始功率数据的第二相似度，表示原始功率数据中第极小值点的幅值，表示第条滤波分量信号中与原始功率数据中第极小值点对应的第个数据点的幅值，表示极小值点的个数。

26、在一可选实施例中，确定每条分量信号的噪声影响程度，包括：

27、计算每条分量信号中每一数据点的去噪置信度：所述去噪置信度表征所述数据点受噪声影响的程度；

28、计算分量信号上所有数据点的去噪置信度的平均值，将分量信号上所有数据点的去噪置信度的平均值作为所述分量信号的噪声影响程度。

29、在一可选实施例中，计算每条分量信号中每一数据点的去噪置信度，包括：

30、计算分量信号中相邻数据点之间的斜率，进而得到所述分量信号的平均斜率，将平均斜率最小的分量信号作为基底信号；

31、基于所述分量信号与所述基底信号之间的差异计算每条分量信号的波动程度；

32、基于当前分量信号与分量信号集合中除当前分量信号外其他信号分量的第二差异之和、当前分量信号中当前数据点的波动与所述当前分量信号的波动程度的比值、当前分量信号的波动程度与分量信号集合中除当前分量信号外其他信号分量的波动程度的平均值的差值计算得到当前分量信号中当前数据点的去噪置信度。

33、在一可选实施例中，基于所述分量信号与所述基底信号之间的差异计算每条分量信号的波动程度，包括：

34、基于当前分量信号中数据点的幅值与基底信号中数据点的幅值的第三差异之和，和当前分量信号的幅值方差计算每条分量信号的波动程度；

35、其中，所述分量信号的波动程度的计算方式为：

36、；

37、式中，表示第条分量信号的波动程度，表示第条分量信号中数据点的幅值与基底信号中数据点的幅值的第三差异之和，表示第条分量信号中第个数据点的幅值，表示基底信号中第个数据点的幅值，表示第条分量信号中包含的数据点的个数；

38、表示第条分量信号的幅值方差， 表示第条分量信号的平均幅值。

39、在一可选实施例中，当前分量信号中当前数据点的去噪置信度的计算方式为：

40、；

41、式中，表示第条分量信号与分量信号集合中除第条分量信号外其他信号分量的第二差异之和，表示第条分量信号中第i个数据点的幅值，表示第r条分量信号中第i个数据点的幅值，n表示分量信号的总数量，n表示分量信号中数据点的总数量；

42、表示第条分量信号中第i个数据点的波动与第条分量信号的波动程度的比值，表示第条分量信号的平均幅值；

43、表示第条分量信号的波动程度与分量信号集合中除第条分量信号外其他信号分量的波动程度的平均值的差值，表示分量信号集合中除第条分量信号外其他信号分量的波动程度的平均值，表示第r条分量信号的波动程度。

44、在一可选实施例中，基于所述去噪功率数据进行异常检测，根据检测结果调整袋式包装机参数，包括：

45、如果去噪功率数据的波动大于第一阈值或小于第二阈值，则确定去噪功率异常，从而基于去噪功率数据的波动调整袋式包装机参数。

46、本技术的有益效果，区别于现有技术，本技术的袋式包装机的运行状态智能监测方法，包括：采集袋式包装机电机的原始功率数据，利用小波变换算法对原始功率数据进行分解，得到多条分量信号，多条分量信号对应不同的频率；确定每条分量信号的噪声影响程度，基于每条分量信号的噪声影响程度选择对应的滤波窗口对所述分量信号进行滤波，得到滤波分量信号；其中，分量信号的噪声影响程度与所述分量信号对应的滤波窗口尺寸正相关；基于滤波分量信号得到原始功率数据对应的去噪功率数据，并基于所述去噪功率数据进行异常检测，根据检测结果调整袋式包装机参数。该方法能够对原始功率数据进行有效的去噪，使得去噪后的功率数据不包含噪声，并且去噪后的功率数据能够表现出原始功率数据的特征。