設(shè)備狀態(tài)監(jiān)測和統(tǒng)計過程控制在煙草制絲中的應(yīng)用.pdf

1、近幾十年來,煙草制造業(yè)步入了高速發(fā)展的軌道,全國各地主要煙草公司產(chǎn)量每年均大幅增長。隨著生產(chǎn)規(guī)模的擴大,煙機設(shè)備的運行性能、煙草制品的質(zhì)量監(jiān)控等問題受到越來越多的重視。
　　當(dāng)前的現(xiàn)代制絲設(shè)備已經(jīng)逐漸呈現(xiàn)出大型化、連續(xù)化、高速化、自動化的特點。雖然這些趨勢保證了制絲生產(chǎn)過程中的“兩高兩低”,即高產(chǎn)量、高質(zhì)量、低成本、低損耗,然而,一旦某個工序點運行出現(xiàn)異常,就會導(dǎo)致整個工序甚至整條生產(chǎn)線紊亂,增加了可能造成的損失,影響了生產(chǎn)的順利

2、進行。因此,盡管目前的制絲設(shè)備在提高效率、降低成本、節(jié)約能源、減少人力等方面取得了顯著成效,但是仍需進一步完善產(chǎn)品質(zhì)量監(jiān)控系統(tǒng),確保設(shè)備的穩(wěn)定運行。
　　本文的第三章節(jié)以切絲車振動異常診斷為例,提出通過小波包算法和人工神經(jīng)網(wǎng)絡(luò)技術(shù),對振動的異常進行預(yù)警和診斷,有效改善了傳統(tǒng)方法對未知的振動模式無法進行判斷的缺點。在第四章中,本論文對在煙絲質(zhì)量控制中占有重要地位的控制圖進行了研究,提出基于AR譜Burg算法的控制圖預(yù)處理,并利用Fu

3、zzy ART神經(jīng)網(wǎng)絡(luò)對控制圖的異常進行識別,與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)和自適應(yīng)學(xué)習(xí)率BP神經(jīng)網(wǎng)絡(luò)相比較,Fuzzy ART神經(jīng)網(wǎng)絡(luò)對控制圖的異常識別進一步增強了對異常的判斷能力,擁有獲得了更快的訓(xùn)練速度。
　　此外,本論文通過比較設(shè)備狀態(tài)監(jiān)測與統(tǒng)計過程控制在生產(chǎn)應(yīng)用過程中的優(yōu)缺點,將兩者在Lab View平臺上集成融合。與傳統(tǒng)的某一種技術(shù)相比較,設(shè)備狀態(tài)監(jiān)測與統(tǒng)計過程控制的結(jié)合能夠?qū)崿F(xiàn)信息的共享和技術(shù)上的互補,從而更好地幫助企業(yè)在擁有