基于神经网络的卷烟包装机运行监测与故障分析研究

为提高卷烟生产产量,同时降低卷烟包装机的维修成本,提出了一种基于聚类方法和神经网络方法的卷烟包装机运行模式监测及故障预测技术。通过引入稳定因子判断包装机的运行模式,当稳定因子小于或等于阈值表示设备处于稳定模式,反之则为过渡模式。通过聚类方法对得到的数据进行处理,设定Hotelling’s T~2检验值与平方预测误差λ_(SPE)为监测的统计值,当统计值超过限值则判断为出现故障,对故障数据进行记录,并通过神经网络方法对下一次故障时间及故障区域进行预测。通过泊松分布计算部件库存容量,在确保库存充足的情况下,在下一次故障之前及时更换机器部件,以避免停机给生产带来巨大影响。最后通过示例分析,证明了该方法的有效性。