具有多工況特性的超高速小盒包裝機狀態(tài)監(jiān)測與診斷方法
【技術領域】
[0001] 本發(fā)明涉及意大利G.D公司超高速小盒包裝機H1000的統計監(jiān)測建模、狀態(tài)監(jiān)測與 診斷技術。
【背景技術】
[0002] 隨著近年來煙草行業(yè)全球化、新的法律法規(guī)以及外部環(huán)境的重大變化，中國煙草 面臨愈來愈嚴峻的競爭壓力和社會壓力。在保證產品質量的前提下，有效提升設備的智能 化水平和高效運行能力成為卷煙工廠關注的焦點。智能化，即生產設備具有感知、分析、推 理和決策等功能；高效運行，即在規(guī)定時間內消耗更少的資源生產更多、更好的產品。卷煙 工廠設備的智能化水平和高效運行能力與其自動化程度密不可分，設備狀態(tài)監(jiān)測與診斷技 術是提升智能化水平、保證高效運行的重要手段。
[0003] 意大利G.D公司超高速包裝設備是中國煙草總公司"十二五"期間重點引進的目前 世界上最高速、最先進的卷煙包裝設備，其設計生產能力為1〇〇〇包香煙/分鐘。超高速包裝 設備由小盒包裝機H1000、小盒薄膜封裝機W1000和條盒包裝機BV三部分組成。小盒包裝機 H1000是一臺高速連續(xù)運動硬盒翻蓋包裝機，利用煙支、內襯紙、內框紙、商標紙將煙支按7-6-7共20支的形式進行翻蓋式小盒包裝。小盒包裝機H1000是超高速包裝設備最關鍵、最核 心的單元，也是生產現場故障最集中的部位。由于G.D公司超高速包裝設備底層PLC開放的 程序源代碼和庫文件非常有限，生產現場主要通過每班一組的數據報表、生產時的人工目 測、輪保時的人工檢測、設備故障的計劃維修和事后搶修等方式保證小盒包裝機H1000的設 備完好性。杭州卷煙廠2014年超高速包裝設備的運行效率僅為70.08%，目前采用的設備狀 態(tài)監(jiān)測方式已經不能滿足卷煙生產的實際需要，亟需一種切實有效的超高速小盒包裝機 H1000狀態(tài)監(jiān)測與診斷方法。
[0004] 為解決G.D公司超高速包裝設備底層PLC參數數據難以獲取的問題，杭州卷煙廠 (朱立明，錢杰，王琪，李鈺靚，李勇.一種超高速包裝機數據采集系統：中國，CN204056360U [P]. 2014-12-31.)提出了一種基于Beckoff軟PLC的超高速包裝設備數據采集方法，通過對 設備底層PLC源代碼和庫文件的分析，能夠采集超高速小盒包裝機H1000的部分參數數據， 從而為基于多元統計分析方法實施具有多工況特性的超高速小盒包裝機H1000狀態(tài)監(jiān)測與 診斷提供了豐富的運行數據。

【發(fā)明內容】

[0005] 超高速小盒包裝機H1000生產過程中，操作人員根據目測的設備運行狀態(tài)頻繁調 整車速設定值，使得生產過程具有多個運行工況。由于小盒包裝機H1000的高速運行，從一 個穩(wěn)定運行工況到另外一個穩(wěn)定運行工況的時間非常短(如從車速為940包/分鐘降低到50 包/分鐘僅需20秒，即在兩個采樣周期內完成），因此本發(fā)明僅考慮各個不同的穩(wěn)定運行工 況。不同穩(wěn)定運行工況之間數據的均值、方差、相關關系等特征變量會有明顯的變化，直接 應用PCA方法進行統計建模和狀態(tài)監(jiān)測會產生大量的誤報警或漏報警。
[0006] 為滿足超高速小盒包裝機H1000狀態(tài)監(jiān)測與診斷的實際需要，本發(fā)明面向設備生 產過程的多工況特性，提出一種包含離線工況識別和劃分、穩(wěn)定工況統計監(jiān)測建模、多工況 過程狀態(tài)監(jiān)測、故障原因變量分離等關鍵技術的超高速小盒包裝機H1000狀態(tài)監(jiān)測與診斷 方法。該方法基于滑動時間窗口離線計算穩(wěn)定度因子識別穩(wěn)定工況和過渡工況，采用自適 應k-means聚類方法對穩(wěn)定工況進行劃分形成若干個穩(wěn)定工況數據簇，再利用PCA方法對每 個穩(wěn)定工況數據簇獨立建立統計監(jiān)測模型。多工況過程狀態(tài)監(jiān)測時，根據當前滑動時間窗 口內數據的穩(wěn)定度因子判斷工況類型，若為過渡工況，則將當前時刻T 2、SPE兩個監(jiān)測統計 量賦值為〇;若為穩(wěn)定工況，計算當前滑動時間窗口內有效數據與各個聚類中心的歐式距 離，利用距離最小的聚類所對應的PCA監(jiān)測模型進行實時監(jiān)測，任一統計量超限時利用貢獻 圖方法確定引起故障的主要過程變量，最終為超高速小盒包裝機H1000的狀態(tài)監(jiān)測與診斷 提供了一種有效可行的方法。
[0007] 本發(fā)明所采用的具體技術方案如下：
[0008] -種具有多工況特性的超高速小盒包裝機H1000狀態(tài)監(jiān)測與診斷方法，包括：
[0009] 1)根據超高速小盒包裝機H1000的運行機理確定統計模型的輸入變量，采集某一 機臺底層PLC中的設備運行數據，獲得二維原始數據MKX J)，K為采樣點個數，J為監(jiān)測變量 個數；
[0010] 2)基于車速檢測值，采用滑動時間窗口 Η方法計算穩(wěn)定度因子SF，當其值較小時 (小于等于閾值ζ)表明過程處于穩(wěn)定工況，反之表明過程處于過渡工況。采用平滑濾波方法 對處于穩(wěn)定工況的滑動時間窗口 Η內原始數據進行算術平均，獲得一組移動平均數據，將移 動平均數據中"車速"變量值大于閾值Φ的數據作為穩(wěn)定工況的有效數據D= {Di，D2，…，DN}， N為有效數據的個數；
[0011] 3)穩(wěn)定工況的有效數據被識別出以后，采用自適應k-means聚類方法對有效數據 的相似度進行聚類分析，獲得每一種穩(wěn)定工況的建模數據.
〕表示將 穩(wěn)定工況劃分成C個聚類，每個聚類中具有相似過程特性的建模數據可以用一個統計監(jiān)測 模型來描述；
[0012] 4)對每一種穩(wěn)定工況的建模數據乂
_，C)進行均值中心化和 方差歸一化的數據預處理，獲得處理后的建模數據Xr(KrmXJ)。對建模數據Xr進行PCA分解， 得到對應的主元個數A r、負載矩陣Pr、控制限和&rSPt,，建立對應第r個穩(wěn)定工況的PCA 監(jiān)測模型；
[0013] 5)多工況過程狀態(tài)監(jiān)測時，計算當前滑動時間窗口內數據的穩(wěn)定度因子SFnew，通 過與給定閾值ζ的比較確定當前所處的工況類型。若為過渡工況，則將當前時刻
印 SPEne3W兩個監(jiān)測統計量賦值為0;否則采用平滑濾波方法計算當前滑動時間窗口內的移動平 均數據，并計算其與各個聚類中心的歐式距離，調用距離最小的聚類所對應的PCA監(jiān)測模型 在線計算和SPEne3W兩個監(jiān)測統計量。如果兩個統計量都位于控制限以內，表明設備狀態(tài) 正常，如果至少其中一個統計量超出控制限，表明設備狀態(tài)異常；
[0014] 6)當檢測到設備出現有異常時，根據超限統計量處于T2的主元子空間或是SPE的 殘差子空間，計算每個過程變量對超限統計量的貢獻率，貢獻率較大的變量被初步確定為 造成設備異常的原因變量。
[0015]所述步驟2)中，采用滑動時間窗口Η方法計算穩(wěn)定度因子SF，計算公式如下：
limx
[0017] 其中VH max表示滑動時間窗口Η內車速數據的最大值，VH min表示滑動窗口Η內車速 數據的最小值，￥_\表示設備允許的車速最大值。Η表示滑動時間窗口的長度。
[0018] 在步驟3)中，采用自適應k-means聚類方法對有效數據的相似度進行聚類分析，通 過定義兩個聚類中心的最小距離的閾值Θ，同時最小化同一聚類數據之間的局部距離平方 和以及所有聚類之間的全局距離平方和，獲得最優(yōu)的聚類數目和聚類中心，實現對穩(wěn)定工 況的自適應劃分。
[0019] 在步驟4)中，對建模數據預處理包括依次進行的減均值、除標準差 處理獲得Xr(KrmXJ)，計算公式如下：
[0021] 其中足.^·表示建模數據...... 1第rk行第j列的數據，下標r代表工況、k代
表樣本、j代表變量，I.,表示第r個穩(wěn)定工況第j個變量的均值f表示第r個穩(wěn)定工況第j 個變量的標準差。
[0022] 將數據Xr進行PCA分解，PCA分解的計算公式為：
[0024] 其中Tr為主元子空間中(KrmXAr)維的得分矩陣;Pr為主元子空間中（JXA r)維的負 載矩陣;Er為殘差子空間中（KrmXJ)維的殘差矩陣。Ar表示主元個數，由累計貢獻率方法確 定。
[0025] 離線計算主成分子空間的Hotelling-T2和殘差子空間的SPE(Squared Prediction Error)監(jiān)測統計量。I]2監(jiān)測統計量的計算公式為：
[0027] 其中trk = XrkPr為（1 X Ar )維的主元得分向量，Xrk為建模數據Xr的第k行，Pr為主元 子空間的負載矩陣，對角矩陣\ ，· · ·，.也,）由建模數據Xr的協