基于相对变化分析的多模态卷烟制叶丝过程在线监测与故障诊断方法
【技术领域】
[0001] 本发明涉及具有多模态特点的卷烟制叶丝过程在线监测与故障诊断技术，尤其涉 及Sirox增温增湿和KLD薄板烘丝设备的在线监测和故障诊断方法。
【背景技术】
[0002] 我国烟叶产量和卷烟产量均为世界第一，烟草税收占政府财政收入的8 %左右。 但是近年来的烟草行业全球化、新的法律法规以及外部环境的重大变化，中国烟草面临愈 来愈严峻的竞争压力和社会压力。在保证产品质量的前提下，有效提升设备的智能化水平 和高效运行能力成为卷烟工厂关注的焦点。智能化水平，即生产设备所具有的感知、分析、 推理和决策等功能的强弱；高效运行，即在规定时间内消耗更少的资源生产更多、更好的产 品。卷烟工厂设备的智能化水平和高效运行与其自动化程度密不可分，设备状态的在线监 测和故障诊断技术是提升智能化水平、保证高效运行的重要手段，对于我国卷烟工业企业 参与日益激烈的市场竞争、满足日益变化的国内外形势具有重要的现实意义。
[0003] 卷烟生产过程属于典型的流程制造批次过程，既具有批量产品生产的特点，又具 有多个生产批次、产品频繁变化的特点。卷烟生产根据生产计划所预定的产品牌号和批次 号进行烟丝和烟支的生产，主要包含制丝和卷包两大过程，其中制丝过程根据烟叶原料的 特性，依次经过烟片预处理、制叶丝、掺配加香等工艺流程，将片烟制成合格烟丝的过程。
[0004] 目前，针对卷烟制叶丝过程关键设备的在线监测和故障诊断研究主要以连续过 程单变量统计过程控制方法为基础，面向生产过程监控需求，利用彩虹图和过程能力指数 对掺配加香段过程变量进行分析和诊断。文献"MishraB，DangayachGS.Performance improvementthroughstatisticalprocesscontrol:alongitudinalstudy[J]. InternationalJournalofGlobalisationandSmallBusiness,2009,3(1):55-72'，介 绍了统计过程控制方法在尼泊尔卷烟厂的应用实施，有效提高了设备的过程能力指数。为 了提高制丝质量监控精度，上海卷烟厂"张敏，童亿刚，戴志渊，等.SPC技术在制丝质 量管理中的初步应用[J].烟草科技，2004,（9):10-11"首次尝试应用统计过程控制技术， 建立了一套过程加工能力评价系统，解决了实际过程能力指数偏低的问题。为了推动企业 精细化制造，长沙卷烟厂"黄胜，李建辉，张永川.长沙卷烟厂SPC系统的应用实践[J]. 中国烟草学报，2008, 14 (S1) : 14-17"提出了卷烟企业应用统计过程控制的原则，并介绍了 统计过程控制系统在制丝过程的应用情况及成效。为了确保制丝过程工艺参数的稳定，山 西昆明烟草有限公司"李文泉，赵文田，李文斌.统计过程控制技术SPC在烟草制丝生 产中的应用[J].机械工程与自动化，2009,（5) :116-118"应用统计过程控制技术建立了 制丝质量监控系统，保证了烟丝质量的一致性和稳定性。为了提高企业质量管理水平，郴 州卷烟厂"罗江，刘强斌.SPC系统在卷烟工业企业质量管理中的应用实践[J].产业经 济，2011，（3) :67-72"从应用流程、主要功能、数据有效性等方法对统计过程控制系统进行 了详细设计，利用彩虹图和过程能力指数对制丝过程进行监控和分析。为了保证卷烟同质 化生产和持续提升产品质量，南昌卷烟厂"李铁军，杨得强，李强.SPC系统在卷烟制丝工 艺质量控制的应用[J].中国质量，2013,（4) :87-88"构建了集数据采集、过程监控、过程分 析、异常处理、质量考评等于一体的统计过程控制系统，实现制丝过程关键工序和重点参数 的监测和诊断。针对卷烟生产企业加工过程缺乏统一的质量过程水平参数评价系统的问 题，基于统计过程控制技术，青岛卷烟厂"朱敏，王培琛，张学礼，等.基于统计过程控制 的卷烟品控系统[J].PLC&FA，2014,（3) :58-62"提出了从车间现场实时质量控制、质量部门 数据分析到企业质量决策的三层生产过程质量控制系统，实现了制丝和卷包全过程质量管 理。为了实现卷烟生产过程的全过程监控和追溯，杭州卷烟厂"钱杰，徐进，季琦，等.制 造执行系统在烟草企业中的应用[J].机械制造与自动化，2014, 43(2) : 147-149"建立了 制造执行系统，通过对制丝管控系统、卷包数字化管理系统和质量检测分析系统数据的有 效集成和分析，采用彩虹图和过程能力指数对制丝过程进行监控和分析。此外，文献"纪盛 强，程晶晶，李郡.基于SPC和神经网络的卷烟制丝生产质量监控方法研究[J].工业控 制计算机，2011，24(12) :65-68"针对卷烟制丝过程现有统计过程控制系统监控方法存在的 问题，提出适合在线监控的移动窗口式控制图，并分别建立了用于控制图模式识别和质量 缺陷原因诊断的两个BP神经网络模型，有效提高了控制图的识别效率、增加了质量监控的 有效性。
[0005] 针对卷烟制叶丝过程关键设备的在线监测和故障诊断研究仍处于起步阶段，已存 储的生产过程海量运行数据尚未充分利用，存在"数据丰富、知识缺乏"的问题。已有研究更 多的是采用单变量统计过程控制方法对某一产品牌号同一批次内的过程特性进行分析，仅 仅局限于单一时间轴的研究，缺少对批次轴上动态信息的有效分析，这种局限于批次内对 过程变量进行独立监测的方法无法及时反映过程变量的动态性以及变量间关联关系的变 化；同时已有研究方法没有考虑由于生产策略以及运行条件的调整而产生的多模态特性， 直接采用传统PCA建模和分析方法往往会使初始监测模型无法准确描述不同的运行模态， 产生模型失配，在运行模态变化时造成误报警。因此，已有的卷烟制叶丝过程关键设备的在 线监测和故障诊断方法的可靠性和准确性亟待提高。
【发明内容】
[0006] 为解决现有技术中存在的问题，本发明提供基于相对变化分析的多模态卷烟制叶 丝过程在线监测与故障诊断方法。该方法将最初运行模态作为参考模态，其它运行模态作 为备选模态，定义Ration和△v两个衡量指标深入分析不同模态各个监测方向上的过程 特性变化，基于不同模态间的相对变化分别对参考模态的主元子空间和残差子空间进行分 解，在获得的四个子空间中分别进行基于PCA方法的统计建模、在线监测以及基于贡献图 方法的故障诊断。该方法较好地解决了具有多批次和多模态特性的卷烟制叶丝过程监测和 诊断结果可靠性、准确性不高的问题。
[0007] 本发明所采用的具体技术方案如下：
[0008] 基于相对变化分析的多模态卷烟制叶丝过程在线监测与故障诊断方法，包括：
[0009] 1)针对某一叶丝产品牌号，将制叶丝过程最初运行模态作为参考模态，采集该模 态下不同生产批次的Sirox增温增湿和KLD薄板烘丝设备的运行数据。共有^个生产批 次，每个批次内具有J个测量变量和Ik个采样点，得到的数据可以表述为一个三维数据矩 阵Xr(lrxjXEir);
[0010] 2)基于平均轨迹思想将连续多个采样数据进行平滑滤波，获得有效数据矩阵 KLXJXKJ，采用属性展开方式将该有效数据矩阵转化为二维数据矩阵。对该二维矩阵 进行均值中心化和方差归一化处理，获得参考模态下的建模数据J);
[0011] 3)对建模数据laLXJ)进行PCA分解，获得主元子空间和残差子空间的负载 矩阵匕和fe，建立参考模态的PCA监测模型。离线计算监测模型的T；2、SP艮监测统计量， 以及一定置信度下的控制限6'％：2和;
[0012] 4)将制叶丝过程另一种运行模态作为备选模态，采集该模态下相同叶丝产品牌号 不同生产批次的Sirox增温增湿和KLD薄板烘丝设备的运行数据。共有Ia个生产批次， 每个批次内具有J个测量变量和Sla个采样点，得到的数据可以表述为一个三维数据矩阵 Xa(IaXJXKla);
[0013] 5)采用平均轨迹思想将连续多个采样数据进行平滑滤波，获得有效数据矩阵 l(iaxJXKla)，采用属性展开方式将该有效数据矩阵转化为二维数据矩阵。对该二维矩阵 进行均值中心化和方差归一化处理，获得参考模态下的建模数据xa (IaKlaX J);
[0014] 6)将建模数据Xa(IaKlaXJ)在匕方向上进行投影，获得参考模态的主元得分Ta。 通过定义的RatiOv衡量指标计算P^中与波动有关的部分 <，并得到与波动无关的部分
[0015] 7)分别利用if和g对建模数据Xa(IaKlaX J)进行重构，获得和歲对数 据^^( /和fa:(j分别进行PCA分解，获得相应的负载矩阵UPP 建立备选模态的两个 监测模型；
[0016] 8)将建模数据Xa(IaKlaXJ)在if方向进行投影，获得备选模态残差子空间中的波 动艮。通过定义的Ay衡量指标计算中与波动有关的部分」Ρ："，并得到与波动无关的 部分
[0017] 9)利用if对建模数据1(131(1'刀进行重构，获得；^/。对& >/进行？04分解， 获得相应的负载矩阵和最终的残差《?，建立备选模态的另外两个监测模型；
[0018] 10)离线计算备选模态下4个监测模型的f、7；/、7f、SPEf监测统计 量，根据T2指标服从F分布、SPE指标服从X2分布，计算一定置信度下的控制限
[0019] 11)在线监测时，采集和平滑滤波后获得一个有效数据，利用参考模态建模数据的 均值和标准差进行标准化处理得到\_(1XJ)，根据参考模态PCA监测模型计算：^_和 SP& _监测指标。如果两个监测指标都位于控制限以内，表明制叶丝过程处于参考模态的 正常状态，如果其中至少一个监测指标超出控制限，则需利用备选模态监测模型进行进一 步分析；
[0020]12)利用备选模态建模数据的均值和标准差进行标准化处理得到\_(1XJ)，根 据备选模态4个监测模型计算7>2_,、：ζ2_,、SPEf，nOT监测指标。如果4个监测指 标都处于相应控制限以内，表明制叶丝过程处于备选模态的正常状态，如果其中至少一个 监测指标超出控制限，则表明制叶丝过程处于异常状态；
[0021] 13)在监测指标超出控制限的监测子空间内，计算各个过程变量对超限统计量的 贡献值，其中贡献较大的变量被初步确定为造成过程和设备异常的原因变量。
[0022] 在步骤1)中，卷烟制叶丝过程由于生产策略以及运行条件的调整而存在多个运 行模态，选取其中最初运行模态作为参考模态，对该模态下某一叶丝产品牌号不同批次的 设备运行数据进行采集，形成参考模态三维数据矩阵IXJXik)。
[0023] 在步骤2)中，考虑外界随机因素的影响，卷烟制叶丝过程运行轨迹呈现出一定的 随机波动，基于平均轨迹思想采用平滑滤