卷烟感官质量的调节方法研究

本文论述了基于感官质量的调节方法,应用于感官检测领域,包括:获取卷烟的成分分析结果和目标感官质量数据;根据成分分析结果确定对应的卷烟的预调节感官质量数据;根据预调节感官质量数据确定对应的卷烟的预调节生产工艺参数,根据目标感官质量数据确定对应的目标生产工艺参数;根据目标生产工艺参数与预调节生产工艺参数确定参数差异项,利用参数差异项对预调节生产工艺参数进行调整。通过对卷烟的预调节生产工艺参数进行反馈调整,优化卷烟制造过程中的工艺流程。此外,本文提供了基于感官质量的调节装置、设备及存储介质,同样具有以上有益效果。

轴承故障预诊与健康管理实验设计和软件开发

基于Matlab开发了一套实验软件PHM-Bearings,将其用于"机械工程测试技术基础"实验教学中。实验中,首先对原始轴承振动数据进行特征提取,然后使用主成分分析法对其时域特征进行信息融合,在保留最大信息量的同时提高运算效率。模式识别模块用来识别轴承样本是否有故障,从而实现故障预诊。通过轴承健康评估可以定量计算轴承的健康度并绘制出轴承全生命周期健康曲线,从而实现轴承的健康管理。

基于广义预测控制的松散回潮出口含水率控制系统

松散回潮作为卷烟生产加工的首道核心工序,其出口含水率稳定性对后续各工序工艺指标有着直接的影响;为解决松散回潮工序烟片出口含水率控制精度低、过程控制能力弱等问题,文章围绕德国虹霓TB-L (flex)松散回潮机控制系统进行优化升级,充分利用厂内现有的工业控制和信息化系统采集制丝实时数据并分析,而后采用广义预测控制(generalized predictive control,GPC)方法,建立了具备工况自适应能力的加水量动态预测和调整模型,并编写相应的软件模块对过程进行自动化控制,实现了工艺过程参数动态优化、智能化的预测性控制系统;实际应用效果表明,该系统有效提高了松散回潮工序出口含水率稳定性。

基于长短期记忆的机器人健康监测系统

针对工业机器人运行过程中存在着的非计划停机、维修反应慢等问题,构建了基于深度学习框架长短期记忆(LSTM)网络模型的机器人健康状态监测系统。首先,通过方差分析(ANOVA)确定了反映机器人状态变化的传感器信号;其次,通过主成分分析(PCA)融合多维传感器数据,并与机器人健康运行模式库中的特征数据分布进行相似度计算,获得能够表征机器人运行状态的健康指数;最后,根据LSTM网络的输入和输出节点,自适应确定网络隐藏层结构,最终实现机器人运行状态的健康度预测。理论分析和实际效果表明,基于LSTM模型预测的机器人健康状态的均方根误差为0.92%,说明该系统能够有效对机器人健康状态进行监测,并能对机器人运行状态趋势进行一定的预判,有助于企业在生产过程中对机器人进行维护。

基于在线状态监测的电机冷却风扇断裂分析

双螺杆风机因其具有可靠性高、结构简单、运行平稳、维修简单等优点,在化工行业中占据着重要地位。电机作为其动力输出,具有至关重要的作用。通过在电机和双螺杆压缩机上安装加速度传感器,采集其运行过程中的振动数据,通过对振动数据的分析,实现对机组故障的精准定位及判断,从而实现设备的预测性维修。振动在线监测系统对设备的安全平稳运行起到重要作用,维修人员可根据具体的故障以及严重程度做出合理的检维修安排,实现生产效率的最大化。

基于在线监测的海上平台注水泵轴承故障分析

注水泵是海洋石油平台的重要设备之一,它将水质合格的水通过注水井注入油层,以保持油层的压力,从而降低原油递减率。对油田的注水泵实施在线监测,可实时采集和监测设备的振动数据,利用采集到的数据进行分析,从而实现对设备故障的预警及故障源精准判断,保障注水泵的正常运行。

基于在线状态监测的丙烷气双螺杆压缩机故障诊断分析

螺杆压缩机在化工行业具有重要的作用,而在线状态监测系统是能根据安装在机体上的传感器采集的数据对设备状态做出判断的一套系统。状态监测系统通过监测振动和工艺等参数,可对设备当前故障做出精准判断及定位,有利于及早、及时发现设备问题,避免产生突发故障。企业可对设备检维修做出合理化的安排,既保障了设备安全平稳的运行,提高了生产效率,同时也能优化企业的备品备件,以达到节源开流的目的。

基于神经网络和贝叶斯优化的核电站机组功率参数自动寻优方法

近年来,核电行业对核电生产的安全性和经济性需求正受到越来越多的关注,其中针对汽轮机发电机组输出功率的参数优化需求是其重要表现之一。本文创新性地使用了BP神经网络来构建模型并利用贝叶斯优化理论来实现模型参数的自动寻优,从而实现了利用机组已有在线参数建立核电站发电机组二回路精简热力学模型,然后在此基础上实现机组功率预测、调参指导以及参数自动寻优功能。

基于多元状态估计的旋转设备早期故障监测方法

针对旋转机械早期故障特征提取困难、多元状态估计技术矩阵运算效率低、建模鲁棒性差的问题,研究小波包变换、多元状态参数估计和bagging算法等技术,构建基于振动、温度、流量和压力等参数的旋转设备早期故障监测方法。应用三门核电厂用水泵的实测数据对构建的故障监测方法进行验证,结果表明,旋转设备早期故障监测模型在故障特征提取、计算时间和建模精度等方面均具有明显优势,并能够检测出设备的早期故障,实现早期预警,有效地降低误报率。

基于振动监测的水泥立磨故障诊断分析

水泥立磨主要用于水泥熟料的粉磨生产,是水泥厂的核心设备之一,而减速机是立磨系统最容易发生故障的部位。通过在线监测,采集振动数据,分析频谱,跟踪判断该设备轴承损坏的整个过程。对现场设备异常状态进行预警,以帮助工作人员及时准确做出判断,避免突发事故。

iPHM在线状态监测系统在电厂的应用

为了提高电厂机泵运行的安全性、可靠性并为设备适时检修提供充分的依据,针对设备的的特点,利用物联网、大数据等技术开发并应用一套设备故障预测与健康管理系统(SaaS-iPHM),通过系统对设备的监测,可实现微信端推送设备状态参数、报警信息,并通过振动分析实现对异常设备的故障诊断,对其状态进行预评估,最终给出一个合理的维护建议,从而将设备从事后维修、定期维修、预防性维修提升至预知性维修,实现设备全生命周期管理。

水泥立磨减速机中间轴滚动轴承故障分析

水泥立磨主要用于水泥熟料的粉磨生产,是水泥生产的核心设备之一,而减速机是立磨传动的最重要部件。通过在线采集设备振动数据,分析振动频谱,跟踪判断该设备轴承损坏的整个过程,对现场设备异常状态进行预警,可帮助工作人员及时准确做出判断,避免突发事故。

基于参数自回归算法的核电厂关键设备早期预警方法研究

本研究设计并开发了一种基于参数自回归算法的用于核电厂关键设备早期预警的方法,该方法创新性地引入了基于多维度时序数据的参数自回归算法,对设备正常运行状态下的参数进行估计,并通过与实测值分析比较来提取残差特征,从而实现了基于动态阈值的设备状态监测机制。此外,结合设备机理,本研究提出并采用了测点重要度的关键概念,通过对设备核心部件拆分建模,实现了对设备运行状态的识别、异常征兆的早期预警、故障部件的确定和相关报警事件的生成。本研究在AP1000核电机组的核心设备——反应堆冷却剂泵(简称主泵)上对设计开发的方法进行了测试验证,通过对主泵实际运行数据和异常事件的相关数据分析,结果表明,与现有设备状态监测方法相比,新建立的关键设备早期预警方法可以在早期发现相关设备的异常征兆,进行预警,并给出关键信息协助工程师进行故障的分析和定位,从而显著缩短了故障诊断和排故的时间,同时极大降低了关键设备监测的人力投入。