CN112931912B - 制丝线加料机控制执行机构诊断方法 - Google Patents
制丝线加料机控制执行机构诊断方法 Download PDFInfo
- Publication number
- CN112931912B CN112931912B CN202110110395.0A CN202110110395A CN112931912B CN 112931912 B CN112931912 B CN 112931912B CN 202110110395 A CN202110110395 A CN 202110110395A CN 112931912 B CN112931912 B CN 112931912B
- Authority
- CN
- China
- Prior art keywords
- flow
- regulating valve
- steam
- model
- opening
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
- A24B3/00—Preparing tobacco in the factory
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
- A24B3/00—Preparing tobacco in the factory
- A24B3/18—Other treatment of leaves, e.g. puffing, crimpling, cleaning
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种制丝线加料机控制执行机构诊断方法,包括对控制执行机构和控制参数之间的模型建立,根据建立的模型对控制执行机构的运行状态进行诊断。设定数据采集周期,采集设备正常运行过程中的水流量、水调节阀门开度,蒸汽流量、蒸汽调节阀门开度,料液流量、加料机泵频率数据获取样本;根据获取的数据样本,建立水流量和调节阀门开度之间的关系模型、蒸汽流量和调节阀门开度之间的关系模型、料液流量和加料机泵频率之间的关系模型;通过计算实时采集的流量数据和模型计算的理论流量数据之间的偏差程度,诊断执行机构的运行状态。本发明通过研究工艺参数与执行机构的对应关系,实现对制丝线加料机控制执行机构的实时诊断。
Description
技术领域
本发明涉及卷烟加工生产技术领域,尤其涉及卷烟制丝领域,具体为制丝线加料机控制执行机构的诊断方法。
背景技术
在目前的卷烟加工企业制丝车间加工过程中,滚筒类设备是主要加工设备,如回潮机、加料机、烘丝机等。在这些滚筒类设备控制过程中,全部涉及工艺指标的控制,每个工艺指标的控制由一个或几个控制执行机构控制。
加料机是叶片加工过程中主要的加工设备,加料机控制过程中,涉及到多个工艺参数,而各个工艺参数由一定的执行机构控制。这些执行机构的性能好坏直接影响参数过程控制的稳定性、进而影响工艺参数控制的稳定性。工艺参数控制的好坏直接影响产品的质量,因此工艺参数的精确控制是十分重要的。但随着设备运行的磨损,执行机构的控制精度、准度也存在偏离,此时工艺参数的控制精确度也会受到影响。
但现有卷烟加工企业中,对滚筒类设备的工艺控制研究比较粗放,并没有文献报道过每种设备中最重要的工艺参数分别为哪几种,也没有报道每种工艺参数具体由哪种或哪几种控制执行机构来控制,更没有报道过执行机构与工艺指标之间的数学关系。
因为没有足够的理论指导和精确的研究数据,所以在卷烟加工过程中经常出现设备运行磨损,执行机构控制精度、准度偏离,致使工艺参数的控制精度受到影响,导致大批产品质量下降,给企业造成损失的现象。
本发明建立了水流量、蒸汽流量、料液流量与控制执行机构水调节阀、蒸汽调节阀、加料泵频率之间的模型,通过该模型对执行机构进行诊断。如果执行机构和工艺参数之间的关系超出了模型的预诊断计算结果,则诊断该执行机构处于不正常工作状态,给予设备控制异常预警。
发明内容
本发明的目的在于,筛选出卷烟加工设备中重要设备制丝线加料机的重要工艺参数,获得控制这些工艺参数的各自的执行机构,并通过研究工艺参数与执行机构的对应关系,提供一种制丝线加料机控制执行机构诊断方法。
在加料机控制过程中,一般是多个执行机构对应控制多个工艺参数标准,工艺参数控制的稳定性取决于对执行机构控制的精确度。控制模型的建立依赖于执行机构的过程变量X和工艺参数的响应变量Y。本发明在研究中发现在加料机控制过程中,涉及到水分、温度、加料精度等工艺参数,这些工艺参数是由水流量、蒸汽流量、料液流量进行控制的,而控制这些参数执行机构分别是水调节阀、蒸汽调节阀、加料泵。
本发明的具体方案如下:
一种制丝线加料机控制执行机构诊断方法,
步骤1、执行机构与关键参数之间控制模型的建立:1)设定数据采集周期为10秒,按照采集周期,采集设备正常运行过程中的水流量、水调节阀门开度,蒸汽流量、蒸汽调节阀门开度,料液流量、加料机泵频率数据获取样本;2)根据获取的数据样本,通过自学习、参数优化建立水流量和调节阀门开度之间的关系模型、蒸汽流量和调节阀门开度之间的关系模型、料液流量和加料机泵频率之间的关系模型;
步骤2、设备诊断:根据步骤1建立的控制模型,通过计算实时采集的水流量、蒸汽流量、料液流量和模型计算的理论水流量、蒸汽流量、料液流量数据之间的偏差程度,诊断执行机构的运行状态,当偏差程度超过5%,提前预警并提示维修人员对设备进行维护保养。
进一步的优化方案:
蒸汽流量与蒸汽调节阀开度之间的关系模型为式(1):
Y=0.000008016X4-0.0006853X3+0.0425X2+0.05729X-3.777 (1)
式中:X表示蒸汽调节阀开度(%),Y表示蒸汽流量(Kg/h);
水流量与水调节阀开度之间的关系模型为式(2):
Y=0.0000001022X5-0.00001916X4+0.001431X3+0.032X2+0.2164X-0.1727 (2)
式中:X表示水调节阀开度(%),Y表示水流量(Kg/h);
料液流量与加料机泵频率的关系模型为式(3):
Y=-0.005142X2+3.332X-3.177 (3)
式中:X表示加料机频率(Hz),Y表示料液流量(Kg/h)。
本发明的有益效果:
本发明筛选出了卷烟加工设备中重要设备制丝线加料机的重要工艺参数,获得控制这些工艺参数的各自的执行机构,并通过研究工艺参数与执行机构的对应关系,提供了制丝线加料机控制执行机构诊断方法。该方法可以实时、准确的检测制丝线加料机的重要工艺参数,实时、准确的了解设备的运行情况及老化、磨损等境况,达到方便快捷的进行设备诊断的目的,减少不合格产品率,保证设备的安全运行,节省成本和人力。
附图说明
图1是本发明一种制丝线加料机控制执行机构诊断方法在实施例中的流程图。
图2为加料机蒸汽散点图。
图3为加料机加水散点图。
图4加水幂次方图。
图5加水分析曲线图。
具体实施方式
实施例1
如图1所示,一种制丝线加料机控制执行机构诊断方法,整体技术方案包括以下步骤:
步骤1、执行机构与关键参数之间控制模型的建立:1)设定数据采集周期为10秒,按照采集周期,采集设备正常运行过程中的水流量、水调节阀门开度,蒸汽流量、蒸汽调节阀门开度,料液流量、加料机泵频率数据获取样本;2)根据获取的数据样本,通过自学习、参数优化建立水流量和调节阀门开度之间的关系模型、蒸汽流量和调节阀门开度之间的关系模型、料液流量和加料机泵频率之间的关系模型;
步骤2、设备诊断:根据步骤1建立的控制模型,通过计算实时采集的水流量、蒸汽流量、料液流量和模型计算的理论水流量、蒸汽流量、料液流量数据之间的偏差程度,诊断执行机构的运行状态,当偏差程度超过5%,提前预警并提示维修人员对设备进行维护保养。
本实施例中的具体操作为:
首先配置数据采集驱动和PLC的通讯,数据采集周期为10秒,获取执行机构的参数值和对应此时工艺参数变量的值,获取样本数据。
1、获取样本
2、数据相关性分析
通过获取的样本数据,可以将数据先进行散点图(图2、图3)分析,然后通过散点图得出数据之间是存在一定线性回归相关性的。通过深度学习将输入输出数据进行相关性分析,确定目标值和自变量,
Y=W1*X+W2*X2+…+Wm*Xm
按照多阶层方程式进行训练,生成多项式特征集进行多项式拟合,测试集比较,交叉验证,降低损失,反复迭代数据计算,按照损失量最新进行推优线性相关参数W及阶层数m。
3、模型建立
通过数据分析确定水流量和水调节阀门、蒸汽流量和蒸汽调节阀门、料液流量和加料泵频率之间存在线性相关性,采用回归拟合方法,建立方程式:
Y=W1*X+W2*X2+…+Wm*Xm
其中
4、模型优化
通过模型和数据样本,通过测试样本数据可以看出,数据之间是存在一定线性回归相关性。通过数据分析得到相关分析数据图形,R2_score在等于1的时候,同时RMSE为最小值的时候,幂次方为最优幂次方。线性相关参数有如图4。
通过上述图形可以得出最优幂次方,确定决定系数R2_score=1时,RMSE最小获得相关线性方程式(当RMSE最小,同时R2_score接近或者等于1时,线性回归模型最好)。以下是一到五阶分析曲线图如图5。
通过以上数据分析,最终得出加料机控制模型方程式:
蒸汽流量与蒸汽调节阀方程式:
Y=0.000008016X4-0.0006853X3+0.0425X2+0.05729X-3.777 (1)
水流量与水调节阀方程式:
Y=0.0000001022X5-0.00001916X4+0.001431X3+0.032X2+0.2164X-0.1727 (2)
料液流量与加料机泵频率方程式:
Y=-0.005142X2+3.332X-3.177 (3)
5、执行机构诊断
上述控制模型基本反映了水流量和水调节阀门、蒸汽流量和蒸汽调节阀门、料液流量和加料泵频率之间的关系,在实际应用过程中,通过计算实时采集的工艺指标变量Y0和回归模型计算的工艺指标变量Y之间的偏差程度,就可以衡量当前执行机构的响应准确度。
当偏差δ大于5%时,及时提前预警并提示维修人员对设备进行检查、维护、保养。
6、系统功能验证
回归模型基本反映了实际执行机构和工艺指标变量的关系,在实际应用过程中,通过计算实时采集的工艺指标变量Y0和回归模型计算的工艺指标变量Y之间的偏差程度,就可以衡量当前执行机构的响应准确度。
当偏差δ大于某个设定值的时候,系统及时提前预警并提示维修人员对设备进行检查、维护、保养。
通过实际采集PLC数据得到回潮机加湿蒸汽数据,如表1如下:
表1-回潮机加湿蒸汽数据表
表2-加料机加水数据表
表3-加料机料液流量数据表
有上表可以看出,实际生产值Y0与计算值Y之间通过计算得到δ,δ在一定范围之类是合理的。在加料机加水和加料机料液流量中,δ会存在一定误差。在实际生产过程中,这种误差非常少,因为在生产中不会将加料机加水开度和加料机泵频率开的比较小,所以此方法在实际应用中可行。将δ预警值设定到5%是优选的结果,能准确判断机器的运行情况的分解线。
Claims (1)
1.一种制丝线加料机控制执行机构诊断方法,其特征在于,
步骤1、执行机构与关键参数之间控制模型的建立:1)设定数据采集周期为10秒,按照采集周期,采集设备正常运行过程中的水流量、水调节阀门开度,蒸汽流量、蒸汽调节阀门开度,料液流量、加料机泵频率数据获取样本;2)根据获取的数据样本,建立水流量和调节阀门开度之间的关系模型、蒸汽流量和调节阀门开度之间的关系模型、料液流量和加料机泵频率之间的关系模型;
步骤2、设备诊断:根据步骤1建立的控制模型,通过计算实时采集的水流量、蒸汽流量、料液流量和模型计算的理论水流量、蒸汽流量、料液流量数据之间的偏差程度,诊断执行机构的运行状态,当偏差程度超过5%,提前预警并提示维修人员对设备进行维护保养;蒸汽流量与蒸汽调节阀开度之间的关系模型为式(1):
Y=0.000008016X4-0.0006853X3+0.0425X2+0.05729X-3.777 (1)
式中:X表示蒸汽调节阀开度,%;Y表示蒸汽流量,Kg/h;
水流量与水调节阀开度之间的关系模型为式(2):
Y=0.0000001022X5-0.00001916X4+0.001431X3+0.032X2+0.2164X-0.1727 (2)
式中:X表示水调节阀开度,%;Y表示水流量,Kg/h;
料液流量与加料机泵频率的关系模型为式(3):
Y=-0.005142X2+3.332X-3.177 (3)
式中:X表示加料机频率,Hz;Y表示料液流量,Kg/h。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110110395.0A CN112931912B (zh) | 2021-01-27 | 2021-01-27 | 制丝线加料机控制执行机构诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110110395.0A CN112931912B (zh) | 2021-01-27 | 2021-01-27 | 制丝线加料机控制执行机构诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112931912A CN112931912A (zh) | 2021-06-11 |
CN112931912B true CN112931912B (zh) | 2022-05-10 |
Family
ID=76237734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110110395.0A Active CN112931912B (zh) | 2021-01-27 | 2021-01-27 | 制丝线加料机控制执行机构诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112931912B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1209929A (en) * | 1967-10-27 | 1970-10-21 | Harry Ward | Rotary drying apparatus |
CN103584271B (zh) * | 2013-11-21 | 2015-05-27 | 山东中烟工业有限责任公司 | 一种预防叶片加料机加料异常的方法 |
CN209343190U (zh) * | 2019-02-25 | 2019-09-03 | 红塔辽宁烟草有限责任公司营口卷烟厂 | 一种加料机加料故障的预警监测装置 |
CN110946306B (zh) * | 2019-12-12 | 2022-09-23 | 河南中烟工业有限责任公司 | 一种基于滚筒式叶丝回潮的质量控制方法及系统 |
CN111077860B (zh) * | 2019-12-12 | 2022-10-25 | 河南中烟工业有限责任公司 | 一种烟片加料的质量控制方法及系统 |
-
2021
- 2021-01-27 CN CN202110110395.0A patent/CN112931912B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112931912A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2722720B1 (en) | Estimation of process control parameters over predefined travel segments | |
US7912676B2 (en) | Method and system for detecting abnormal operation in a process plant | |
US8032341B2 (en) | Modeling a process using a composite model comprising a plurality of regression models | |
US7827006B2 (en) | Heat exchanger fouling detection | |
CN104360677B (zh) | 一种卷烟加工过程质量评价与诊断方法 | |
CN109947088A (zh) | 基于模型全生命周期管理的设备故障预警系统 | |
US20140228979A1 (en) | Process model indentification in a process control system | |
US8145358B2 (en) | Method and system for detecting abnormal operation of a level regulatory control loop | |
CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
CA2567139A1 (en) | System and method for detecting an abnormal situation associated with a process gain of a control loop | |
CN109827004B (zh) | 对调节阀特性分析的方法及装置 | |
CN106054834A (zh) | 一种基于松散回潮的烟片质量控制方法及系统 | |
EP3279756A1 (de) | Diagnoseeinrichtung und verfahren zur überwachung des betriebs einer technischen anlage | |
CN110673515A (zh) | 对工业设施的监控 | |
CN114403487B (zh) | 一种松散回潮的加水控制方法 | |
CN112931912B (zh) | 制丝线加料机控制执行机构诊断方法 | |
CN116300690B (zh) | 一种基于边缘计算的摇臂钻床故障监控预警系统 | |
CN113539382B (zh) | 一种亚磷酸二甲酯关键工艺参数的预警定位方法及系统 | |
CN117111567B (zh) | 一种洗护组合物中季铵盐生产工艺控制方法及装置 | |
CN117606578A (zh) | 一种智能的气体流量监测方法 | |
CN109001989B (zh) | 基于智能学习算法的机器控制方法 | |
CN114924543A (zh) | 一种调节阀的故障诊断与预测方法及装置 | |
CN116664018B (zh) | 一种发电厂设备运行状态评价平台 | |
CN117364231B (zh) | 基于多参数协同控制的硅棒含氧量调控方法及系统 | |
CN114943175A (zh) | 一种电厂设备测点健康基准值的预测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |