卷烟工厂生产异常信息分析及推送系统

卷烟工厂信息化程度高,采集了丰富的生产数据,如何有效利用这些生产数据来监控生产过程中的异常信息,是本文研究重点.在以往的监控中,管理者通过生产看板和人工反馈发现异常信息,并做出调整.这种方式对异常信息的响应速度慢,且存在疏漏.因此,本文提出了一种卷包车间生产异常信息分析方法来获取有效异常信息,同时将该信息通过移动平台推送给相关管理人员,从而提高异常信息响应能力和生产管控水平.     

基于机器学习的切丝后含水率预测及控制方法

选取云烟(A)牌号制丝生产过程稳态数据样本,采用递归特征消除法分析模型的影响变量。基于车间温湿度SARIMAX预测模型,利用蒙特卡洛仿真、神经网络算法和XGBoost算法建立切丝后含水率控制模型,通过预测值与实际值对比的方法进行模型检验。结果表明,在工艺标准值±0.15%的误差范围内,切丝后含水率准确率由62.57%提升至86.49%;切丝后含水率的过程能力指数达标率由91.44%提升至97.30%。该方法实现了前后工序参数协同和精准控制,有效保证了制丝过程中切丝后含水率的稳定性。     

基于Android手机的智能轮椅室外导航方法

将Android手机与Google卫星地图结合,可作为便携易用的室外导航控制器.利用Google卫星地图提供的环境数据,提出一种基于Android手机进行智能轮椅室外导航的方法.该方法采用扩展卡尔曼滤波进行信息融合,以提高轮椅位姿估算精度,建立基于行为的动态路径规划算法,实现局部未知环境下的路径规划.通过室外导航实验验证了该方法的有效性.