設(shè)備狀態(tài)監(jiān)測(cè)和統(tǒng)計(jì)過(guò)程控制在煙草制絲中的應(yīng)用.pdf

1、近幾十年來(lái),煙草制造業(yè)步入了高速發(fā)展的軌道,全國(guó)各地主要煙草公司產(chǎn)量每年均大幅增長(zhǎng)。隨著生產(chǎn)規(guī)模的擴(kuò)大,煙機(jī)設(shè)備的運(yùn)行性能、煙草制品的質(zhì)量監(jiān)控等問(wèn)題受到越來(lái)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(dòng)化的特點(diǎn)。雖然這些趨勢(shì)保證了制絲生產(chǎn)過(guò)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(gè)工序點(diǎn)運(yùn)行出現(xiàn)異常,就會(huì)導(dǎo)致整個(gè)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(jìn)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(jìn)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(yùn)行。
　　本文的第三章節(jié)以切絲車振動(dòng)異常診斷為例,提出通過(guò)小波包算法和人工神經(jīng)網(wǎng)絡(luò)技術(shù),對(duì)振動(dòng)的異常進(jìn)行預(yù)警和診斷,有效改善了傳統(tǒng)方法對(duì)未知的振動(dòng)模式無(wú)法進(jìn)行判斷的缺點(diǎn)。在第四章中,本論文對(duì)在煙絲質(zhì)量控制中占有重要地位的控制圖進(jìn)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(duì)控制圖的異常進(jìn)行識(shí)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(duì)控制圖的異常識(shí)別進(jìn)一步增強(qiáng)了對(duì)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(guò)比較設(shè)備狀態(tài)監(jiān)測(cè)與統(tǒng)計(jì)過(guò)程控制在生產(chǎn)應(yīng)用過(guò)程中的優(yōu)缺點(diǎn),將兩者在Lab View平臺(tái)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(cè)與統(tǒng)計(jì)過(guò)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(bǔ),從而更好地幫助企業(yè)在擁有