基于大数据技术加料机预警系统的研制

发布时间：2022-01-22 12:57

　　通过润叶加料工序加料系统故障分析发现,加料系统出现故障前,由于故障表征不明显,具有瞬间跳变性,没有被相关人员捕捉到,导致设备运行状态变差,最终造成加料系统故障。运用大数据对原有加料机加料模块的设备管理进行归纳和总结,从而建立预警模型,研发一套智能的设备预警系统,及时、快速地找到故障点位,实现精准预测维修。结果表明,诊断故障点位时间可缩短为20 min,大大缩短了诊断故障点位的时间,提高了车间的生产效率。 

【文章来源】：湖北农业科学. 2020,59(21)

【文章页数】：3 页

【部分图文】：

预警系统设计框架

为了确定加料流量与加料泵电机频率之间的数学方程，研究从系统随机抽取人民大会堂（硬红）、红塔山（软经典）等15个牌别的加工过程数据，并采用DPS对原始数据进行统计。由于加料流量原始数据具有牌别内数值集中、牌别间数值跳动的特点，因此对无效数据进行了无效值剔除，对各个牌别数据进行了均值化处理和相关性分析，并对加料流量和加料泵电机频率的相关性进行数学表达式转化，以确定二者的确切数学关系。通过对均值化数据进行单变量回归得到具体参数。最终数学模型为Y=0.140 7X+3.068 8。图3 单变量回归

图2 预警系统研发技术指标为了验证模型的正确性，利用上述方程对采集的原始试验数据进行了代入分析，数据包含了全部在产牌别。分析发现，阿诗玛细支的模型预测值与实际值明显偏离，其他品牌预测准确度符合预期。因此，对阿诗玛细支数据残差与红塔山（软经典）数据残差进行对照分析（图4、图5）。红塔山软经典绝对残差极值为0.9 Hz，残差波动为0.55 Hz；阿诗玛细支虽然绝对残差达到了4.45 Hz，但残差波动仅0.45 Hz；通过常数对阿诗玛细支数学模型进行修正，修正后数学模型为Y=0.140 7X+3.068 8-4.0。

【参考文献】：
期刊论文
[1]烟草商业系统大数据技术的应用[J]. 宋海松.  电子技术与软件工程. 2020(01)
[2]大数据在烟草企业精益管理中的应用探讨[J]. 杨勇.  传播力研究. 2019(18)
[3]火电厂设备智能化故障预警与诊断系统研究[J]. 沙德生,吴国民,芮小虎,何立荣,黄俊飞.  电力设备管理. 2019(05)
[4]基于改进BP神经网络的电气火灾预警系统[J]. 魏立明,杨坤,郭秀娟.  消防科学与技术. 2018(07)
[5]SJ325B型加香机混丝加香管路系统改造[J]. 韩聪才.  科技经济导刊. 2018(17)
[6]滚筒式松散回潮机存在的问题及改进对策[J]. 王玉真,梅健,李杰,周沅桢,杨晶津,华一崑,王慧.  安徽农业科学. 2016(29)
[7]智能变电站电气设备运行安全实时分析预警系统设计[J]. 田成凤,随慧斌,李新涛.  电气应用. 2013(01)
[8]新型烟草加香加料系统[J]. 李风英,高山,柳海松.  烟草科技. 2000(07)

硕士论文
[1]长沙卷烟厂数字化运营管控研究[D]. 夏孟霞.湖南大学 2015



本文编号：3602236