论文部分内容阅读
本课题以气雾剂灌装生产线为研究对象,针对企业提高灌装生产线智能化和信息化的需求,设计和实现了一种适应多种工况的可配置数据采集系统。通过对生产过程中的数据进行采集、存储和分析,实现了生产过程监测以及生产线故障诊断,有利于企业及时调整生产,提高产品合格率。本文的主要研究内容如下:(1)结合企业的需求以及灌装生产线的实际情况,完成数据采集系统的总体方案设计。总体方案包括数据采集端、服务器端和用户端,分别用于数据的采集、存储和分析。完成数据采集端和服务器端的架构设计。数据采集端包括生产数据采集终端、维修数据采集终端和产品数据采集终端,通过选用不同的采集终端,可以适应不同生产线的数据采集。(2)设计三种数据采集终端。生产数据采集终端过传感器获取数据,并通过HTTP协议实现数据的上传,将生产数据存储至服务器端。该终端的硬件部分包括最小系统、通信模块、采集模块、存储模块等,软件部分包括FreeRTOS实时操作系统、时间片轮转调度算法、HTTP接口等。维修数据采集终端通过HTTP协议实现不同维修状态信息的上传,将维修数据存储至服务器端。产品数据采集终端通过MQTT协议实现读取到的PLC数据的上传,将产品数据存储至服务器端。(3)研究异常值剔除算法,并设计服务器端数据库。为保证数据的准确性,通过分布图算法对采集数据进行预处理,剔除异常值。服务器端选用MySQL数据库,设计三张数据表分别存储三种数据采集终端采集到的数据;通过数据表分区解决海量数据导致的查询速度变慢问题;通过历史数据转存完成历史数据的存储,保证当前表的性能。(4)研究统计过程控制方法和机器学习算法,实现生产过程监测和生产线故障诊断。通过单变量控制图和多变量控制图监测和分析灌装生产过程,判断生产过程的稳定性,发现生产中的异常。通过BP神经网络以及遗传算法优化的BP神经网络学习训练集数据,建立故障诊断模型,并通过测试集数据完成验证,实现灌装生产线的故障诊断。本文的贡献在于:研发了一种适应多种工况的可配置数据采集系统,实现了生产线重要数据的采集;同时,通过控制图实现了生产过程监测,通过遗传算法优化的BP神经网络实现了生产线故障诊断。相关研究工作提高了现有灌装生产线的现代化和智能化程度。