[發明專利]制絲環節在線設備異常監控系統及方法

在審

• 申請號: 202010835793.4
• 申請日: 2020-08-19
• 公開（公告）號: CN112132316A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 劉博;李自娟;高楊;孫嘉;方汀;周政;賈曉慧;杜冬生;常文慧;梁建斌;耿佳妮;溫永慧
• 申請（專利權）人: 張家口卷煙廠有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/04;G06N3/04
• 代理公司: 北京瑞盛銘杰知識產權代理事務所(普通合伙) 11617
• 代理人: 汪鵬

1.制絲環節在線設備異常監控系統，包括信息管理系統，其內存儲有歷史生產數據，歷史生產數據包括生產參數、關鍵參數及歷史預測數據、歷史實測數據，其特征在于：所述系統還包括與信息管理系統通信連接的

參數篩選單元，其依照制絲環節工序，分階段對各工序工藝標準所要求的生產參數進行篩選，并確定各工序關鍵參數；

狀態預測單元，其采用神經網絡算法，以各工序關鍵參數為輸出因素，以其它生產參數為輸入因素，分階段建立關鍵參數預測模型，對相應工序的生產狀態進行預測；

異常監控單元，其根據關鍵參數預測模型的預測值，將預測值與對應關鍵參數的標準值進行對比：當該關鍵參數的預測值與標準值偏差＜10％時，判定系統設備正常運行；當該關鍵參數的預測值與標準值偏差≥10％時，判定系統設備異常，進行預警提示；

異常排查單元，其內構建有各工序關鍵參數異常問題庫，當判定系統設備異常時，所述異常排查單元將該時每一個關鍵參數與標準值進行核對，并將偏差≥10％的關鍵參數進行陳列，結合關鍵參數異常問題庫對異常原因作出分析。

2.根據權利要求1所述的制絲環節在線設備異常監控系統，其特征在于：所述參數篩選單元依照制絲環節工序將制絲流水線分為：真空回潮工段、松散回潮工段、加料回潮工段、薄板烘絲工段，并分階段對其生產參數進行篩選。

3.根據權利要求2所述的制絲環節在線設備異常監控系統，其特征在于：所述真空回潮工段生產參數包括出口含水率、出口溫度、回透率、抽真空度、轉蒸汽停止點、保壓時間、回抽停止點真空度、轉換水停止點真空度，其中關鍵參數為出口含水率、出口溫度；

所述松散回潮工段生產參數包括出口含水率、出口溫度、再造煙葉流量、滾筒轉速、熱風風機生產值、加溫濕蒸汽壓力、水霧化蒸汽壓力、循環風溫、排潮風門開度、新風風門開度，其中關鍵參數為出口含水率、出口溫度；

所述加料回潮工段生產參數包括出口含水率、出口溫度、循環風溫、排潮開度、料液溫度、加料比例、加料精度、流量、滾筒轉速，其中關鍵參數為出口含水率、出口溫度；

所述薄板烘絲工段生產參數包括HT入口含水率、HT出口溫度、減壓閥后蒸汽壓力、HT蒸汽壓力、流量、筒壁溫度、熱風溫度、排潮開度、薄板出口溫度、薄板出口含水率、熱風風機頻率，其中關鍵參數為HT入口含水率、HT出口溫度。

4.根據權利要求3所述的制絲環節在線設備異常監控系統，其特征在于：所述真空回潮工段關鍵參數預測模型為三層人工神經網絡模型，其具有輸入層神經元個數6個、輸出層神經元個數2個、隱含層神經元個數3個，激發函數：雙曲正切。

5.根據權利要求3所述的制絲環節在線設備異常監控系統，其特征在于：所述松散回潮工段關鍵參數預測模型為四層人工神經網絡模型，其具有輸入層神經元個數8個、輸出層神經元個數2個、隱含層神經元個數2個，激發函數：雙曲正切。

6.根據權利要求3所述的制絲環節在線設備異常監控系統，其特征在于：所述加料回潮工段關鍵參數預測模型為三層人工神經網絡模型，其具有輸入層神經元個數7個、輸出層神經元個數1個、隱含層神經元個數3個，激發函數：雙曲正切。

7.根據權利要求3所述的制絲環節在線設備異常監控系統，其特征在于：所述薄板烘絲工段關鍵參數預測模型為三層人工神經網絡模型，其具有輸入層神經元個數9個、輸出層神經元個數2個、隱含層神經元個數4個，激發函數：雙曲正切。