[发明专利]一种卷烟生产制造过程料头料尾的识别方法及系统

权利要求书

1.一种卷烟生产制造过程料头料尾的识别方法，其特征在于，包括：

实时采集卷烟生产工序中的工艺参数的样本数据；

对所述样本数据进行滤波处理，以实现数据的平滑；

对平滑后的所述样本数据进行聚类分析，以获得工艺参数的稳态数据和非稳态数据；

根据所述稳态数据和所述非稳态数据识别卷烟生产过程的料头料尾工序。

2.根据权利要求1所述的卷烟生产制造过程料头料尾的识别方法，其特征在于，所述对所述样本数据进行滤波处理，以实现数据的平滑，包括：

通过所述样本数据确定采样值和采样数；

根据所述采集值和采样数进行均值计算，并根据所述均值对所述样本数据进行均值滤波分析。

3.根据权利要求2所述的卷烟生产制造过程料头料尾的识别方法，其特征在于，所述对所述样本数据进行滤波处理，以实现数据的平滑，还包括：

如果样本数据无法进行平滑，则剔除异常的数据，并采用ButterWorth的方式进行平滑预处理。

4.根据权利要求1所述的卷烟生产制造过程料头料尾的识别方法，其特征在于，所述对平滑后的所述样本数据进行聚类分析，包括：

采用K-MEANS算法对所述样本数据时行聚类分析；

根据进行聚类分析的结果进行判断，如果无法得出分类结果，则进入人工判定程序。

5.根据权利要求4所述的卷烟生产制造过程料头料尾的识别方法，其特征在于，所述采用K-MEANS算法对所述样本数据时行聚类分析，包括：

设置K-MEANS算法终止条件，其中，所述终止条件包括：1)准则函数值的变化小于设定阈值；2)类簇中心在一定范围内不再变化；3)达到指定的迭代次数。

6.根据权利要求5所述的卷烟生产制造过程料头料尾的识别方法，其特征在于，所述采用K-MEANS算法对所述样本数据时行聚类分析，还包括：

(a)随机初始化的样本点；

(b)随机设置类簇中心；

(c)给样本点分配与之最近的类簇中心；

(d)类簇中心更新为类簇中所有样本的均值；

(e)判断是否将每个样本划分到与其最近的类簇中心，并将属于同一个类簇的样本均值作为新的类簇中心，如果否，则重复(c)和(d)直到收敛。

7.一种卷烟生产制造过程料头料尾的识别系统，其特征在于，包括：

采集单元，用于实时采集卷烟生产工序中的工艺参数的样本数据；

滤波处理单元，用于对所述样本数据进行滤波处理，以实现数据的平滑；

聚类分析单元，用于对平滑后的所述样本数据进行聚类分析，以获得工艺参数的稳态数据和非稳态数据；

识别单元，用于根据所述稳态数据和所述非稳态数据识别卷烟生产过程的料头料尾工序。

8.根据权利要求7所述的卷烟生产制造过程料头料尾的识别系统，其特征在于，所述滤波处理单元包括：

均值处理单元，用于通过所述样本数据确定采样值和采样数，并根据所述采集值和采样数进行均值计算，进而根据所述均值对所述样本数据进行均值滤波分析；

平滑预处理单元，用于在样本数据无法进行平滑时，剔除异常的数据，并采用ButterWorth的方式进行平滑预处理。

9.根据权利要求8所述的卷烟生产制造过程料头料尾的识别系统，其特征在于，所述聚类分析单元包括：

K-MEANS算法分析单元，用于采用K-MEANS算法对所述样本数据时行聚类分析；

人工判定控制单元，用于根据进行聚类分析的结果进行判断，如果无法得出分类结果，则进入人工判定程序。

10.根据权利要求9所述的卷烟生产制造过程料头料尾的识别系统，其特征在于，所述K-MEANS算法分析单元包括：

终止条件设置单元，用于设置K-MEANS算法终止条件；

算法处理单元，用于对所述样本数据执行以下步骤：(a)随机初始化的样本点；(b)随机设置类簇中心；(c)给样本点分配与之最近的类簇中心；(d)类簇中心更新为类簇中所有样本的均值；

收敛判断单元，用于判断是否将每个样本划分到与其最近的类簇中心，并将属于同一个类簇的样本均值作为新的类簇中心，如果否，则再通过算法处理单元对所述样本数据进行聚分处理。