[發明專利]一種卷煙生產制造過程料頭料尾的識別方法及系統

在審

• 申請號: 201910356087.9
• 申請日: 2019-04-29
• 公開（公告）號: CN110866670A
• 公開（公告）日: 2020-03-06
• 發明（設計）人: 李達;袁湘云;許仁杰;李曉科;崔宇翔
• 申請（專利權）人: 紅云紅河煙草（集團）有限責任公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/04;G06K9/62
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 王立民;吳蘭柱

1.一種卷煙生產制造過程料頭料尾的識別方法，其特征在于，包括：

實時采集卷煙生產工序中的工藝參數的樣本數據；

對所述樣本數據進行濾波處理，以實現數據的平滑；

對平滑后的所述樣本數據進行聚類分析，以獲得工藝參數的穩態數據和非穩態數據；

根據所述穩態數據和所述非穩態數據識別卷煙生產過程的料頭料尾工序。

2.根據權利要求1所述的卷煙生產制造過程料頭料尾的識別方法，其特征在于，所述對所述樣本數據進行濾波處理，以實現數據的平滑，包括：

通過所述樣本數據確定采樣值和采樣數；

根據所述采集值和采樣數進行均值計算，并根據所述均值對所述樣本數據進行均值濾波分析。

3.根據權利要求2所述的卷煙生產制造過程料頭料尾的識別方法，其特征在于，所述對所述樣本數據進行濾波處理，以實現數據的平滑，還包括：

如果樣本數據無法進行平滑，則剔除異常的數據，并采用ButterWorth的方式進行平滑預處理。

4.根據權利要求1所述的卷煙生產制造過程料頭料尾的識別方法，其特征在于，所述對平滑后的所述樣本數據進行聚類分析，包括：

采用K-MEANS算法對所述樣本數據時行聚類分析；

根據進行聚類分析的結果進行判斷，如果無法得出分類結果，則進入人工判定程序。

5.根據權利要求4所述的卷煙生產制造過程料頭料尾的識別方法，其特征在于，所述采用K-MEANS算法對所述樣本數據時行聚類分析，包括：

設置K-MEANS算法終止條件，其中，所述終止條件包括：1)準則函數值的變化小于設定閾值；2)類簇中心在一定范圍內不再變化；3)達到指定的迭代次數。

6.根據權利要求5所述的卷煙生產制造過程料頭料尾的識別方法，其特征在于，所述采用K-MEANS算法對所述樣本數據時行聚類分析，還包括：

(a)隨機初始化的樣本點；

(b)隨機設置類簇中心；

(c)給樣本點分配與之最近的類簇中心；

(d)類簇中心更新為類簇中所有樣本的均值；

(e)判斷是否將每個樣本劃分到與其最近的類簇中心，并將屬于同一個類簇的樣本均值作為新的類簇中心，如果否，則重復(c)和(d)直到收斂。

7.一種卷煙生產制造過程料頭料尾的識別系統，其特征在于，包括：

采集單元，用于實時采集卷煙生產工序中的工藝參數的樣本數據；

濾波處理單元，用于對所述樣本數據進行濾波處理，以實現數據的平滑；

聚類分析單元，用于對平滑后的所述樣本數據進行聚類分析，以獲得工藝參數的穩態數據和非穩態數據；

識別單元，用于根據所述穩態數據和所述非穩態數據識別卷煙生產過程的料頭料尾工序。

8.根據權利要求7所述的卷煙生產制造過程料頭料尾的識別系統，其特征在于，所述濾波處理單元包括：

均值處理單元，用于通過所述樣本數據確定采樣值和采樣數，并根據所述采集值和采樣數進行均值計算，進而根據所述均值對所述樣本數據進行均值濾波分析；

平滑預處理單元，用于在樣本數據無法進行平滑時，剔除異常的數據，并采用ButterWorth的方式進行平滑預處理。

9.根據權利要求8所述的卷煙生產制造過程料頭料尾的識別系統，其特征在于，所述聚類分析單元包括：

K-MEANS算法分析單元，用于采用K-MEANS算法對所述樣本數據時行聚類分析；

人工判定控制單元，用于根據進行聚類分析的結果進行判斷，如果無法得出分類結果，則進入人工判定程序。

10.根據權利要求9所述的卷煙生產制造過程料頭料尾的識別系統，其特征在于，所述K-MEANS算法分析單元包括：

終止條件設置單元，用于設置K-MEANS算法終止條件；

算法處理單元，用于對所述樣本數據執行以下步驟：(a)隨機初始化的樣本點；(b)隨機設置類簇中心；(c)給樣本點分配與之最近的類簇中心；(d)類簇中心更新為類簇中所有樣本的均值；

收斂判斷單元，用于判斷是否將每個樣本劃分到與其最近的類簇中心，并將屬于同一個類簇的樣本均值作為新的類簇中心，如果否，則再通過算法處理單元對所述樣本數據進行聚分處理。