【技术实现步骤摘要】
本专利技术涉及烟草生成设备，尤其是一种烟草滚筒排潮过滤网防粘装置的维护系统。
技术介绍
1、防粘防堵捧潮装置是烟草制丝线滚筒捧潮的关键设备，其用途是对滚筒出料室过滤网防粘防堵除绒、麻进行在线处理，在进行烟草加工时，通常需要在特定环境下进行烟叶回潮、加香加料，在生产过程中烟沫及漂浮杂物会被吸附到排潮滤网。如不定期清理，则会使得杂物容易堵塞过滤网，致排潮瘫痪，从而影响烟料质量，因此设计防粘装置是一种迫切需要，然而如何维护又成为问题，暂不考虑拆装便利性前提下，如何判别各部件之间的配合、更新问题成为防粘装置的一大问题。
技术实现思路
1、为了解决上述问题，本专利技术的目的是提供一种烟草滚筒排潮过滤网防粘装置的维护系统。
2、本专利技术提供了一种烟草滚筒排潮过滤网防粘装置的维护系统，包括记录具有不锈钢循环过滤网、驱动组件、清扫组件及收集组件的烟草滚筒排潮过滤网防粘装置的更新以及维修时间点(不同于后文的时间点)的远程服务器，与烟草滚筒排潮过滤网防粘装置构造完全相同的至少一台试验装置，所述烟草滚筒排潮过滤网防粘装置与试验装置同步运作，根据所述至少一台试验装置在运行过程中所产出的烟料产品质量等级的下降程度，记录至少一组不锈钢循环过滤网、清扫组件、驱动组件、收集组件整体含时性能退化函数图，所述远程服务器根据所述含时的时间点以及根据所述含时退化函数图构建的学习模型，实时判断当前装置的各至少一组不锈钢循环过滤网、清扫组件、驱动组件、收集组件的整体性能退化预测结果，所述远程服务器能够实时显示所
3、不锈钢循环过滤网包括外壳内部设置的主动辊、从动辊及网孔链板，网孔链板设置在主动辊和从动辊之间，其中，对于所述至少一台试验装置的所述外壳上设置有第一高清工业相机，通过外壳上预设位置的第一穿孔密封固定，用于定期拍摄网孔链板和刮板组件的图像；驱动组件包括机壳、电机、减速机、主动轴和传动轴，电机通过减速机与主动轴连接，主动轴与传动轴连接，其中对于所述至少一台试验装置的所述机壳上的预设位置设置有第二高清工业相机，通过所述机壳上的预设位置的第二穿孔密封固定，用于定期拍摄清扫刷组件图像，清扫组件包括清扫刷组件和刮板组件；收集组件包括设置在装置底部的翻板密封组件，其中，所述网孔链板和刮板组件的图像和清扫刷组件图像上传至所述远程服务器，通过预训练的人工智能模型以及所述退化预测结果，给出当前各网与组件的性能退化综合评价。
4、可以理解的是，通过试验装置参与正常的生产运作的同时，实时收集退化函数数据，从而通过数据训练模型得到各网和组件的性能退化预测结果，既扩大了生产同时，又解决了训练数据的采集获取问题，也无需维护试验装置，因为其本身就有是用来收集数据用，是需要真实反映在无维护状态下各网与组件的真实退化规律。
5、可选地，所述学习模型的构建方法是：
6、s1获取所记录的至少一组不锈钢循环过滤网、清扫组件、驱动组件、收集组件含时性能退化函数图上的不同时间点对应的多组整体性能下降程度，划分训练集以及验证集；
7、s2构建不锈钢循环过滤网、清扫组件、驱动组件、收集组件整体相应的长短时间记忆网络，以不同时间点为不同的节点单元，以性能下降程度构建输入向量，将训练集和验证集转化为训练向量和验证向量；
8、s3零向量输入第一节点单元传输端，训练向量分别输入对应的不同的节点单元中，节点单元输出端结果与下一个节点单元的输入端的训练向量进行比较，最终节点单元输入端的训练向量则与自身输出端预测结果比较，得到损失函数值，由此不断优化网络参数，并通过验证向量验证各节点单元预测准确率，当所有节点单元预测准确率趋稳时，得到学习模型，其中，不同时间点对应的多组性能下降程度的获取方法是，在每隔1-15天内，随机选择1天每隔1小时获取1组整体性能下降程度，视作一个时间点上的性能下降程度的多组数据，其中，性能下降程度由随机选择1天每隔1小时内多次随机抽样测量的烟料含水率进行评定。
9、由此对于任意时间点上记录的整体性能退化函数图上的函数点，就能预测到下一个时间点上的性能下降程度，以此不断向时间方向上不断预测下一个时间点，得到一系列预测结果。
10、可选地，多次随机抽样在任选的含水率在0.5-2％的统计下降作为一个等级的下降。
11、容易理解的是，1-15天所选择的天数越小，统计意义上构建的学习模型越预测精确。因此一年内，一台试验装置能够获取一个时间点上的584-8760组不等的数据。若暂不考虑预测准确率前提下，一台试验装置一年就能集够训练数据体量(即1万多组数据)。因此取中位数8天内，随机选择的一天进行获取，则有1095组数据，则一年内构建10台试验装置即可获取足够的训练数据体量。因此生产商能够根据资金投入和精确性的要求而任意选择所需的试验装置的台数。
12、所述人工智能模型预训练方法是：
13、q1在每隔1-15天内，选择所述随机选择1天内，以每隔1小时获取1张网孔链板和刮板组件的图像和1张清扫刷组件图像，将网孔链板和刮板组件的图像进行分割，划分出网孔链板和刮板组件的所属的两个区域，与清扫刷组件图像一起分别建立各自对应的训练图集和验证图集；
14、q2建立带残差机制的卷积神经网络(res-cnn),以训练图集输入res-cnn，在输出端经由全连接lc和softmax函数进行性能下降程度分类，构建损失函数得到每一次训练的损失函数值，反向传播优化res-cnn参数，并验证集验证准确率，当损失函数值和准确率趋稳时，停止训练，得到预训练的人工智能模型。
15、通过对易性能退化的网孔链板、清扫组件的针对性图像识别，给出了整体性能下降的主部的剥离，从而能够通过加权系数计算出驱动组件
16、收集组件，这类非易性能退化的贡献。
17、可选地，网孔链板的一端绕过主动辊和从动辊并与自身的另一端连接，构成循环网孔链板。
18、可选地，电机通过减速机与主动轴的第一端连接，主动轴的第二端与传动轴的第一端以及主动辊的第一端均传动连接，传动轴的第二端与毛刷辊传动连接。
19、可选地，传动连接可以为带轮传动或链轮传动。
20、优选地，所述第一穿孔上设置有镶嵌加热丝的第一视窗，所述第一高清工业相机通过第一视窗和用于射向第一视窗内部补光的第一照明系统；所述第二穿孔上设置有镶嵌加热丝的第二视窗，所述第二高清工业相机通过第二视窗和用于射向第二视窗内部补光的第一照明系统，所述第一视窗、第二视窗的壳内表面，分别定期通过第三检修门和第一检修门的开启而进行清洁。
21、可选地，所述第二视窗、第二照明系统、第二高清工业相机为两套，分别对网孔链板和刮板组件，以及清扫刷组件进行所述定期拍摄清扫组件图像。
22、可选地，清扫刷组件包括毛刷辊，毛刷辊包括转轴和清理杆，清理杆间隔设置在转轴的侧壁上，形成狼牙棒状的毛刷辊。
23、优选地，一个所述清理杆本文档来自技高网...
【技术保护点】
1.一种烟草滚筒排潮过滤网防粘装置的维护系统，其特征在于，包括记录具有不锈钢循环过滤网、驱动组件、清扫组件及收集组件的烟草滚筒排潮过滤网防粘装置的更新以及维修时间点的远程服务器，与烟草滚筒排潮过滤网防粘装置构造完全相同的至少一台试验装置，所述烟草滚筒排潮过滤网防粘装置与试验装置同步运作，根据所述至少一台试验装置在运行过程中所产出的烟料产品质量等级的下降程度，记录至少一组不锈钢循环过滤网、清扫组件、驱动组件、收集组件整体性能含时退化函数图，所述远程服务器根据所述含时的时间点以及根据所述含时退化函数图构建的学习模型，实时判断当前装置的各至少一组不锈钢循环过滤网、清扫组件、驱动组件、收集组件的整体性能退化预测结果，所述远程服务器能够实时显示所述预测结果，并通过下载到工作人员的移动智能设备上查看；其中，
2.根据权利要求1所述的装置，其特征在于，所述学习模型的构建方法是：S1获取所记录的至少一组不锈钢循环过滤网、清扫组件、驱动组件、收集组件含时性能退化函数图上的不同时间点对应的多组整体性能下降程度，划分训练集以及验证集；
3.根据权利要求2所述的装置，其特征在于，
4.根据权利要求2或3所述的装置，其特征在于，传动连接可以为带轮传动或链轮传动；
5.根据权利要求2或3所述的装置，其特征在于，所述第一穿孔上设置有镶嵌加热丝的第一视窗，所述第一高清工业相机通过第一视窗和用于射向第一视窗内部补光的第一照明系统；所述第二穿孔上设置有镶嵌加热丝的第二视窗，所述第二高清工业相机通过第二视窗和用于射向第二视窗内部补光的第一照明系统，所述第一视窗、第二视窗的壳内表面，分别定期通过第三检修门和第一检修门的开启而进行清洁。
6.根据权利要求5所述的装置，其特征在于，所述第二视窗、第二照明系统、第二高清工业相机为两套，分别对网孔链板和刮板组件，以及清扫刷组件进行所述定期拍摄清扫组件图像。
7.根据权利要求5或6所述的装置，其特征在于，一个所述清理杆上设置至少一个柔性分支杆，转轴为方形转轴，翻板密封组件包括横向转动设置在排污管道内的转轴，固定设置在转轴的翻板，包裹在翻板四周边沿上的硅胶垫，以及设置在排污管道的外部并与转轴连接的控制手柄。
...【技术特征摘要】
1.一种烟草滚筒排潮过滤网防粘装置的维护系统，其特征在于，包括记录具有不锈钢循环过滤网、驱动组件、清扫组件及收集组件的烟草滚筒排潮过滤网防粘装置的更新以及维修时间点的远程服务器，与烟草滚筒排潮过滤网防粘装置构造完全相同的至少一台试验装置，所述烟草滚筒排潮过滤网防粘装置与试验装置同步运作，根据所述至少一台试验装置在运行过程中所产出的烟料产品质量等级的下降程度，记录至少一组不锈钢循环过滤网、清扫组件、驱动组件、收集组件整体性能含时退化函数图，所述远程服务器根据所述含时的时间点以及根据所述含时退化函数图构建的学习模型，实时判断当前装置的各至少一组不锈钢循环过滤网、清扫组件、驱动组件、收集组件的整体性能退化预测结果，所述远程服务器能够实时显示所述预测结果，并通过下载到工作人员的移动智能设备上查看；其中，
2.根据权利要求1所述的装置，其特征在于，所述学习模型的构建方法是：s1获取所记录的至少一组不锈钢循环过滤网、清扫组件、驱动组件、收集组件含时性能退化函数图上的不同时间点对应的多组整体性能下降程度，划分训练集以及验证集；
3.根据权利要求2所述的装置，其特征在...
【专利技术属性】
技术研发人员：李登涛，赵芬芳，徐海，杜娟，尹鹏，
申请(专利权)人：北京宏大峰钻石机械有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。