本發(fā)明屬于故障診斷，具體涉及一種基棒成型裝置及其故障診斷方法及系統(tǒng)。

背景技術(shù)：

1、卷煙中起主要作用的為發(fā)煙段，發(fā)煙段多以煙用薄片原紙?zhí)砑右欢堪l(fā)煙劑后經(jīng)切絲卷制成型?；舫尚脱b置是一種用于制作有序薄片發(fā)煙段的的裝置，通過對(duì)薄片分切、成形紙包裹、上膠定型和定長切割四個(gè)步驟，實(shí)現(xiàn)批量生產(chǎn)加熱卷煙基棒。采用電機(jī)驅(qū)動(dòng)兩個(gè)壓輥相對(duì)旋轉(zhuǎn)，將薄片剪切成絲狀，通過成型聚攏機(jī)構(gòu)，用包裝紙完成包裹并均勻涂膠，經(jīng)過高溫加熱烘干。最后進(jìn)入定長分切裝置，切割成指定長度的基棒。

2、基棒成型裝置作為卷煙生產(chǎn)領(lǐng)域的關(guān)鍵制造設(shè)備，其運(yùn)行穩(wěn)定性與產(chǎn)品質(zhì)量直接影響生產(chǎn)效率和經(jīng)濟(jì)效益。然而，在傳統(tǒng)生產(chǎn)模式中，基棒成型裝置的故障診斷與生產(chǎn)質(zhì)量異常預(yù)警主要依賴人工經(jīng)驗(yàn)與簡單統(tǒng)計(jì)分析，存在顯著的技術(shù)短板。操作人員通常通過定期巡檢、手動(dòng)記錄設(shè)備參數(shù)，并結(jié)合歷史數(shù)據(jù)進(jìn)行故障判斷。但是，基棒成型過程中，圓度與長度的細(xì)微偏差可能由多因素耦合作用引發(fā)(如模具磨損、溫度波動(dòng)、材料不均勻等)，傳統(tǒng)方法難以實(shí)時(shí)解析此類復(fù)雜因果關(guān)系，導(dǎo)致誤判或漏判頻發(fā)，嚴(yán)重影響產(chǎn)品質(zhì)量控制。

3、而且，煙支成型設(shè)備的復(fù)雜性進(jìn)一步加劇了技術(shù)挑戰(zhàn)。以典型的protos-m5卷接機(jī)組為例，其機(jī)械結(jié)構(gòu)包含超過2000個(gè)運(yùn)動(dòng)部件，傳感器網(wǎng)絡(luò)實(shí)時(shí)監(jiān)測溫度、氣壓、振動(dòng)、電機(jī)電流等數(shù)十項(xiàng)參數(shù)。傳統(tǒng)故障診斷方法主要采用閾值報(bào)警機(jī)制，例如當(dāng)卷煙紙張力超過設(shè)定范圍時(shí)觸發(fā)警報(bào)。然而，此類方法對(duì)漸進(jìn)性故障(如切割刀磨損導(dǎo)致的切口毛糙)缺乏敏感性，且無法區(qū)分偶發(fā)性噪聲干擾與真實(shí)故障信號(hào)。某研究顯示，在云南某卷煙廠的應(yīng)用案例中，閾值報(bào)警系統(tǒng)對(duì)漸進(jìn)性機(jī)械故障的漏報(bào)率高達(dá)65％，主要原因是傳感器數(shù)據(jù)的時(shí)序關(guān)聯(lián)性未被有效挖掘。例如，切割刀磨損初期僅表現(xiàn)為振動(dòng)信號(hào)幅值的緩慢上升，若孤立分析單個(gè)時(shí)間點(diǎn)的數(shù)據(jù)，極易被誤判為隨機(jī)噪聲。

4、綜上，現(xiàn)有的基棒成型裝置的故障診斷易出現(xiàn)誤判和漏判的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基棒成型裝置及其故障診斷方法及系統(tǒng)，以解決現(xiàn)有技術(shù)中基棒成型裝置的故障診斷易出現(xiàn)誤判和漏判的技術(shù)問題。

2、為解決上述技術(shù)問題，本發(fā)明提供的一種基棒成型裝置的故障診斷方法的技術(shù)方案為：一種基棒成型裝置的故障診斷方法，當(dāng)檢測到生產(chǎn)質(zhì)量參數(shù)異常時(shí)，通過故障診斷方法進(jìn)行故障診斷以得到基棒成型裝置的故障類型；故障診斷方法包括：

3、s1、獲取基棒成型裝置運(yùn)行過程中的故障診段數(shù)據(jù)；所述故障診斷數(shù)據(jù)包括基棒成型裝置的實(shí)時(shí)運(yùn)行參數(shù)以及物理狀態(tài)參數(shù)；

4、所述實(shí)時(shí)運(yùn)行參數(shù)包括用于將薄片切絲的壓輥的實(shí)時(shí)運(yùn)行速度、用于傳輸成型紙的布帶的實(shí)時(shí)運(yùn)行速度和切刀切割基棒時(shí)的實(shí)時(shí)運(yùn)行速度；

5、所述物理狀態(tài)參數(shù)包括溫度、壓力和振動(dòng)中的一個(gè)、或兩個(gè)或三個(gè)的組合；

6、s2、將故障診斷數(shù)據(jù)以時(shí)序數(shù)據(jù)的形式輸入到預(yù)先訓(xùn)練好的故障診斷模型中，得到基棒成型裝置的故障類型。

7、上述技術(shù)方案的有益效果是：本發(fā)明的一種基棒成型裝置的故障診斷方法的技術(shù)方案屬于開拓型發(fā)明創(chuàng)造。區(qū)別于現(xiàn)有技術(shù)中的閾值報(bào)警機(jī)制，本發(fā)明提供了一種基于機(jī)器學(xué)習(xí)的基棒成型裝置故障診斷方法，由于基棒成型裝置的各類故障均與基棒成型裝置的實(shí)時(shí)運(yùn)行參數(shù)以及物理狀態(tài)參數(shù)息息相關(guān)，例如，薄片分切機(jī)構(gòu)異常與將薄片切絲的壓輥的速度、布帶傳送機(jī)構(gòu)異常與布帶速度、定長切割機(jī)構(gòu)異常與切刀速度。因此可通過故障診斷數(shù)據(jù)判斷故障類型。本發(fā)明通過故障診斷模型學(xué)習(xí)設(shè)備的故障診斷數(shù)據(jù)與故障類型之間的內(nèi)在聯(lián)系，實(shí)現(xiàn)精確的故障診斷。整個(gè)系統(tǒng)在生產(chǎn)監(jiān)控和設(shè)備維護(hù)方面表現(xiàn)出色，為工業(yè)生產(chǎn)中的質(zhì)量監(jiān)控和設(shè)備維護(hù)提供了高效、精準(zhǔn)的技術(shù)解決方案。本發(fā)明解決了現(xiàn)有技術(shù)中基棒成型裝置的故障診斷易出現(xiàn)誤判和漏判的技術(shù)問題。

8、進(jìn)一步地，所述故障診斷數(shù)據(jù)中的實(shí)時(shí)運(yùn)行參數(shù)還包括設(shè)備運(yùn)行速度、壓輥速度修正、布帶速度修正和布帶松開中的一個(gè)、或兩個(gè)或三個(gè)及以上的組合。

9、進(jìn)一步地，所述故障診段數(shù)據(jù)還包括煙支檢測信號(hào)，所述煙支檢測信號(hào)包括已切割完成的基棒的長度、圓度和外觀。

10、進(jìn)一步地，所述故障類型包括原料狀態(tài)異常、薄片分切機(jī)構(gòu)狀態(tài)異常、布帶傳送機(jī)構(gòu)狀態(tài)異常和定長分切機(jī)構(gòu)狀態(tài)異常。

11、進(jìn)一步地，所述故障類型包括薄片卷狀態(tài)異常、切絲輥調(diào)整機(jī)構(gòu)異常、切絲輥狀態(tài)異常、帶輪傳動(dòng)機(jī)構(gòu)異常、電機(jī)減速器異常、布帶輪機(jī)構(gòu)狀態(tài)異常、漲緊輪機(jī)構(gòu)狀態(tài)異常、切刀傳動(dòng)組件異常和切刀動(dòng)力組件異常中的一個(gè)、或兩個(gè)或三個(gè)及以上的組合。

12、進(jìn)一步地，所述故障診斷模型包括故障特征提取模塊和分類模塊；所述故障特征提取模塊用于通過lstm提取所述故障診段數(shù)據(jù)中的時(shí)序特征，所述分類模塊用于根據(jù)故障特征提取模塊輸出的時(shí)序特征進(jìn)行分類以得到所述故障類型。

13、進(jìn)一步地，所述分類模塊包括支持向量機(jī)。

14、進(jìn)一步地，檢測生產(chǎn)質(zhì)量參數(shù)異常的方法包括：

15、(1)獲取基棒成型裝置在基棒成型過程中的生產(chǎn)預(yù)測數(shù)據(jù)；所述生產(chǎn)預(yù)測數(shù)據(jù)包括基棒成型裝置的實(shí)時(shí)運(yùn)行參數(shù)；

16、(2)將生產(chǎn)預(yù)測數(shù)據(jù)以時(shí)序數(shù)據(jù)的形式輸入到預(yù)先訓(xùn)練好的生產(chǎn)質(zhì)量預(yù)測模型中，得到待成型基棒的生產(chǎn)質(zhì)量參數(shù)；所述生產(chǎn)質(zhì)量參數(shù)包括基棒長度和/或基棒圓度；

17、(3)根據(jù)(2)得到的生產(chǎn)質(zhì)量參數(shù)進(jìn)行生產(chǎn)質(zhì)量預(yù)警。

18、進(jìn)一步地，所述生產(chǎn)預(yù)測數(shù)據(jù)還包括煙支檢測信號(hào)，所述煙支檢測信號(hào)包括已切割完成的基棒的長度、圓度和外觀。

19、進(jìn)一步地，所述生產(chǎn)預(yù)測數(shù)據(jù)中的實(shí)時(shí)運(yùn)行參數(shù)還包括設(shè)備運(yùn)行速度和/或設(shè)定打膠速度。

20、進(jìn)一步地，所述生產(chǎn)質(zhì)量預(yù)測模型包括生產(chǎn)特征提取模塊和注意力機(jī)制模塊，所述生產(chǎn)特征提取模塊用于提取所述生產(chǎn)預(yù)測數(shù)據(jù)中的時(shí)序特征，所述注意力機(jī)制模塊用于識(shí)別并加權(quán)生產(chǎn)特征提取模輸出的時(shí)序特征中的關(guān)鍵特征，以根據(jù)加權(quán)后的特征得到生產(chǎn)質(zhì)量預(yù)測參數(shù)。

21、進(jìn)一步地，所述注意力機(jī)制模塊為包括時(shí)間注意力層和特征注意力層的混合注意力機(jī)制，所述混合注意力機(jī)制包括基于并聯(lián)混合策略的混合注意力機(jī)制或基于串聯(lián)混合策略的混合注意力機(jī)制；

22、基于并聯(lián)混合策略的混合注意力機(jī)制為：所述時(shí)間注意力層通過自注意力機(jī)制對(duì)生產(chǎn)特征提取模塊輸出的時(shí)序特征進(jìn)行處理以在時(shí)間維度上突出重要節(jié)點(diǎn)；然后，所述特征注意力層通過通道注意力機(jī)制對(duì)時(shí)間注意力層輸出的特征進(jìn)行處理以在特征維度上突出重要特征；最后，通過門控機(jī)制結(jié)合時(shí)間注意力層的輸出和特征注意力層的輸出；

23、基于串聯(lián)混合策略的混合注意力機(jī)制為：所述時(shí)間注意力層通過自注意力機(jī)制對(duì)生產(chǎn)特征提取模塊輸出的時(shí)序特征進(jìn)行處理以在時(shí)間維度上突出重要節(jié)點(diǎn)；然后，所述特征注意力層通過通道注意力機(jī)制對(duì)時(shí)間注意力層輸出的特征進(jìn)行處理以在特征維度上突出重要特征。

24、進(jìn)一步地，所述時(shí)間注意力層為：

25、

26、q＝xwq

27、k＝xwk

28、xt＝at·x

29、其中，x為lstm提取到時(shí)間序列特征；at為時(shí)間注意力權(quán)重矩陣；wq、wk分別為可學(xué)習(xí)的查詢權(quán)重矩陣和鍵權(quán)重矩陣；xt為時(shí)間注意力層輸出的特征。

30、進(jìn)一步地，所述特征注意力層為：

31、s＝σ(w2×relu(w1×gap(xt)))

32、xf＝s⊙xt

33、其中，xt為時(shí)間注意力層輸出的特征；xf為特征注意力層輸出的特征；s為特征注意力權(quán)重向量；gap表示全局平均池化，w1,w2為全連接層的權(quán)重參數(shù)；relu(·)為relu激活函數(shù)；σ(·)為sigmoid激活函數(shù)；⊙為hadamard積。

34、本發(fā)明還提供了一種基棒成型裝置的故障診斷系統(tǒng)的技術(shù)方案：一種基棒成型裝置的故障診斷系統(tǒng)，包括處理器，所述處理器用于執(zhí)行計(jì)算機(jī)程序以實(shí)現(xiàn)如上所述的基棒成型裝置的故障診斷方法的步驟。

35、本發(fā)明還提供了一種基棒成型裝置的技術(shù)方案：一種基棒成型裝置，包括故障診斷單元，所述故障診斷單元包括處理器，所述處理器用于執(zhí)行計(jì)算機(jī)程序以實(shí)現(xiàn)如上所述的基棒成型裝置的故障診斷方法的步驟。