[发明专利]一种卷烟制丝过程数据的稳态识别方法

说明书

本发明涉及一种卷烟制丝过程数据的稳态识别方法，采集制丝生产线即时的数据，在实时传输过程中，或离线传输数据后进行数据类型的识别，分别进行料头数据、停机断料型数据、采集异常数据、突变数据、中间波动数据、多稳态型数据，还涉及料尾数据及对停机断料型数据的细分，并分别形成各自数据集，进行分别储存，既有利于对后期数据分析的利用，又便于对相应数据的再处理，以提高数据利用的精准性。

技术领域

本发明属于卷烟生产线控制技术领域，特别是指一种卷烟制丝过程数据的稳态识别方法。

背景技术

制丝过程工序多、流程长、设备种类繁杂。每道工序从过程开始至结束，无法始终处于稳定状态，生产状态的变化直接影响到过程的精准控制和诊断。为进一步提升制丝精细化加工和智能化控制水平，提高过程质量的稳定性、均匀性和一致性，在复杂的过程数据中识别系统的稳态就显得尤为重要。

2016版《卷烟工艺规范》首次对全批次生产过程数据进行稳态数据集和非稳态数据集的划分，并提出了非稳态时间的概念。为此，以制丝过程全批次数据为研究对象，开展制丝过程稳态识别方法研究，并建立相应的数据预处理截取规则，旨在为制丝加工过程稳态的智能识别提供技术参考。

目前，MES系统在线采集的过程数据混杂着异常数据，如料头料尾数据集、中间波动数据集、突变数据集、数采异常数据集、停机断料型数据、多稳态型数据等。但是现有技术对数据的预处理规则均是直接对非稳态数据剔除，而只保留多稳态型数据用于后期的数据分析、预测及使用。而多稳态型数据只针对生产线的有限参数范围的数据，不能对生产线进行全面的分析，为此，如何将非稳态数据进行有效的进一步识别，对全面分析制丝过程的生产状态变化，以实现精准控制和数据诊断，是本领域需要解决的问题。

发明内容

本发明的目的是提供一种卷烟制丝过程数据的稳态识别方法，以解决现有技术的数据预处理规则不能对非稳态数据进行进一步识别的问题。

本发明是通过以下技术方案实现的：

一种卷烟制丝过程数据的稳态识别方法，包括以下步骤：

S1、分析制丝生产线历史数据，利用统计方法统计每个历史数据K的高相关数据G，并确定高相关数据采集点；

S2、采集制丝生产线即时的数据K_n，并判断：

若制丝生产线启动时间T≥T1，其中T1为第一设定时间，则进入步骤S3；

若制丝生产线启动时间T＜T1，则确定该数据K_n为料头数据，其中n为自然数，进行新的数据识别；

S3、判断制丝生产线上是否有设备停机，若有设备停机，则判断该数据K_n为停机断料型数据；

若没有设备停机，则进入步骤S4；

S4、判断数据K_n与数据K_n-1的差值Δ1，若Δ1在第一阈值范围内，则进入步骤S6；

若Δ1不在第一阈值范围内，则进入步骤S5；

S5、判断高相关数据采集点的高相关数据G_n，其中N为自然数，与高相关数据G_n-1的差值Δ2，若Δ2在第二阈值范围内，则判定数据K_n为采集异常数据，否则判定数据K_n为突变数据；

S6、判断Δ1是否在第三阈值范围内，所述第三阈值为第一阈值的子集；若在第三阈值范围，判定所述数据K_n为多稳态型数据，否则判定为中间波动数据。

所述高相关数据G为两个或两个以上，并且高相关数据至少包括一个高相关设备数据J，并确定高相关设备数据采集点；一个高相关工艺数据Y，并确定高相关工艺数据采集点。