利用负压传感器对卷烟机的吸丝状态进行监测的方法与流程

本发明涉及卷烟制造领域，更具体地，涉及一种利用负压传感器对卷烟机的吸丝状态进行监测的方法。

背景技术：

1、在烟支卷制生产过程中，卷烟机将输送过来的烟丝卷制成烟支，烟丝输送过程主要是:储存柜里的烟丝经输送皮带输送至喂料机、输送管道、卷烟机料斗，从而完成卷烟机的烟丝供应，烟丝的输送是通过负压吸送，在卷烟机实际生产过程中，会出现无烟丝供应或烟丝供应不足的现象，主要原因包括:卷烟机料斗密封性不足；料斗内过滤网堵塞；输送管道长，管道内烟丝堵塞；负压供给故障；喂料机流量偏大或偏小；负压供给控制阀电气故障等等。当发生无烟丝供应或烟丝供应不足时，无法准确判断故障点，维修人员需要对卷烟机料斗、喂料机、烟丝管道一点一点进行排查，且烟丝输送管道很长，经常需要大量时间来找到问题点，导致工作效率低下，极大的影响了生产效率。

2、因此，如何提供一种卷烟机吸丝状态监测及故障诊断方法成为本领域亟需解决的技术难题。

技术实现思路

1、本技术的发明的目的是克服现有技术中找出卷烟机吸丝状态的故障需要很长时间的问题，而提供一种卷烟机供丝系统故障诊断方法。该方法提高维修效率及生产效率。

2、为了实现上述发明目的，本发明是通过如下技术方案实现的：

3、本技术的一种卷烟机供丝系统故障诊断方法，卷烟机的吸丝系统包括：喂料机、第一吸料管、卷烟机料箱、工控机、蝶阀、负压传感器、第二吸料管和负压泵，喂料机通过第一吸料管与卷烟机料箱的进料口相连，卷烟机料箱的出料口通过第二吸料管与负压泵相连，在靠近卷烟机料箱的出料口的第二吸料管上依次装有蝶阀和负压传感器，工控机通过信息线分别与蝶阀和负压传感器相连，其中：卷烟机供丝系统故障诊断方法包括：

4、(一)、用已知的负压传感器的信号对支持向量机进行训练，建立支持向量机模型

5、在已知卷烟机的吸丝装置的正常供丝状态、管道堵塞状态、卷烟机落料闸门漏风状态、喂丝机无烟丝供应状态和喂丝机堵塞状态下，按照步骤(ⅰ)和(ⅱ)采集和提取负压传感器的信号；

6、(ⅰ)、在一个进料周期内工控机收集负压传感器的信号

7、在蝶阀从开到关的一个进料周期内，工控机收集到若干个负压传感器的信号a1……an；

8、(ⅱ)、工控机从上述若干个负压传感器信号中提取出八个特征值

9、(1)、平均值

10、对上述若干个负压传感器信号a1……an求平均值，得到第一特征值p1，

11、p1＝(a1+a2+……+an)/n；

12、(2)、标准差

13、求上述若干个负压传感器信号a1……an的标准差，得到第二特征值p2，

14、

15、(3)、用小波包对上述若干个负压传感器(6)信号a1……an进行第一层分解；a1,d1＝pywt.dwt(a1……an,'db1')，其中：pywt是小波包分解，dwt是离散小波变换，pywt.dwt用于进行离散小波变换计算，该函数接受信号(负压数据)和小波滤波器(db1)作为输入，并返回第一层近似系数(a1)和第一层细节系数(d1)，近似系数包含了信号的低频信息，而细节系数包含了高频信息，根据公式

16、得到第一层近似系数

17、和第一层细节系数

18、对第一层细节系数进行平方求和，得到第三特征值p3，

19、其中，ni是第一层的细节系数的数量，它取整数；

20、(4)、用小波包对上述步骤(3)的第一层近似系数进行第二层分解，得到第四特征值p4，根据公式其中：pywt是小波包分解，dwt是离散小波变换，pywt.dwt用于进行离散小波变换计算，该函数接受信号(第一层近似系数)和小波滤波器(db1)作为输入，并返回第二层近似系数(a2)和第二层细节系数(d2)，根据公式

21、得到第二层近似系数

22、和第二层细节系数

23、对第二层细节系数进行平方求和，得到第四特征值p4，

24、其中，ni是第二层的细节系数的数量，它取整数；

25、(5)、用小波包对上述步骤(4)的第二层近似系数进行第三层分解，得到第五特征值p5；

26、根据公式其中：pywt是小波包分解，dwt是离散小波变换，pywt.dwt用于进行离散小波变换计算，该函数接受信号(第二层近似系数)和小波滤波器(db1)作为输入，并返回第三层近似系数(a3)和第三层细节系数(d2)，

27、得到第三层近似系数

28、和第三层细节系数

29、对第三层细节系数进行平方求和，得到第五特征值p5，

30、其中，ni是第三层的细节系数的数量，它取整数；

31、(6)、用小波包对上述步骤(5)的第三层近似系数进行第四层分解；得到第六特征值p6

32、根据公式其中：pywt是小波包分解，dwt是离散小波变换，pywt.dwt用于进行离散小波变换计算，该函数接受信号(第三层近似系数)和小波滤波器(db1)作为输入，并返回第四层近似系数(a4)和第四层细节系数(d4)，

33、得到第四层近似系数

34、和第四层细节系数

35、对第四层细节系数进行平方求和，得到第六特征值p6，

36、其中，ni是第四层的细节系数的数量，它取整数；

37、(7)、用小波包对上述步骤(6)的第四层近似系数进行第五层分解；得到第七特征值p7和第八特征值p8

38、根据公式其中：pywt是小波包分解，dwt是离散小波变换，pywt.dwt用于进行离散小波变换计算，该函数接受信号(第四层近似系数)和小波滤波器(db1)作为输入，并返回第五层近似系数(a5)和第五层细节系数(d5)，

39、得到第五层近似系数

40、和第五细节系数

41、分别对第五层近似系数和第五层细节系数进行平方求和，

42、得到第七特征值p7，其中，ni是第五层的近似系数的数量，它取整数，

43、和第八特征值p8，其中，ni是第五层的细节系数的数量，它取整数；

44、(ⅲ)、用上述八个特征向量和对应卷烟机的吸丝装置的已知状态来训练支持向量机，得到支持向量机模型

45、将上述八个特征特征值和它所对应的卷烟机的吸丝装置的已知状态作为一组数据，重复上述步骤(ⅰ)和步骤(ⅱ)，得到在正常供丝状态、管道堵塞状态、卷烟机落料闸门漏风状态、喂丝机无烟丝供应状态和喂丝机堵塞状态下的若干组数据，将上述若干组数据输入到支持向量机中，对支持向量机进行训练，得到训练好的支持向量机模型；

46、(二)、用训练好的支持向量机模型对新采集到的一个进料周期的负压传感器(6)的信号进行分析，判定出卷烟机的吸丝装置的故障

47、重复上述步骤(ⅰ)和步骤(ⅱ)将新采集到的一个进料周期的负压传感器(6)的信号分解成八个特征值，然后，将上述八个特征值输入到训练好的支持向量机模型中，得到新采集到的一个进料周期内卷烟机的吸丝装置的故障。

48、本发明所述的卷烟机供丝系统故障诊断方法，其中：卷烟机的吸丝装置还包括：下限位器和上限位器，它们分别装在卷烟机料箱的不同高度上，并且分别与工控机相连，当烟丝达到下限位器以下，工控机控制蝶阀打开；当烟丝达到上限位器以上，工控机控制蝶阀关闭。

49、本发明所述的卷烟机供丝系统故障诊断方法，其中：卷烟机供丝系统故障诊断方法是在下限位器、上限位器和蝶阀正常运行的情况下的。

50、本发明所述的卷烟机供丝系统故障诊断方法，其中：所述负压传感器的采集频率为1-20次/秒。

51、本发明所述的卷烟机供丝系统故障诊断方法，其中：所述支持向量机为线性核的支持向量机。

52、本发明所述的卷烟机供丝系统故障诊断方法具有以下有益效果：

53、1、原理清晰:建立了负压变化与吸丝状态及故障的对应关系和判断准则。

54、2、巧妙高效：利用传感器和数据处理技术，即可实时准确判断相关故障。

55、3、直观易用：提供直观的人机交互界面，方便维修人员进行操作和查看故障信息。

56、4、本技术首先通过分析负压的变化来确定相应的供丝系统故障，形成了一个新的监测和诊断模型，这一模型不仅提高了诊断的准确性，而且能够更全面地反映卷烟机供丝系统的状态；其次，本研究成功地将传感器技术、数据分析与处理和机器学习技术等多领域的技术融合在一起，形成了一套完整的实时监控与智能诊断方法。这种跨领域的技术融合，不仅提高了系统的性能，也展示了多学科交叉研究的巨大潜力。此外，本研究实现的实时监控与智能诊断方法，准确率高达99％以上，充分体现了本研究的创新性和实用性。