一种绿茶粉豆筋生产工艺的在线监控方法与流程

摘要: 本发明涉及智能食品加工,更具体地涉及一种绿茶粉豆筋生产工艺的在线监控方法。背景技术:1、绿茶粉豆筋作为一种融合茶多酚与大豆蛋白的功能性食品,其生产工艺涵盖了原料...
一种绿茶粉豆筋生产工艺的在线监控方法与流程

本发明涉及智能食品加工,更具体地涉及一种绿茶粉豆筋生产工艺的在线监控方法。

背景技术:

1、绿茶粉豆筋作为一种融合茶多酚与大豆蛋白的功能性食品,其生产工艺涵盖了原料混合、挤压成型及热风干燥等多个关键工序,涉及螺杆转速、模头压力、热风温度等多物理场参数的复杂耦合作用,加工过程中物料的流变特性与营养成分的稳定性对工艺波动极为敏感。随着食品制造向智能化转型,生产线已具备完善的数据采集基础,能够实时获取混合段搅拌电流、挤压段温度压力及干燥段湿度等海量过程数据,传统的生产管控方式多采用基于统计过程控制的离线检测或单一参数阈值报警机制,通过记录各工序节点的设备运行状态与成品检测结果来构建历史生产数据库,为后续的品质追溯与工艺优化提供数据来源。

2、然而,现有技术在对绿茶粉豆筋生产过程进行监控时存在诸多局限性:

3、首先,现有的监控手段多采用基于单点阈值的静态报警机制,仅关注数据是否越限,无法量化表征工艺曲线相对于历史基准的动态漂移程度,导致对渐进性工艺偏差的预警滞后;其次,由于生产工艺流程长且工序间关联紧密,现有技术往往割裂地看待各节点的异常,缺乏基于偏差传导机理的溯源分析能力,难以从拓扑结构上精准定位偏差引入的根源节点,导致异常排查效率低下;再次,在异常判定方面,现有技术通常孤立地监测设备运行数据或物料状态数据,忽视了挤压膨化等物理过程中“机-物”状态参数间的强耦合约束关系,易将符合物理规律的正常工况波动误判为异常,缺乏对工艺机理一致性校验的深度分析;最后,针对品质调控环节,现有技术缺乏对多目标品质指标冲突的定量评估,在制定参数调节策略时无法权衡修正效果与实施损耗,难以实现兼顾品质最优与能耗最低的闭环智能决策。

技术实现思路

1、为了克服现有技术的上述缺陷,本发明提供了一种绿茶粉豆筋生产工艺的在线监控方法,以解决上述背景技术中存在的问题。

2、本发明提供如下技术方案:一种绿茶粉豆筋生产工艺的在线监控方法,包括:

3、s1:从历史生产数据库中提取绿茶粉豆筋生产的多批次生产数据,分析得到输入层数据对输出层数据的影响权重矩阵,依据影响权重矩阵筛选出对成品品质影响显著的工序节点作为关键分叉点,生成监控目标列表;

4、s2:基于确定的关键分叉点,定向采集实时工艺数据并构建实时工艺曲线序列,提取历史品质达标批次在相同分叉点的工艺数据构建参考基准曲线序列,根据实时工艺曲线序列与参考基准曲线序列进行偏差分析,得到工艺漂移指数,判定当前批次在关键分叉点上的工艺漂移趋势;

5、s3:根据趋势判定结果,基于影响权重矩阵对异常节点的上游关键分叉点参数与异常节点参数的波动关联性进行分析,得到偏差传导系数,定位偏差引入节点并确定异常传导路径;

6、s4:基于偏差引入节点提取设备运行数据与物料状态数据,对设备运行数据与物料状态数据进行耦合关联分析,得到状态耦合偏差系数,判定工艺偏差是否属于实际工艺异常;

7、s5:基于实际工艺异常判定结果,对实际工艺异常进行针对成品品质检测数据的多目标影响分析,得到品质冲突强度指数,并生成品质冲突风险等级;

8、s6:基于生成的品质冲突风险等级,确定关键节点的可调参数及可调参数边界,对参数调节的品质修正效果与实施损耗进行分析,得到调节优先级,生成工艺参数调节指令。

9、优选的,所述s1分析得到输入层数据对输出层数据的影响权重矩阵,包括:

10、基于从历史生产数据库中提取的多批次生产数据构建多维数据集,所述多批次生产数据包括原料特征数据、工序过程数据以及成品品质检测数据,将原料特征数据和工序过程数据定义为输入层数据,将成品品质检测数据定义为输出层数据;其中,所述原料特征数据包括绿茶粉粒径分布、大豆蛋白浓度,所述工序过程数据对应的工序参数具体包括混合段搅拌电流、挤压段螺杆转速与模头压力、干燥段热风温度与排湿风速,所述成品品质检测数据包括茶多酚保留率、豆筋拉伸强度、产品色差值;

11、计算输入层数据中各参数在历史生产数据中的波动幅度,具体为计算各参数数值的历史标准差;计算波动幅度引起成品品质检测数据值的变化量;对变化量与波动幅度的比值进行归一化处理,将归一化处理后的数值作为影响权重系数构建影响权重矩阵;

12、所述依据影响权重矩阵筛选出对成品品质影响显著的工序节点作为关键分叉点,生成监控目标列表,包括:

13、根据绿茶粉豆筋的生产工艺流程,将工序过程数据映射至预先划分的工序节点中,所述工序节点至少包括混合节点、挤压节点及干燥节点;

14、对归属于同一工序节点的工序过程数据的影响权重系数进行求和运算,得到各工序节点的综合影响得分;

15、按照综合影响得分从高到低的顺序对各工序节点进行排序;以所有工序节点的综合影响得分总和为分母,依次计算排名靠前的工序节点的累计影响得分占综合影响得分总和的累计比例;当累计比例首次达到或超过预设的累计贡献率阈值时,将当前已参与累计的工序节点标记为关键分叉点,并将剩余未参与累计的工序节点判定为非关键节点;提取关键分叉点对应的工序参数生成监控目标列表。

16、优选的,所述s2依据监控目标列表锁定关键分叉点对应的数据采集终端,定向采集关键分叉点所对应的工序参数,构建实时工艺曲线序列;

17、从历史生产数据库中检索成品品质检测数据处于预设合格范围的历史批次,提取该历史批次在相同关键分叉点下的历史工艺数据,经统计平均处理构建参考基准曲线序列;

18、利用动态时间规整算法对齐实时工艺曲线序列与参考基准曲线序列的时间轴,计算对齐后两序列在各时间点的幅值偏差,对幅值偏差进行积分运算得到偏差总面积,将偏差总面积映射为工艺漂移指数;并实时监测工艺漂移指数的数值变化,若工艺漂移指数超过预设的漂移阈值时,判定当前批次在关键分叉点上存在工艺漂移趋势,若工艺漂移指数未超过预设的漂移阈值时,判定当前批次在关键分叉点上工艺稳定。

19、优选的,所述s3当趋势判定结果为存在工艺漂移趋势时,将对应的关键分叉点标记为异常节点;

20、依据绿茶粉豆筋生产工艺流程溯源确定异常节点的至少一个上游关键分叉点;调用s1所得影响权重矩阵中归属于上游关键分叉点的工序参数的影响权重系数,结合s2所得的工艺漂移指数进行加权关联度计算,得到偏差传导系数,具体计算过程为:获取上游关键分叉点的工艺漂移指数,计算该工艺漂移指数与影响权重系数的乘积,得到加权漂移量,计算加权漂移量相对于异常节点的工艺漂移指数的占比,将该占比作为偏差传导系数;

21、若偏差传导系数超过预设的传导阈值,则判定该上游关键分叉点为偏差引入节点,并构建由偏差引入节点指向异常节点的链路作为异常传导路径;若偏差传导系数未超过预设的传导阈值,则判定该上游关键分叉点为非偏差引入节点。

22、优选的,所述s4基于偏差引入节点,定向采集该节点对应的设备运行数据并同步获取该节点处的物料状态数据,构建以设备运行数据为第一维、以物料状态数据为第二维的状态轨迹空间,并将当前的设备运行数据与物料状态数据组合映射为实时状态数据点;

23、调用历史生产数据库中历史品质达标批次在相同偏差引入节点下的设备运行数据与物料状态数据投射至状态轨迹空间,拟合得到标准状态轨迹置信域;

24、计算实时状态数据点到标准状态轨迹置信域中心的欧氏距离作为空间偏离距离,并确定由标准状态轨迹置信域中心指向实时状态数据点的向量方向为几何偏离方向;

25、获取预设的工艺物理约束方向,所述工艺物理约束方向是指依据绿茶粉豆筋生产工艺机理确定的、设备运行数据变化引起物料状态数据变化的理论因果矢量方向;计算几何偏离方向与工艺物理约束方向的向量夹角余弦值进行一致性比对,根据向量夹角余弦值对空间偏离距离进行加权修正,得到状态耦合偏差系数;

26、当状态耦合偏差系数超过预设阈值且几何偏离方向与工艺物理约束方向不一致时,判定工艺偏差属于实际工艺异常;否则,判定当前工艺状态属于正常工况波动,维持当前生产参数不变,并返回s2继续进行实时工艺数据的采集与监测。

27、优选的,所述s5基于实际工艺异常判定结果,调用影响权重矩阵中偏差引入节点对应的工序参数对各成品品质检测数据的影响权重系数,结合状态耦合偏差系数进行线性加权映射,构建多目标品质影响向量;

28、构建由各成品品质检测数据的目标变化方向组成的品质目标方向向量,计算多目标品质影响向量在品质目标方向向量上的投影分量,提取与目标方向相反的投影分量进行累积计算,得到品质冲突强度指数;

29、将品质冲突强度指数与预设的风险分级阈值进行区间比对,根据比对结果所属的阈值区间生成品质冲突风险等级。

30、优选的,所述s6基于生成的品质冲突风险等级,当风险等级处于预设的高风险区间时,锁定偏差引入节点作为调节对象;调用影响权重矩阵,提取归属于该节点的工序参数作为可调参数,并依据设备安全运行限值确定可调参数边界;基于影响权重系数构建品质修正矢量,计算可调参数的单位调节量在品质目标方向向量上的投影分量作为品质修正增益,同时结合设备能耗数据计算参数调节的实施损耗系数;将品质修正增益与实施损耗系数的比值量化为调节优先级指数,依据调节优先级指数从高到低的顺序选取目标可调参数,生成工艺参数调节指令。

31、本发明的技术效果和优点:

32、(1)通过筛选关键分叉点并构建实时工艺曲线序列与参考基准曲线序列,利用动态时间规整算法计算工艺漂移指数,实现了对工艺数据的动态量化分析,突破了单一阈值报警的局限,能够灵敏捕捉工艺曲线相对于历史基准的微小动态漂移趋势,显著提升了对渐进性工艺偏差的预警时效性。

33、(2)基于影响权重矩阵,对异常节点与上游关键分叉点进行波动关联性分析并计算偏差传导系数,构建了清晰的异常传导路径,能够从复杂的工艺流程拓扑结构中精准定位偏差引入的根源节点,解决了传统监控手段孤立看待节点异常导致的排查效率低下问题。

34、(3)通过构建状态轨迹空间,计算几何偏离方向与工艺物理约束方向的向量夹角,对设备运行数据与物料状态数据进行耦合关联分析,有效剔除了符合物理规律的正常工况波动,仅保留违背工艺机理的真实异常,大幅降低了误判率,提高了监控结果的准确性。

35、(4)通过计算品质冲突强度指数以量化多目标品质冲突风险,并综合分析品质修正效果与实施损耗,计算调节优先级指数。该方法实现了在保障成品品质前提下的低损耗优化调节,解决了传统调控无法权衡多目标冲突与经济成本的难题,实现了品质最优与能耗最低的闭环智能决策。