设备状态监测和统计过程控制在烟草制丝中的应用

摘要

近几十年来,烟草制造业步入了高速发展的轨道,全国各地主要烟草公司产量每年均大幅增长。随着生产规模的扩大,烟机设备的运行性能、烟草制品的质量监控等问题受到越来越多的重视。
　　当前的现代制丝设备已经逐渐呈现出大型化、连续化、高速化、自动化的特点。虽然这些趋势保证了制丝生产过程中的“两高两低”,即高产量、高质量、低成本、低损耗,然而,一旦某个工序点运行出现异常,就会导致整个工序甚至整条生产线紊乱,增加了可能造成的损失,影响了生产的顺利进行。因此,尽管目前的制丝设备在提高效率、降低成本、节约能源、减少人力等方面取得了显著成效,但是仍需进一步完善产品质量监控系统,确保设备的稳定运行。
　　本文的第三章节以切丝车振动异常诊断为例,提出通过小波包算法和人工神经网络技术,对振动的异常进行预警和诊断,有效改善了传统方法对未知的振动模式无法进行判断的缺点。在第四章中,本论文对在烟丝质量控制中占有重要地位的控制图进行了研究,提出基于AR谱Burg算法的控制图预处理,并利用Fuzzy ART神经网络对控制图的异常进行识别,与传统的BP神经网络和自适应学习率BP神经网络相比较,Fuzzy ART神经网络对控制图的异常识别进一步增强了对异常的判断能力,拥有获得了更快的训练速度。
　　此外,本论文通过比较设备状态监测与统计过程控制在生产应用过程中的优缺点,将两者在Lab View平台上集成融合。与传统的某一种技术相比较,设备状态监测与统计过程控制的结合能够实现信息的共享和技术上的互补,从而更好地帮助企业在拥有高产量、低成本的同时,获得更稳定的生产过程和更优异的产品质量。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1概述

1.2 制丝设备的状态检测

1.3 统计过程控制

1.4 国内外研究进展与发展趋势

1.5 论文的主要研究内容

1.6 本章小结

第二章 主要制丝设备介绍

2.1 松散回潮机

2.2 隧道式回潮机

2.3 烘丝机

2.4 切丝机

2.5 本章小结

第三章 切丝车振动识别方法研究

3.1 基于小波包分解的振动特征量提取

3.2 基于Fuzzy ART神经网络的异常识别

3.3 本章小结

第四章 控制图异常模式识别研究

4.1 烟丝加工过程中的质量性质和统计特征

4.2 烟丝质量相关的控制图模式识别

4.3 控制图使用

4.4 异常分类

4.5 过程能力指数的测算

4.6 仿真数据的产生

4.7 基于BP神经网络的异常识别

4.8 调试方案和结果

4.9 基于Burg法AR谱估计的控制图预处理

4.10 基于Fuzzy ARTMAP神经网络控制图模式识别

4.11 本章小结

第五章 设备状态与工序质量信息集成方案研究

5.1 集成融合的必要性和可行性分析

5.2 SPCD质量控制系统的应用

5.3 本章小结

第六章 SPCD的软件实现

6.1 设备状态检测和诊断系统发展

6.2 基于LabVIEW的系统开发平台

6.3 人工神经网络的实现

6.4 本章小结

第七章 总结和展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文