[发明专利]一种光子缺包检测设备运行状态的智能识别方法

说明书

本发明涉及一种卷烟生产过程中光子缺包检测设备运行状态的智能识别方法。一种光子缺包检测设备运行状态的智能识别方法，该方法采集光子缺包检测设备传感器所产生的实时信号数据以及相关联的设备的运行数据，通过建立动态数学模型，利用大数据流式计算技术，智能识别光子缺包检测设备运行状态是否正常运行。

技术领域

本发明涉及一种卷烟生产过程中光子缺包检测设备运行状态的智能识别方法。

背景技术

光子缺包检测设备是卷烟生产过程中用于检测条烟产品是否存在缺包的一种设备。为了高质量生产每包卷烟，卷烟生产过程中对每条卷烟进行缺包的检测，若光子缺包检测设备运行不正常时，可能会导致条烟缺包质量事故的发生，降低企业的核心竞争力。

在实际生产过程中，主要存在两种情况导致光子缺包检测设备工作不正常，一是生产过程中光子缺包检测设备未正常上电导致其未正常工作；二是由于光子缺包检测设备长期运行后相关部件性能衰减，导致其缺包检测功能无法以正常发挥。

目前对光子缺包检测设备是否正常运行的判断，主要靠专人定期现场巡检，利用条烟样品(缺包)测试设备是否正常，由于生产现场面积大、设备多，这种人工巡检的方式，存在巡检过程繁锁、工作量大且设备出现故障时不能及时发现的问题，极易发生质量事故。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种光子缺包检测设备运行状态的智能识别方法，该方法采集光子缺包检测设备传感器所产生的实时信号数据以及相关联的设备的运行数据，通过建立动态数学模型，利用大数据流式计算技术，智能识别光子缺包检测设备运行状态是否正常运行。

为了实现上述的目的，本发明采用了以下的技术方案：

一种光子缺包检测设备运行状态的智能识别方法，该方法包括以下的步骤：

首先，系统通过与提升机设备的PLC连接，实时采集提升机设备的信号数据，提升机信号数据的采集，数据项主要包括：运行速率、产量和运行时间；采集频率为每2秒一次；

采集后的数据通过网络传输到流式计算平台，所述的流式计算平台是指采用基于HADOOP大数据生态中的流式计算技术，建立分布式计算环境高效实时或接近实时地处理大数据流，达到接近于实时的得出所需要的信息和结果；流式计算平台利用其分布式计算能力，在平台的多台服务器节点上处理对输入的数据进行计算，其计算公式为Y＝vt，其中v为提升机的运行速率，t为运行时间，通过此计算公式，随着时间推移，产量的值累加；

流式计算平台实时计算其产量增加的斜率，再对时间窗口斜率计算，若其为函数单调上升，则得出结论为提升机正常运行；

由此可得，当提升机正常工作时，光子缺包检测设备作为产品质量保障手段必须处于正常工作状态，此结论将作为后一步智能识别光子缺包检测设备是否应当开启的充分必要条件；

其次，系统通过以太网与光子缺包检测设备连接，实时采集光子缺包检测设备的信号数据，光子缺包检测设备信号数据的采集数据项主要包括：高压值(V)、电流值(*10μA)、阀值(V)、总量计数(条)、0点(V)、光电1(V)、光电2(V)、同步(V)和轴编码器(V)；采集频率为每2秒一次；

采集后的数据通过网络传输到流式计算平台，流式计算平台利用其分布式计算能力，在平台的多台服务器节点上处理对输入的数据进行计算，其计算公式为Z＝kx，其中k为光子缺包检测设备传感器信息幅度值，取为了0.45，x为传感器工作状态，取值为(0，1)，流式计算平台实时计算传入的每2秒的样本数据，通过识别其斜率大于0，则认为光子缺包检测设备的工作状态正常启用；