基于神經(jīng)網(wǎng)絡(luò)的煙草制絲工序質(zhì)量診斷技術(shù)研究.pdf

1、隨著社會(huì)的發(fā)展，生活水平的提高，人們對(duì)卷煙產(chǎn)品的質(zhì)量要求也越來越高。為了穩(wěn)定卷煙質(zhì)量、滿足細(xì)分市場(chǎng)，煙草制絲工藝日趨精細(xì)與復(fù)雜，這也使得煙草行業(yè)更加注重對(duì)卷煙質(zhì)量的控制。在制絲過程中會(huì)受到多種因素的影響，煙絲的質(zhì)量必然會(huì)發(fā)生波動(dòng)，要實(shí)現(xiàn)制絲的高效率、高質(zhì)量，就必須保證生產(chǎn)過程處于穩(wěn)定受控的狀態(tài)，因此面向生產(chǎn)過程的質(zhì)量監(jiān)控就變得非常重要；另一方面，數(shù)字化制絲流程的實(shí)施，大大提高了制絲車間的信息化、自動(dòng)化程度，如果過程狀態(tài)的監(jiān)控還是僅僅依賴

2、人為因素，否則將嚴(yán)重阻礙煙草行業(yè)自動(dòng)化程度和質(zhì)量管理水平的提高。
　　本論文針對(duì)上兩個(gè)問題，提出了將SPC方法和BP神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，應(yīng)用于煙草制絲過程質(zhì)量控制，研究了制絲過程質(zhì)量的智能監(jiān)控技術(shù)。
　　首先，根據(jù)制絲過程的特點(diǎn)，把SPC方法應(yīng)用于制絲過程質(zhì)量控制。通過分析制絲工藝的關(guān)鍵工序以及重要質(zhì)量特性指標(biāo)，確定SPC的控制對(duì)象；提出了控制圖的應(yīng)用方案，選擇均值–極差控制圖進(jìn)行質(zhì)量控制，然后以實(shí)例說明了控制圖在制絲工序中

3、的具體應(yīng)用
　　其次，基于BP神經(jīng)網(wǎng)絡(luò)，對(duì)控制圖的模式識(shí)別問題進(jìn)行了研究。先將SPC控制圖分為正常、向上階躍、向下階躍、趨勢(shì)上升、向上階躍、趨勢(shì)下降、周期6種基本模式，并建立起相應(yīng)數(shù)學(xué)模型；然后提出了控制圖模式識(shí)別的總體方案，著重研究了控制圖基本模式的識(shí)別方法和異常模式關(guān)鍵特征參數(shù)的估計(jì)方法。在理論研究的基礎(chǔ)上，采用改進(jìn)BP算法，建立了1個(gè)控制圖模式識(shí)別網(wǎng)絡(luò)、3個(gè)異常模式參數(shù)估計(jì)網(wǎng)絡(luò)，分別估計(jì)階躍模式的幅值，周期模式的幅值和周期長(zhǎng)

4、度，趨勢(shì)模式的斜率。
　　然后，依據(jù)SPC理論，從人、機(jī)、料、法、環(huán)、測(cè)6個(gè)方面，針對(duì)每一種異常模式，分析并總結(jié)典型的異常原因及調(diào)整建議，建立異常診斷知識(shí)庫(kù)。
　　最后，基于SQL Server2000設(shè)計(jì)制絲質(zhì)量管理數(shù)據(jù)庫(kù)和異常診斷知識(shí)庫(kù)，以Visual C++6.0和 Matlab7.0為平臺(tái)，開發(fā)了制絲過程質(zhì)量監(jiān)控與診斷系統(tǒng)，實(shí)現(xiàn)了制絲質(zhì)量數(shù)據(jù)管理，控制圖繪制，過程狀態(tài)的識(shí)別和特征參數(shù)估計(jì)，異常原因分析診斷等功能，并進(jìn)