［摘要］本文提出一种基于多传感器融合与自编码学习的烟草包装机械在线状态感知及预警框架。在输送轨道、贴标和热封等关键节点同步采集振动、电流及张力信号，采用Daubechies-4小波分解与Z-Score标准化提取多尺度时频特征，并基于仅含正常工况数据构建LSTM自编码器，在线量化重构误差与预测残差。通过两类误差的历史统计自适应阈值及其相对贡献分析，实时触发对贴标卡纸、膜张力异常或热封过载等微小故障的可解释预警。该框架无须故障标注，兼顾高灵敏度、低误报及边缘部署低时延，支持包装机械智能化运维。

　　［关键词］多传感器融合；小波时频分析；自编码器；重构误差；动态阈值预警

　　0引言

　　烟草行业已向高效化和智能化转型，但传统包装机械的状态监测仍依赖人工巡检与经验阈值设定，这种方式已难以满足设备对高可靠性与持续运行的严格要求[1]。物联网与边缘计算技术的兴起，使多传感器数据得以实时采集与初步处理[2]。与此同时，深度学习在时序信号特征提取与异常检测方面展现出显著优势[3]，为复杂机械系统的在线状态感知与故障预警提供了全新思路。鉴于包装机械在生产线中承担的高速、连续运转任务，亟须构建一套融合多传感器数据与深度模型的智能预警框架，以便从时序数据中精准识别微弱异常并实现早期预警。

　　现有监测方案多局限于单一振动或电流信号[4]，并结合阈值或简单统计模型进行故障判定，因而存在数据孤岛、对噪声敏感且对多工况切换的适应性不足等问题[5-6]。此外，包装机械典型故障（如贴标卡纸、膜张力异常或热封过载）在早期往往以多传感器信号之间的复杂关联和深层时序特征为表现，传统方法难以有效捕捉不同通道间的依赖关系与潜在模式，也难以在保持高检测准确率与强响应时效间取得平衡，所以亟待引入具备无监督或半监督学习能力的先进技术加以解决[7]。

　　同时包装机械运行过程中异常样本极度匮乏。传统监督学习方法依赖大量标注故障数据，这在实际生产环境中难以获得，同时容易因样本不平衡而导致模型过拟合[8]。自编码器是一种基于正常工况数据的无监督表征学习技术，通过训练网络重建输入信号来捕捉其内在分布和关键特征。在在线推理阶段，当异常信号无法被模型准确还原时，重建误差即可用作衡量偏离正常状态的指标。该方法无须任何故障标签即可完成训练，从而大幅降低数据采集和标注成本。自编码器对新型故障模式具有天然的敏感性和良好的泛化能力，能够有效识别此前未见的异常信号。重建误差作为可量化的异常评分依据，具备良好的可解释性，并可与动态阈值化策略结合，实现对微小异常状态的实时预警。与传统监督检测模型相比，自编码器在包装机械状态感知与预警应用中展现出了更高的灵活性和鲁棒性。

　　为此，本文提出一种基于自编码学习的烟草包装机械状态感知及预警架构，旨在辅助构建智能在线监测系统，主要包含三个方面：首先，通过多传感器数据融合与特征提取模块，对振动、电流和张力多个通道的时序信号进行小波分解与标准化预处理，实现对细微信号特征的高保真提取。其次，以自编码器与长短期记忆网络组合（LSTM-AE）的深度模型在仅依赖设备正常运行数据的前提下学习“正常—异常”状态的深层表征，无须故障标签即可完成模式识别。最后，通过在线预警策略对重构误差和预测残差实施动态阈值判断，输出具备可解释性的异常评分指标，用于实时检测并精准预警微小故障。

　　1基于小波时频分析的包装机械状态特征提取方法

　　如图1所示，基于小波时频分析的包装机械状态特征提取方法，通过多传感器同步采集、小波时频分解及多维统计特征融合，构建高维判别向量，从而实现包装机械微小故障的早期精准预警。

　　1.1多传感器信号采集与同步

　　在包装机械的输送辊道、热封机构与贴标装置等关键工艺节点分别布设三轴加速度计、电流传感器与应变片式张力传感器，以实现对整盒输送振动信号x(t)、电机电流波动信号i(t)与标签张力变化信号T(t)的高精度采集。所有通道统一采样率为fs=10 kHz，数据通过工业以太网汇聚至边缘网关，并采用IEEE 1588精密时间协议对采样时间戳ti进行校准，使各通道时差|ti-tj|保证在1 ms以内，从而为后续时频特征提取提供毫秒级对齐保障[9]。

　　1.2小波分解与标准化预处理

　　包装机械振动信号可表示为真实机械响应s(t)、50 Hz工频干扰p(t)与随机噪声n(t)的叠加：

　　2基于自动编码器的包装机械异常状态检测

　　本文的LSTM-AE（可由多层组成）的在线预警架构：如图2所示，编码器以滑动窗口时频特征序列为输入，层层提炼并输出低维潜在表示，解码器则基于该潜在表示重构原始序列，将正常工况流形内嵌于网络。模型仅以正常数据训练，通过最小化重构误差在线量化异常偏离，并结合动态阈值触发MES预警，实现微小故障的高灵敏检测与精准响应，显著提升包装机械可用率与生产效率。

　　2.1模型架构与输入定义

　　将小波时频特征提取模块输出的滑动窗口序列定义为Fk=[fk-T+1,…,fk]∈RT×d。其中，T表示窗口长度（如T=10），d为单窗口特征维度。多层LSTM编码器由L层堆叠单元组成，第l层的时刻t隐藏状态与细胞状态满足：

　　2.3系统集成与预警策略

　　模型部署于边缘服务器，实时接收特征序列并输出Sk。当系统在检测到Sk＞T后自动通过MES接口下发维护工单，并在运维大屏中高亮“贴标卡纸”或“热封过载”等告警信息，并辅助提升包装机械可用率与综合设备效率。

　　3基于动态阈值的包装机械在线预警策略

　　在烟草包装机械的生产现场，为保障设备高效、稳定运行并最大程度降低因突发故障（如贴标卡纸、热封失效或膜张力异常）引发的计划外停机损失。基于动态阈值的包装机械在线预警策略综合利用重构误差与预测残差，并通过动态阈值自适应调整[11]，实现对包装机械运行状态的实时异常检测，以确保生产线持续、可靠地运转。

　　3.1重构误差与预测残差的定义

　　在状态感知与异常检测系统中，LSTM-AE处理来自“多传感器融合与小波时频特征提取”模块的高维输入向量fk。

　　其中，βrecon与βpred为调整预警灵敏度的超参数。该机制能够根据设备在不同工况下的运行历史，动态调整误差阈值，以有效降低误报与漏报概率。

　　3.3可解释的预警指标与决策支持

　　系统对每个时刻k同步比较两类误差与对应阈值，构建综合预警指标：Sk=max[Srecon(k)，Spred(k)]。当Sk超出任一阈值时，触发预警。为提升预警结果的可解释性，系统进一步分析重构误差与预测残差在触发时的相对贡献。

　　若Srecon(k)显著超过其阈值而Spred(k)较低，系统倾向于判断为贴标机构卡纸或膜张力不足等显性故障；若Spred(k)占主导，则可能存在热封电机过载或送料伺服异常等潜伏性风险。通过上述基于重构误差与预测残差的动态预警策略，及解释性决策支持，包装机械的在线监测系统能够及时、准确地识别潜在故障，并为运维团队提供清晰的故障类型指引。

　　4讨论

　　未来研究可从模型泛化与误报抑制两方面展开。首先在不同类型或不同厂家的包装机械上引入迁移学习与域适应方法，以提升架构的跨设备适用性。其次可拓展温度和声学等更多传感通道，构建全面的多模态特征空间，并采用在线优化或强化学习的方法动态调整阈值超参数，进一步降低误报率与漏报率。

　　在工程应用层面，应将轻量化的LSTM-AE模型与动态预警逻辑部署于边缘计算设备，以实现低延时的在线监测。同时可结合数字孪生技术构建包装机械全生命周期仿真模型，用于在线校准与预测性维护。最终通过实时可视化平台为运维人员提供故障演变轨迹与决策支持，推动生产线的高可靠性与智能化运维。

　　5结束语

　　本文提出了一种基于LSTM-AE的烟草包装机械在线状态感知与预警架构。该架构首先通过多传感器融合与小波分解对振动、电流与张力等多通道时序信号进行标准化预处理，有效提取微弱故障特征。其次在仅依赖设备正常运行数据的前提下，利用LSTM-AE深度模型学习正常与异常状态的深层表征，实现无监督模式识别。最后基于重构误差与预测残差的历史统计分布自适应调整预警阈值，并结合两类误差的相对贡献计算可解释的异常评分，从而能够实时、精准地检测贴标卡纸、热封过载等微小故障。

主要参考文献

　　［1］许佩.故障诊断技术在烟草机械中的应用［J］.价值工程，2018，37（21）：205-206.

　　［2］唐国帅.ZB25、ZB45包装机一号轮工装的设计及应用［J］.轻工标准与质量，2020（6）：96-97.

　　［3］肖娜，周孟申.基于卷积自编码神经网络的航空发动机轴承故障诊断方法研究［J］.计算机测量与控制，2021，29（12）：84-88.

　　［4］肖军.滚动轴承常见故障及诊断［J］.工程机械与维修，2007，157（12）：166-167.

　　［5］艾延廷，方妍，田晶.峭度准则EMD与空域相关结合的滚动轴承故障特征提取［J］.机械设计与制造，2019（12）：213-216.

　　［6］陈辉，李伟光，林鑫，等.谱峭度方法在柔性薄壁轴承故障特征频率提取中的应用［J］.振动与冲击，2020，39（1）：131-139.

　　［7］胡爱军，赵军.基于自适应最大相关峭度解卷积的滚动轴承多故障诊断［J］.振动与冲击，2019，38（22）：171-177.

　　［8］姜祎，王亚珍，赵坤，等.谐波减速器柔性薄壁轴承的力学特性分析［J］.轴承，2017（1）：10-14.

　　［9］张雄.基于谱峭度类算法的滚动轴承故障特征提取及诊断研究［D］.北京：华北电力大学，2019.

　　［10］周智，朱永生，张优云，等.基于MMSE和谱峭度的滚动轴承故障诊断方法［J］.振动与冲击，2013，32（6）：73-77，83.

　　［11］管腾飞，韩捷，李永耀，等.矢Wigner三谱分析及其在齿轮故障诊断中的研究［J］.机械设计与制造，2016（1）：225-227.

　　［12］王亚珍，赵坤，姜祎，等.预应力对柔性薄壁轴承疲劳寿命的影响［J］.润滑与密封，2017，42（3）：54-58.