基于神经网络的烟草制丝工序 质量诊断技术研究-工业工程专业论文.docx

万 万方数据 学位论文版权使用授权书 本学位论文作者完全了解浙江理工大学有权保留并向国家有关 部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。 本人授权浙江理工大学可以将学位论文的全部或部分内容编入有关 数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保 存、汇编学位论文。 (保密的学位论文在解密后适用本授权书〉 学山倒名:在二号 签字日期 : )0 1 年 5 月与日 导师签名改吵 签字日期:川年夕月子日 学科门类：工学单位 代码：10338 中图分类号：F273 硕士学位论文 基于神经网络的烟草制丝工序质量诊断技术研究 姓名： 李宁 申请学位级别： 工学硕士 专业： 工业工程 指导教师： 李仁旺教授 浙江理工大学 2016 年 04 月 浙江理工大学硕士学位论文基于神经网络的 浙江理工大学硕士学位论文 基于神经网络的烟草制丝工序质量诊断技术研究 摘 要 随着社会的发展，生活水平的提高，人们对卷烟产品的质量要求也越来越高。为了稳定卷 烟质量、满足细分市场，烟草制丝工艺日趋精细与复杂，这也使得烟草行业更加注重对卷烟质 量的控制。在制丝过程中会受到多种因素的影响，烟丝的质量必然会发生波动，要实现制丝的 高效率、高质量，就必须保证生产过程处于稳定受控的状态，因此面向生产过程的质量监控就 变得非常重要；另一方面，数字化制丝流程的实施，大大提高了制丝车间的信息化、自动化程 度，如果过程状态的监控还是仅仅依赖人为因素，否则将严重阻碍烟草行业自动化程度和质量 管理水平的提高。 本论文针对上两个问题，提出了将 SPC 方法和 BP 神经网络技术相结合，应用于烟草制丝 过程质量控制，研究了制丝过程质量的智能监控技术。 首先，根据制丝过程的特点，把 SPC 方法应用于制丝过程质量控制。通过分析制丝工艺 的关键工序以及重要质量特性指标，确定 SPC 的控制对象；提出了控制图的应用方案，选择均 值–极差控制图进行质量控制，然后以实例说明了控制图在制丝工序中的具体应用 其次，基于 BP 神经网络，对控制图的模式识别问题进行了研究。先将 SPC 控制图分为正 常、向上阶跃、向下阶跃、趋势上升、向上阶跃、趋势下降、周期 6 种基本模式，并建立起相 应数学模型；然后提出了控制图模式识别的总体方案，着重研究了控制图基本模式的识别方法 和异常模式关键特征参数的估计方法。在理论研究的基础上，采用改进 BP 算法，建立了 1 个 控制图模式识别网络、3 个异常模式参数估计网络，分别估计阶跃模式的幅值，周期模式的幅 值和周期长度，趋势模式的斜率。 然后，依据 SPC 理论，从人、机、料、法、环、测 6 个方面，针对每一种异常模式，分 析并总结典型的异常原因及调整建议，建立异常诊断知识库。 最后，基于 SQL Server2000 设计制丝质量管理数据库和异常诊断知识库，以 Visual C++6.0 和 Matlab7.0 为平台，开发了制丝过程质量监控与诊断系统，实现了制丝质量数据管 理，控制图绘制，过程状态的识别和特征参数估计，异常原因分析诊断等功能，并进行了实例 测试。 关键词：卷烟制丝工序；SPC 技术；BP 神经网络；模式识别；质量诊断 I ABSTRACT With the development of the society and the improvement of living standards, people demand higher requirement in the quality of cigarette products. To stabilize the cigarette quality and to satisfy the market segment, tobacco silk technology increasingly tend to be more subtle and complex, and it also makes the tobacco industry pay more attention to control the quality of cigarettes. The process of silk are influenced by many and the quality of cut tobacco inevitably fluctuate. In order to improve the wirer of high efficiency, high quality must be guaranteed the stability of production process in a controlled state, so the quality of th