【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于容器包装机状态监测的虚拟传感系统，特别是用于生产填充有可倾倒食品的复合包装。
技术介绍
1、众所周知，许多液体、半液体或可倾倒食品，例如果汁、uht(超高温处理)牛奶、葡萄酒、番茄酱等，都是在由多层复合包装材料制成的复合包装中分销和销售的。
2、一个典型的例子是用于可倾倒食品的平行六面体形包装，称为tetra brikaseptictm，它是通过密封和折叠层压条状包装材料制成的。包装材料具有多层结构，其包括硬纸板和/或纸基层，两侧覆盖有热封塑料材料层，例如聚乙烯。对于用于长期储存产品的无菌包装，包装材料还包括一层氧气阻隔材料，例如铝箔，该氧气阻隔材料叠加在一层热封塑料材料上，并覆盖有另一层热封塑料材料，形成最终接触食品的包装内表面。
3、这种复合包装通常在全自动包装线(或工厂)内生产，该包装线从多层复合包装材料卷材开始形成复合包装，并用可倾倒食品填充该复合包装。
4、典型的包装线至少包括一台填充机，该填充机从多层复合包装材料开始形成复合包装，并用可倾倒食品填充该复合包装。此外，包装线还可以包括上游和/或下游的其它的容器包装机。下游包装机例如可以包括一个或多个缓冲单元，其用于临时缓冲复合包装；施加单元，其用于将吸管或其他元件施加到复合包装上；分组单元，例如码垛(palletizer)单元，其用于将多个复合包装一起分组到存储单元(例如托盘)中。
5、众所周知，监测容器包装机和相关部件的状态很重要，以便评估其当前的运行状况和相关部分和部件的可能异常，并预测故障或损坏
6、状态监测通常是通过在包装机内安装合适的监测传感器来实现的，获取相应的检测信号并使用合适的评估和预测算法处理相同的检测信号，被配置为提供相同包装机的当前和预测运行状况的指示。
7、具体而言，振动分析是此类状态监测的重要部分。振动分析旨在监测包装机内的振动信号水平和模式，以检测关键部分(如轴承、齿轮、伺服电机等)中的异常振动事件，并评估同一机器的整体状态。振动分析例如可以实现对状态变化的实时反应(real-timereaction)、远程状态监测和预测性维护。
8、因此，振动传感器(尤其是加速度计传感器)与包装机的关键部分耦合，以监测相应的操作。例如，振动传感器通过支撑凸缘耦合到伺服电机，提供指示同一伺服电机在操作过程中发生的振动的检测信号。
9、然而，在包装机中安装和维护状态监测传感器的成本高昂且耗时。此外，在包装机中可能存在难以或无法安装监测传感器的地方(例如，机器的某些部分可能存在可达性问题或可能在恶劣的环境中运行，不适合安装监测传感器)。
10、在这种情况下，可能无法或无论如何难以以期望的可靠性和准确性实现对包装机相应部分操作状态的传统监测。
技术实现思路
1、本公开内容的目的是提供一种改进的解决方案，以至少部分地克服已知的状态监测解决方案的上述问题。
2、因此，根据本公开内容，提供了一种用于监测容器包装机状态的虚拟传感系统，如所附权利要求中所定义。
3、根据第二方面，提供了一种用于监测容器包装机状态的方法，如所附权利要求中所定义。
4、根据第三方面，提供了一种计算机程序产品，其包括指令，当该程序由计算单元执行时，该指令使计算单元执行该方法。
本文档来自技高网...【技术保护点】
1.一种虚拟传感系统(1)，其用于监测容器包装机(2)的状态，该容器包装机用于包装填充有可倾倒食品的容器，所述系统(1)被配置为基于来自所述容器包装机(2)的输入数据重建目标状态监测信号，并且其包括：
2.根据权利要求1所述的系统，其中所述目标状态监测信号是振动信号。
3.根据权利要求1或权利要求2所述的系统，其中所述机器学习算法已基于训练数据集进行训练，该训练数据集包括参考输入数据，其指示要重建的参考目标状态监测信号和所述参考目标状态监测信号。
4.根据权利要求1至3中任一项所述的系统，其还包括训练模块(10)，该训练模块能操作地耦合到所述AI模块(8)并被配置为基于持续学习方法训练所述AI模块(8)。
5.根据前述权利要求中任一项所述的系统，其中所述AI模块(8)是神经网络，其包括：多个神经网络单元(42)，每个神经网络单元接收各自的输入数据并根据递归结构排列；以及注意级(45)，其对从所述神经网络单元(42)接收的输出实施注意算法以提供所述输出状态监测信号的重建值。
6.根据前述权利要求中任一项所述的系统，其中：<...
【技术特征摘要】
【国外来华专利技术】
1.一种虚拟传感系统(1)，其用于监测容器包装机(2)的状态，该容器包装机用于包装填充有可倾倒食品的容器，所述系统(1)被配置为基于来自所述容器包装机(2)的输入数据重建目标状态监测信号，并且其包括：
2.根据权利要求1所述的系统，其中所述目标状态监测信号是振动信号。
3.根据权利要求1或权利要求2所述的系统，其中所述机器学习算法已基于训练数据集进行训练，该训练数据集包括参考输入数据，其指示要重建的参考目标状态监测信号和所述参考目标状态监测信号。
4.根据权利要求1至3中任一项所述的系统，其还包括训练模块(10)，该训练模块能操作地耦合到所述ai模块(8)并被配置为基于持续学习方法训练所述ai模块(8)。
5.根据前述权利要求中任一项所述的系统，其中所述ai模块(8)是神经网络，其包括：多个神经网络单元(42)，每个神经网络单元接收各自的输入数据并根据递归结构排列；以及注意级(45)，其对从所述神经网络单元(42)接收的输出实施注意算法以提供所述输出状态监测信号的重建值。
6.根据前述权利要求中任一项所述的系统，其中：
7.根据前述权利要求中的任一项所述的系统，其中所述ai模块(8)包含在位于远程服务器中的中央处理单元(100)中，该中央处理单元远离所述容器包装...
【专利技术属性】
技术研发人员：费德里科·坎波，卢卡·卡普里，雅各布·卡瓦拉格里奥卡马戈莫拉诺，
申请(专利权)人：利乐拉瓦尔集团及财务有限公司，
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。