买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽中烟工业有限责任公司申请的专利一种烟叶切丝机排链打滑的监测方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116831309B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310950843.7，技术领域涉及：A24B7/14；该发明授权一种烟叶切丝机排链打滑的监测方法和系统是由徐迎波;曹海兵;王鹏;张晖;谢鹏;贾志宇;许舒婷;谭鑫;殷嵩;宋玮薇设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种烟叶切丝机排链打滑的监测方法和系统在说明书摘要公布了：本发明公开了一种烟叶切丝机排链打滑的监测方法及系统，属于卷烟制造技术领域；该方法包括以下步骤：1实时采集切丝机工艺参数数据、上下排链转速数据和上下排链电机电流数据；2将工艺参数数据、上下排链转速数据和上下排链电机电流数据实时输入训练好的排链打滑监测模型中；3排链打滑监测模型根据输入数据的实时判断烟叶切丝机排链是否打滑。本发明基于电机电流、上下排链转速和烟丝宽度等技术参数，使用关联分析、机器学习等方法建立监测模型，利用监测模型实时监测铜排链打滑情况，以避免铜排链打滑影响烟丝宽度，从而提高烟丝的良品率。

本发明授权一种烟叶切丝机排链打滑的监测方法和系统在权利要求书中公布了：1.一种烟叶切丝机排链打滑的监测方法，其特征在于，包括以下步骤： 步骤1、采集烟叶切丝机的历史运行数据，包括：工艺参数、上、下排链的转速和上、下排链电机的电流和烟丝宽度；其中，所述工艺参数包括：烟叶配方、送料高度和刀门压力； 步骤2、从所述历史运行数据中截取有效加工时段的运行数据，然后在有效加工时段内按时间顺序将所截取的上、下排链的转速、上、下排链电机的电流、工艺参数和烟丝宽度进行对齐，得到对齐后的原始数据包； 步骤3、对所述原始数据包中上、下排链电机的电流进行降维处理，再对降维后的电流特征值进行筛选，得到筛选后的电流特征值； 步骤4、从所述原始数据包中获取相同工艺参数下的上、下排链的转速和烟丝宽度，并与筛选后的电流特征值进行匹配，形成相同工艺参数下的分析数据包，并与对应的排链打滑故障标记共同构成训练样本，从而由N个不同工艺参数下的训练样本构成训练数据集； 将任意第n个训练样本中第n个分析数据包的第i个电流特征值记作，第n个分析数据包的排链打滑故障记为真实标签，且，K表示真实标签的种类数，将第k类排链打滑故障的分析数据包的数量记作； 将第n个原始数据包中的上、下排链电机的电流记为； 步骤5、构建排链打滑监测网络，包括：基于CNN的特征提取层、数字处理模块、基于DNN的特征提取层、特征融合层和分类器，并对网络进行训练： 步骤5.1、构建基于CNN的特征提取层，是由q1个CNN单元块构成，且每个CNN单元块依次由归一化BN、激活函数ReLU及一维卷积构成； 将第n个原始数据包中的电流输入所述基于CNN的特征提取层中，并依次经过q1个CNN单元块的处理后，得到第n个特征处理结果cnnResult_n； 步骤5.2、所述数字处理模块对第n个原始数据包中的电流和第i个电流特征值分别进行时域特征提取、频率特征提取及时频特征提取后，得到第n个电流时频特征矩阵； 步骤5.3、构建基于DNN的特征提取层，是由q2个DNN单元块构成，且每个DNN单元块依次由归一化BN、激活函数ReLU及DNN层构成； 所述第n个电流时频特征矩阵输入所述基于DNN的特征中，并依次经过q2个DNN单元块的处理后，得到特征处理结果dnnResult_n； 步骤5.4、所述特征融合层将cnnResult_n和dnnResult_n进行融合后，得到第n个融合结果并输入全连接层中进行处理，输出第n个融合特征向量； 步骤5.5、所述第n个融合特征向量输入所述分类器中，并经过Softmax函数的处理后，输出第n个融合特征向量对应的排链打滑故障预测标签； 步骤5.6、基于真实标签和预测标签构建排链打滑监测网络的交叉熵损失函数，从而基于训练数据集，利用通过梯度下降算法对排链打滑监测网络进行训练，并计算所述交叉熵损失函数以更新网络参数，直到交叉熵损失函数收敛或达到最大迭代次数为止，从而得到训练后的排链打滑监测模型； 步骤6、利用训练后的排链打滑监测模型对实时采集的切丝机工艺参数、上下排链转速和上、下排链电机电流进行预测，得到排链打滑故障预测结果，以判断烟叶切丝机的排链是否打滑。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽中烟工业有限责任公司，其通讯地址为：230088 安徽省合肥市高新区黄山路606号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。