CN111972693A - 烟叶打叶复烤异常工况的识别方法、装置、介质及终端 - Google Patents

Abstract

本发明提供烟叶打叶复烤异常工况的识别方法、装置、介质及终端。所述方法包括：获取在烟叶打叶复烤加工过程中预设周期内的多种在线工况数据；将所述多种在线工况数据做标准化处理，并按时间顺序记录；根据预设的数据判定规则，将经过标准化处理后的多种在线工况数据切分为多个工况时间段，以形成原始工况数据集；剔除所述原始工况数据集中的异常数据点，以形成中间工况数据集；根据预设的工况异常判定规则，将所述中间工况数据集分为正常工况数据集和异常工况数据集。本发明方案提出的烟叶打叶复烤异常工况的识别方法有利于提高成品片烟的质量，消除产品的使用安全隐患，解决打叶复烤数据链中在制品信息关联失真的问题。

Description

烟叶打叶复烤异常工况的识别方法、装置、介质及终端

技术领域

本发明涉及打叶复烤技术领域，特别是涉及烟叶打叶复烤异常工况的识别方法、装置、 介质及终端。

背景技术

在烟草产业链中，打叶复烤加工过程是衔接烟叶种植和卷烟生产的重要一环，打叶复烤 加工过程的稳定性和均匀性直接影响着卷烟产品的质量。打叶复烤加工过程中发生的如停机、 断料、流量不稳等异常工况会严重影响成品片烟的质量，且容易给产品使用埋下安全隐患。 此外，烟叶打叶复烤加工过程的异常工况还会导致打叶复烤数据链中在制品信息关联失真的 问题，不利于打叶复烤全过程的信息追溯和在制品的过程质量管控。

现阶段，关于烟叶打叶复烤异常工况自动识别的研究工作尚无报道。烟叶打叶复烤异常 工况的识别主要依靠现场操作人员的巡检。操作人员根据自身经验来判断打叶复烤加工过程 的工况异常情况并手工记录。依靠现场操作人员巡检的异常工况识别方法存在以下问题：首 先，操作人员的经验和工作状态将直接影响判断的准确性，容易发生漏检或误检；其次，打 叶复烤异常工况的相关数据及数据反馈的时效性和准确性无法保证，不利于异常工况的原因 查找和预防。因此，烟叶复烤企业急需一种自动智能的烟叶打叶复烤异常工况的识别判断技 术，从而能够在异常工况发生时稳定、准确地进行预警，在异常工况结束后快速锁定具有质 量隐患的产品，同时解决异常工况下在制品信息关联失真的问题。

因此，建立一种科学、便捷的打叶复烤异常工况自动识别方法和异常工况下打叶复烤数 据链应用方法，对于进一步提升复烤企业过程控制能力，提高卷烟企业产品配方稳定性具有 重要意义。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供烟叶打叶复烤异常工况的识别方 法、装置、介质及终端，用于解决现有技术中无法自动识别烟叶打叶复烤的异常工况的问题， 提高成品片烟的质量，消除产品的使用安全隐患，并且解决了烟叶打叶复烤异常工况导致的 打叶复烤数据链中在制品信息关联失真的问题，加强打叶复烤全过程的信息追溯和在制品的 过程质量管控。

为实现上述目的及其他相关目的，本发明的第一方面提供一种烟叶打叶复烤异常工况的 识别方法，包括：获取在烟叶打叶复烤加工过程中预设周期内的多种在线工况数据；将所述 多种在线工况数据做标准化处理，并按时间顺序记录；根据预设的数据判定规则，将经过标 准化处理后的多种在线工况数据切分为多个工况时间段，以形成原始工况数据集；剔除所述 原始工况数据集中的异常数据点，以形成中间工况数据集；根据预设的工况异常判定规则， 将所述中间工况数据集分为正常工况数据集和异常工况数据集。

于本发明的第一方面的一些实施例中，所述烟叶打叶复烤加工过程包括多个加工工序； 所述预设的工况异常判定规则包括：根据所述在线工况数据判定所述多个加工工序是否异常。

于本发明的第一方面的一些实施例中，所述预设的工况异常判定规则包括：根据一次滚 筒实际频率或一次润叶后水分数值判定一次润叶工序是否异常；根据二次润叶滚筒实际频率、 二次润叶后水分或二次润叶瞬时流量数值判定二次润叶工序是否异常；根据一次打叶打辊转 速或在线烟叶图像总像素数值判定叶梗分离工序是否异常；根据主网带电机频率、复烤前瞬 时流量或复烤后水分数值判定复烤工序是否异常。

于本发明的第一方面的一些实施例中，所述预设的工况异常判定规则还包括：对于一次 润叶工序，若一次润叶滚筒实际频率≥20Hz，且一次润叶后水分≥15％，则判定为正常工况； 否则，判定为异常工况；对于二次润叶工序，若二次润叶滚筒实际频率≥20Hz，且二次润叶 后水分≥15％，且二次润叶瞬时流量处于设置流量的0.9倍至1.1倍之间，则判定为正常工况； 否则，判定为异常工况；对于叶梗分离工序，若一次打叶打辊转速≥400转/分钟，且在线烟 叶图像总像素≥3×10⁷px，则判定为正常工况；否则，判定为异常工况；对于复烤工序，若 主网带电机频率≥20Hz，且烤前瞬时流量≥2000公斤/小时，且复烤后水分≥10％，则判定为 正常工况；否则，判定为异常工况。

于本发明的第一方面的一些实施例中，在根据预设的工况异常判定规则，将所述中间工 况数据集分为正常工况数据集和异常工况数据集后，所述方法还包括：根据预设的异常工况 类型判定原则，将所述异常工况数据集分为多个异常工况数据子集；所述异常工况数据子集 包括停机异常工况数据子集、断料异常工况数据子集和流量不稳异常工况数据子集。

于本发明的第一方面的一些实施例中，所述异常数据点包括工况持续时间小于或等于阈 值的数据点。

于本发明的第一方面的一些实施例中，在根据预设的工况异常判定规则，将所述中间工 况数据集分为正常工况数据集和异常工况数据集后，所述方法还包括：基于所述正常工况数 据集，建立烟叶打叶复烤加工过程数据链和工况数据的第一对应关系谱系；基于所述第一对 应关系谱系，将预设的物料信息和工况数据进行数据关联；根据关联后的工况数据与正常工 况数据集以及与异常工况数据集之间的隶属关系，对所述第一对应关系谱系进行时间修正； 在将烟叶打叶复烤的全部加工工序关联并修正后，形成烟叶打叶复烤加工过程数据链和工况 数据的第二对应关系谱系。

为实现上述目的及其他相关目的，本发明的第二方面提供一种烟叶打叶复烤异常工况的 识别装置，其特征在于，包括：数据获取模块，获取在烟叶打叶复烤加工过程中预设周期内 的多种在线工况数据；数据处理模块，将所述多种在线工况数据做标准化处理，并按时间顺 序记录；数据切分模块，根据预设的数据判定规则，将经过标准化处理后的多种在线工况数 据切分为多个工况时间段，以形成原始工况数据集；数据剔除模块，剔除所述原始工况数据 集中的异常数据点，以形成中间工况数据集；异常判定模块，根据预设的工况异常判定规则， 将所述中间工况数据集分为正常工况数据集和异常工况数据集。

为实现上述目的及其他相关目的，本发明的第三方面提供一种计算机可读存储介质，其 上存储有计算机程序，所述计算机程序被处理器执行时实现所述烟叶打叶复烤异常工况的识 别方法。

为实现上述目的及其他相关目的，本发明的第四方面提供一种电子终端，包括：处理器 及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机 程序，以使所述终端执行所述烟叶打叶复烤异常工况的识别方法。

如上所述，本发明提供的烟叶打叶复烤异常工况的识别方法、装置、介质及终端，具有 以下有益效果：能够快速从预设周期内的在线数据中分离出发生异常工况的时间段，为打叶 复烤异常工况的自动识别和判断提供了有效的实施方案，提高成品片烟的质量，消除产品的 使用安全隐患；在打叶复烤异常工况自动识别的基础上，解决了烟叶打叶复烤异常工况导致 的打叶复烤数据链中在制品信息关联失真的问题，提高了异常工况下在制品信息关联的准确 性，实现了物料历史加工经历的直观展示，加强打叶复烤全过程的信息追溯和在制品的过程 质量管控，提高了复烤企业的生产过程管控水平。

附图说明

图1显示为本发明一实施例的烟叶打叶复烤异常工况的识别方法流程示意图。

图2A显示为本发明一实施例的烟叶打叶复烤加工过程中一次润叶工序的异常工况发生 次数分布示意图。

图2B显示为本发明一实施例的烟叶打叶复烤加工过程中一次润叶工序的异常工况持续 时间分布示意图。

图3A显示为本发明一实施例的烟叶打叶复烤加工过程中二次润叶工序的异常工况发生 次数分布示意图。

图3B显示为本发明一实施例的烟叶打叶复烤加工过程中二次润叶工序的异常工况持续 时间分布示意图。

图4A显示为本发明一实施例的烟叶打叶复烤加工过程中叶梗分离工序的异常工况发生 次数分布示意图。

图4B显示为本发明一实施例的烟叶打叶复烤加工过程中叶梗分离工序的异常工况持续 时间分布示意图。

图5A显示为本发明一实施例的烟叶打叶复烤异常加工过程中复烤工序的异常工况发生 次数分布示意图。

图5B显示为本发明一实施例的烟叶打叶复烤异常加工过程中复烤工序的异常工况持续 时间分布示意图。

图6显示为本发明一实施例中烟叶打叶复烤异常工况识别方法的数据链应用流程示意图。

图7显示为本发明一实施例的第一对应关系谱系示意图。

图8显示为本发明一实施例的第二对应关系谱系示意图。

图9显示为本发明一实施例的烟叶打叶复烤异常工况的识别装置结构示意图。

图10显示为本发明一实施例的电子终端的结构示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露 的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加 以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精 神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征 可以相互组合。

需要说明的是，在下述描述中，参考附图，附图描述了本发明的若干实施例。应当理解， 还可使用其他实施例，并且可以在不背离本发明的精神和范围的情况下进行机械组成、结构、 电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本发明的实施例的 范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并 非旨在限制本发明。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元 件或特征与另一元件或特征的关系。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固 定”、“固持”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一 体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接 相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理 解上述术语在本发明中的具体含义。

再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述 的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、 元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或” 被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C” 意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功 能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对 本发明实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以 解释本发明，并不用于限定发明。

实施例一

图1所示为本发明一实施例的烟叶打叶复烤异常工况的识别方法流程示意图，具体步骤 包括：

步骤S11：获取在烟叶打叶复烤加工过程中预设周期内的多种在线工况数据。本实施例 较佳实施方式中，所述烟叶打叶复烤加工过程包括多个加工工序。所述多个加工工序包括一 次润叶工序、二次润叶工序、梗叶分离工序和复烤工序。优选的，所述在线工况数据包括： 流量、滚筒频率、烟叶水分、打叶打辊转速、烟叶图像面积和复烤主网带电机频率等。所述 流量包括二次润叶瞬时流量和烤前瞬时流量。其中，流量包括二润流量和烤前流量；滚筒频 率包括一次润叶滚筒频率和二次润叶滚筒频率；烟叶水分包括一次润叶后水分、二次润叶后 水分和复烤后水分。优选的，所述预设周期内的多种在线工况数据中，烟叶图像面积的采集 周期为15分钟，其余在线工况数据的采集周期为6秒，按照实验数据或者经验所得的较优值。

步骤S12：将所述多种在线工况数据做标准化处理，并按时间顺序记录。本实施例较佳 实施方式。所述标准化处理包括：无量纲化处理，格式统一化处理(具体例如：按照统一的 格式记录数据隶属的工序、采集时刻、参数名称、数值和单位等)，本实施例不作限定。

步骤S13：根据预设的数据判定规则，将经过标准化处理后的多种在线工况数据切分为 多个工况时间段，以形成原始工况数据集R₀。本实施例较佳的实施方式中，所述原始工况数 据集R₀包含以下信息：工况时间段的起始时刻T_开始，终止时刻T_终止和工况的持续时间T，其 中T＝T_开始-T_终止。

步骤S14：剔除所述原始工况数据集中的异常数据点，以形成中间工况数据集R。本实 施例较佳实施方式中，所述异常数据点包括工况持续时间小于或等于阈值的数据点。优选的， 所述阈值可以设定为12秒，按照实验数据或者经验所得的较优阈值。

步骤S15：根据预设的工况异常判定规则，将所述中间工况数据集R分为正常工况数据 集和异常工况数据集。

优选的，所述预设的工况异常判定规则包括：所述烟叶打叶复烤加工过程包括多个加工 工序；根据所述在线工况数据判定所述多个加工工序是否异常。本实施例较佳实施方式中， 所述预设的工况异常判定规则包括：根据一次滚筒实际频率或一次润叶后水分数值判定一次 润叶工序是否异常；根据二次润叶滚筒实际频率、二次润叶后水分或二次润叶瞬时流量数值 判定二次润叶工序是否异常；根据一次打叶打辊转速或在线烟叶图像总像素数值判定叶梗分 离工序是否异常；根据主网带电机频率、复烤前瞬时流量或复烤后水分数值判定复烤工序是 否异常。

本实施例较佳实施方式中，所述预设的工况异常判定规则还包括：对于一次润叶工序， 若一次润叶滚筒实际频率≥20Hz，且一次润叶后水分≥15％，则判定为正常工况；若一次润 叶滚筒实际频率＜20Hz或一次润叶后水分＜15％，则判定为异常工况；对于二次润叶工序， 若二次润叶滚筒实际频率≥20Hz，且二次润叶后水分≥15％，且二次润叶瞬时流量处于设置 流量的0.9倍至1.1倍之间，则判定为正常工况；若二次润叶滚筒实际频率＜20Hz，或二次 润叶后水分＜15％，或二次润叶瞬时流量小于设置流量的0.9倍，或二次润叶瞬时流量大于设 置流量的1.1倍，则判定为异常工况；对于叶梗分离工序，若一次打叶打辊转速≥400转/分 钟，且在线烟叶图像总像素≥3×10⁷px，则判定为正常工况；若一次打叶打辊转速＜400转/ 分钟或在线烟叶图像总像素＜3×10⁷px，则判定为异常工况；对于复烤工序，若主网带电机 频率≥20Hz，且烤前瞬时流量≥2000公斤/小时，且复烤后水分≥10％，则判定为正常工况； 若主网带电机频率＜20Hz，或烤前瞬时流量＜2000公斤/小时，或复烤后水分＜10％，则判 定为异常工况。

本实施例较佳实施方式中，在根据预设的工况异常判定规则，将所述中间工况数据集分 为正常工况数据集和异常工况数据集后，所述方法还包括：根据预设的异常工况类型判定原 则，将所述异常工况数据集分为多个异常工况数据子集。优选的，所述异常工况数据子集包 括停机异常工况数据子集、断料异常工况数据子集和流量不稳异常工况数据子集。

本实施例以HH打叶复烤厂2018年10月1日至2019年3月1日的A～J配方模块的在线工况数据为例，获得各个配方模块一次润叶工序、二次润叶工序、叶梗分离工序和复烤工序的异常工况次数和持续时间分布示意图，如图2～图5所示。结果表明，本发明方案可以有效识别烟叶打叶复烤加工过程多个工序的异常工况，包括异常工况的类型、次数和持续时间。

综上所述，本实施例方案能够快速从预设周期内的在线工况数据中分离出发生异常工况 的时间段，为打叶复烤异常工况的自动识别和判断提供了有效的实施方案，提高成品片烟的 质量，消除产品的使用安全隐患。

实施例二

本发明实施例为基于烟叶打叶复烤异常工况识别的数据链应用方法，包括如下步骤：

步骤S21：基于正常工况数据集，建立烟叶打叶复烤加工过程数据链和工况数据的第一 对应关系谱系。优选的，采用时间轴法建立所述第一对应关系谱系，所述时间轴法依据时间 顺序形成相对完整的第一对应关系谱系，具有系统化、完整化和精确化的优点。应理解的是， 本实施例中涉及的所述正常工况数据集是指通过上文实施例一种烟叶打叶复烤异常工况的识 别方法得到的正常工况数据集，由于该数据集的生成过程已于实施例一中进行了详述，故本 实施例不再赘述。

步骤S22：基于所述第一对应关系谱系，将预设的物料信息和工况数据进行数据关联。 可选的，所述数据关联的方式包括：正向数据关联、反向数据关联和纵向数据关联。所述预 设的物料信息包括：原烟的投料信息、成品片烟信息和工序过程信息；原烟的投料信息又包 括投料批次号、投料批次号范围、投料时间段、投料烟架射频识别(RFID，RadioFrequency Identification)号、投料烟架RFID号范围、投料烟架号、投料烟架号范围、配方预混柜流水 号、配方预混柜流水号范围等；成品片烟信息又包括：成品烟箱号、成品烟箱号范围、成品 烟箱RFID、成品烟箱RFID范围、成品烟箱下线时刻和成品烟箱下线时间范围；工序过程信 息又包括：物料对应的各工序加工的开始时刻、结束时刻和持续时间。

步骤S23：根据关联后的工况数据与正常工况数据集以及与异常工况数据集之间的隶属 关系，对所述第一对应关系谱系进行时间修正。优选的，当按照第一对应关系谱系关联至某 次加工工序，若该加工工序处于正常工况，则继续按照第一对应关系谱系进行数据关联；若 该加工工序处于异常工况，则根据异常工况类型进行时间修正。可选的，停机异常工况的时 间修正ΔT_修正等于T_停机，T_停机表示某次停机工况的持续时间；断料异常工况的时间修正ΔT_修正 等于T_断料，其中T_断料表示某次断料工况的持续时间；流量不稳工况时间修正

其中

表示正常工况数据集中流量的平均值，

表示某次流量不 稳工况下的流量平均值，T_流量不稳表示某次流量不稳工况的持续时间。

步骤S24：在将烟叶打叶复烤的全部加工工序关联并修正后，形成烟叶打叶复烤加工过 程数据链和工况数据的第二对应关系谱系。也即，第二对应关系谱系实际上是所述第一对应 关系谱系经过时间修正后得到的谱系。所述全部加工工序包括一次润叶工序、二次润叶工序、 叶梗分离工序和复烤工序。

图6所示为本发明一实施例中烟叶打叶复烤异常工况识别方法的数据链应用流程示意图。 其中，原烟被送入配方柜后，依次经过一次润叶工序、二次润叶工序和叶梗分离工序，分别 得到一润后烟叶、二润后烟叶和打叶后烟叶，打叶后烟叶进入烤前柜，再经过复烤工序，得 到复烤后烟叶，对其打包处理，最终得到成品片烟。此过程中，工况分析管理系统对各个工 序中的在线工况数据进行异常工况判定，并对烟叶打叶复烤加工过程数据链和工况数据的对 应关系谱图进行时间修正。

本发明实施例以HH打叶复烤厂的B配方模块烟叶原料的打叶复烤加工过程为例，步骤 如下所述：

步骤S31：基于该模块的正常工况集合，获取正常工况下烟叶打叶复烤数据链和工况数 据的第一对应关系谱系，如图7所示，烟叶出配方柜结束至一次润叶开始的时间间隔ΔT₁＝168±6s，一次润叶开始至一次润叶结束的时间间隔ΔT₂＝300±6s，一次润叶结束至二 次润叶开始的时间间隔ΔT₃＝312±6s，二次润叶开始至二次润叶结束的时间间隔 ΔT₄＝318±6s，二次润叶结束至叶梗分离开始的时间间隔ΔT₅＝96±6s，叶梗分离开始至叶梗分离结束的时间间隔ΔT₆＝60±6s，叶梗分离结束至进烤前柜的时间间隔ΔT₇＝162±6s和 进烤前柜至复烤开始的时间间隔ΔT₈＝5400±30s，复烤开始至复烤结束的时间间隔ΔT₉＝330±6s，复烤结束至打包开始的时间间隔ΔT₁₀＝180±6s，打包开始至打包结束的时间 间隔ΔT₁₁＝114±10s。其中，叶梗分离结束后可选择进烤前柜模式和不进烤前柜模式，当选 择不进烤前柜模式时不需考虑ΔT₇和ΔT₈。

步骤S32：根据配方柜流水号对各配方柜按照第一对应关系谱系进行数据关联，其中4 号配方柜开始投料时间为6:32，结束投料时间为7:18，关联到复烤工序时发现所对应的工况 数据属于异常工况数据集，复烤工序处于停机异常工况(复烤机第二间烤房排气管漏汽导致 停机修理，复烤工序停机工况持续时间为135分钟)，根据复烤停机异常工况进行时间修正 ΔT_修正＝T_停机＝8100s，因此复烤开始至复烤结束的时间间隔ΔT_f＝8430±6s，由此得到该配 方预混柜所投物料的第二对应关系谱系，如图8所示。

综上所述，本实施例方案根据识别的异常工况修正生产过程中在制品物料信息与质量信 息的关联关系，提高了异常工况下在制品信息关联的准确性，实现了物料历史加工经历的直 观展示。与传统的现场操作人员人工进行异常工况识别的方法相比，本实施例方案可有效避 免漏检或误检，保障打叶复烤在线工况数据的时效性和准确性，便于异常工况原因的查找和 预防。

实施例三

图9所示为本发明一实施例的烟叶打叶复烤异常工况的识别装置结构示意图，包括：数 据获取模块91，获取在烟叶打叶复烤加工过程中预设周期内的多种在线工况数据；数据处理 模块92，将所述多种在线工况数据做标准化处理，并按时间顺序记录；数据切分模块93，根 据预设的数据判定规则，将经过标准化处理后的多种在线工况数据切分为多个工况时间段， 以形成原始工况数据集；数据剔除模块94，剔除所述原始工况数据集中的异常数据点，以形 成中间工况数据集；异常判定模块95，根据预设的工况异常判定规则，将所述中间工况数据 集分为正常工况数据集和异常工况数据集。

需要说明的是，本实施例提供的模块与上文中提供的方法，实施方式类似，故不再赘述。 另外需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实 现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软 件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理 元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，数据获取模块可以为单独 设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的 形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上数据获取模 块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独 立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中， 上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形 式的指令完成。

例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个 或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或一个或多个微处 理器(digital signal processor，简称DSP)，或一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代 码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit， 简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统 (system-on-a-chip，简称SOC)的形式实现。

实施例四

本实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处 理器执行时实现所述水环境仿真中网格的生成方法。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算 机程序相关的硬件来完成。前述的计算机程序可以存储于计算机可读存储介质中。该程序在 执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或 者光盘等各种可以存储程序代码的介质。

实施例五

图10所示为本发明一实施例提供的一种电子终端的结构示意图。本实例提供的电子终端， 包括：处理器101、存储器102、通信器103；存储器102通过系统总线与处理器101和通信 器103连接并完成相互间的通信，存储器102用于存储计算机程序，通信器103用于和其他 设备进行通信，处理器101用于运行计算机程序，使电子终端执行如上打叶复烤异常工况的 识别方法的各个步骤。

上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称 PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该 系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示， 但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备 (例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁 盘存储器。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、 网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现 场可编程门阵列(Field－Programmable GateArray，简称FPGA)或者其他可编程逻辑器件、分 立门或者晶体管逻辑器件、分立硬件组件。

综上所述，本发明提供烟叶打叶复烤异常工况的识别方法、装置、介质及终端，解决了 现有技术中无法自动识别烟叶打叶复烤的异常工况的问题，从而提高成品片烟的质量，消除 产品的使用安全隐患。并且，本发明解决了烟叶打叶复烤异常工况导致的打叶复烤数据链中 在制品信息关联失真的问题，加强打叶复烤全过程的信息追溯和在制品的过程质量管控。所 以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技 术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡 所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等 效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种烟叶打叶复烤异常工况的识别方法，其特征在于，包括：

获取在烟叶打叶复烤加工过程中预设周期内的多种在线工况数据；

将所述多种在线工况数据做标准化处理，并按时间顺序记录；

根据预设的数据判定规则，将经过标准化处理后的多种在线工况数据切分为多个工况时间段，以形成原始工况数据集；

剔除所述原始工况数据集中的异常数据点，以形成中间工况数据集；

根据预设的工况异常判定规则，将所述中间工况数据集分为正常工况数据集和异常工况数据集。

2.根据权利要求1所述的方法，其特征在于，所述烟叶打叶复烤加工过程包括多个加工工序；所述预设的工况异常判定规则包括：根据所述在线工况数据判定所述多个加工工序是否异常。

3.根据权利要求2所述的方法，其特征在于，所述预设的工况异常判定规则包括：

根据一次滚筒实际频率或一次润叶后水分数值判定一次润叶工序是否异常；

根据二次润叶滚筒实际频率、二次润叶后水分或二次润叶瞬时流量数值判定二次润叶工序是否异常；

根据一次打叶打辊转速或在线烟叶图像总像素数值判定叶梗分离工序是否异常；

根据主网带电机频率、复烤前瞬时流量或复烤后水分数值判定复烤工序是否异常。

4.根据权利要求3所述的方法，其特征在于，所述预设的工况异常判定规则还包括：

对于一次润叶工序，若一次润叶滚筒实际频率≥20Hz，且一次润叶后水分≥15％，则判定为正常工况；否则，判定为异常工况；

对于二次润叶工序，若二次润叶滚筒实际频率≥20Hz，且二次润叶后水分≥15％，且二次润叶瞬时流量处于设置流量的0.9倍至1.1倍之间，则判定为正常工况；否则，判定为异常工况；

对于叶梗分离工序，若一次打叶打辊转速≥400转/分钟，且在线烟叶图像总像素≥3×10⁷px，则判定为正常工况；否则，判定为异常工况；

对于复烤工序，若主网带电机频率≥20Hz，且烤前瞬时流量≥2000公斤/小时，且复烤后水分≥10％，则判定为正常工况；否则，判定为异常工况。

5.根据权利要求1所述的方法，其特征在于，在根据预设的工况异常判定规则，将所述中间工况数据集分为正常工况数据集和异常工况数据集后，所述方法还包括：

根据预设的异常工况类型判定原则，将所述异常工况数据集分为多个异常工况数据子集；所述异常工况数据子集包括停机异常工况数据子集、断料异常工况数据子集和流量不稳异常工况数据子集。

6.根据权利要求1所述的方法，其特征在于，所述异常数据点包括工况持续时间小于或等于阈值的数据点。

7.根据权利要求1所述的方法，其特征在于，在根据预设的工况异常判定规则，将所述中间工况数据集分为正常工况数据集和异常工况数据集后，所述方法还包括：

基于所述正常工况数据集，建立烟叶打叶复烤加工过程数据链和工况数据的第一对应关系谱系；

基于所述第一对应关系谱系，将预设的物料信息和工况数据进行数据关联；

根据关联后的工况数据与正常工况数据集以及与异常工况数据集之间的隶属关系，对所述第一对应关系谱系进行时间修正；

在将烟叶打叶复烤的全部加工工序关联并修正后，形成烟叶打叶复烤加工过程数据链和工况数据的第二对应关系谱系。

8.一种烟叶打叶复烤异常工况的识别装置，其特征在于，包括：

数据获取模块，获取在烟叶打叶复烤加工过程中预设周期内的多种在线工况数据；

数据处理模块，将所述多种在线工况数据做标准化处理，并按时间顺序记录；

数据切分模块，根据预设的数据判定规则，将经过标准化处理后的多种在线工况数据切分为多个工况时间段，以形成原始工况数据集；

数据剔除模块，剔除所述原始工况数据集中的异常数据点，以形成中间工况数据集；

异常判定模块，根据预设的工况异常判定规则，将所述中间工况数据集分为正常工况数据集和异常工况数据集。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7中任一项所述烟叶打叶复烤异常工况的识别方法。

10.一种电子终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行权利要求1至7中任一项所述烟叶打叶复烤异常工况的识别方法。

Images