CN103590230B

CN103590230B - 一种测量花纱特征的方法

Info

Publication number: CN103590230B
Application number: CN201310118070.2A
Authority: CN
Inventors: C·梅克希内; G·皮特; S·艾德拉特-普尔
Original assignee: Uster Technologies AG
Current assignee: Uster Technologies AG
Priority date: 2005-11-18
Filing date: 2006-11-15
Publication date: 2016-08-03
Anticipated expiration: 2026-11-15
Also published as: EP1949097B1; CN103592427A; CN103590230A; EP1949096A2; CN101310180B; US20080288101A1; EP2270494A2; EP2278328A3; JP5354407B2; US7832190B2; EP1960770B1; CN103591918A; JP5354409B2; EP1960770A2; JP2009516783A; CN103591918B; EP2275813A2; US7836674B2; CN101310181B; US20110061358A1

Abstract

本发明所述的测量花纱特征的方法，包括，延花纱的纵轴方向扫描花纱的至少一个特征；处理扫描后得到的值并且；输出处理的结果；所述处理得到的至少一个结果作为图形输出，所述图形输出为三维立体图，三维立体图的第一个维度显示竹节长度（L_E），第二个维度显示质量增加值（△M）或竹节（92）直径增加值，以及第三维度显示观测到的各竹节特征（L_E,△M）频数（H）。这种图形显示的方法可以提供对表征花纱特征的数据的快速的直观感受。

Description

一种测量花纱特征的方法

技术领域

本发明涉及一种测量花纱特征的方法，具体涉及一种适用于例如纺纱或绕线工作中纤维实验室或生产线应用的测量花纱特征的方法。

背景技术

花纱是指那些结构或含量不同于正常平滑纱线的纱线。它经常出现在于织造产品及针织产品中。花纱往往出现多种粗细不均的地方，即所谓竹节，其直径比所谓的基纱显著的增大或缩小。故意制作的没有基纱的厚度变化纱线也算花纱的一种。日益普及的花纱应用要求可靠和有意义的测量方法。往往需要测量的花纱变量有很多，例如基纱的直径，竹节的直径，竹节数量，竹节长度，竹节距离等等。这些变量可以用于控制现有花纱的质量，也可以用来决定制造花纱时那些数据是必要的。

目前众所周知的测量纱线特征的方法和装置通常是在纵向采用电容和/或光学扫描的方式测量纱线。电容式扫描提供了一个表征纱线质量的信号，而光学扫描提供了一个与纱线直径成比例的信号。扫描信号可以采用模拟或数字信号的方式，可以同时输出一个或者几个这样的测量结果。例如，专利公开文献EP-0578975A1和EP-0249741A2就公开了测量的纱线特征的类似方法和装置。以上的这些纱线的测量系统都是由申请人提出，并在全世界受到知识产权保护的。

为了获取纱线颜色，即纱线对光谱的反射特性。如据WO-2004/044579所述的适用于照明纱线的多种有色光源。纱线所反射的光线分别在至少两个不同光谱范围被探测。基于前述至少两个检测信号的信息来确定纱线颜色。同时采用不同波长扫描纺织材料的光学方法，也可以从CH674379或DE-19859274号专利中得知。

WO-2005/071150A1，WO-2005/038105A1和WO-2005/037699A1号专利特别针对花纱，以上文件的要点归纳如下：

确定基纱的直径：首先，在一个较大的长度范围内来计算纱线直径的算术平均值。这样就减轻了个别数据对纱线直径的影响。该算术平均值一切负值结合已测到的相邻的其他负值共同定义为基纱的直径。

确定竹节的始端，末端和长度：如果在一定的纱线长度内，一个极限直径开始过于激烈且持续的超过基纱的直径则定义为竹节始端。如果前述极限直径减少并且这种减少持续了一定长度，定义为竹节末端；竹节长度是指竹节始端和末端之间的距离。

确定竹节的直径：在一个竹节内所存在一定数量的最大直径定义为竹节的直径。

虽然以上描述花纱特征的方法十分有用，但也有几个缺点。测量的结果包含大量的数据，这些数据不明确且难以处理，难以甄别合适的具有明显代表性的数据。前述方法，当基纱直径过大而竹节长度是过小时缺点尤其明显。

发明内容

本发明提供了一种清楚的显示测量结果的测量花纱特征的方法。本发明相比于WO-2005/037688A1有效的减少数据量。本发明还可以将数据以一定的标准划分为若干类别，既可以将数据划分为关于竹节的或将数据划分为关于瑕疵的。

本发明所述的测量花纱特征的方法，其中的花纱包含一系列竹节和基纱。包括，延花纱的纵轴方向扫描花纱的至少一个特征；处理扫描后得到的值并且；输出处理的结果；这些花纱参数例如基纱质量，基纱直径，竹节距离，竹节质量增加值，竹节直径增加值，竹节直径，竹节长度和/或竹节数量。其中至少一个处理后的结果是以图形的形式输出。这种图形显示的方法可以有效减少数据数量。并提供了对数据的快速的直观感受。还可以将数据以一定的标准划分为若干类别。在下述的实施例中，该图形显示为散点图，并且其中至少一个被扫描的特征为花纱质量和/或直径。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明。

图1是进行该方法而使用的设备示意图；

图2是一个在纵向上花纱质量读数的例子的示意图；

图3是图2所示信号的频数分布H(M)示意图；

图4是图2局部放大图；

图5-图15是纱线可能输出数据的各个类型示意图；

图16是双层竹节实施例的示意图；

图17是一个可行的多层花纱测量方式示意图；

图18是花纱一系列数据的谱图；

图19是将竹节读数平滑或理想化后进一步得到的图形；

图20是有凹陷的竹节曲线示意图；

图21是测量曲线下方区域的积分曲线；

图22是每单位长度数值的处理曲线；其中图22(a)展示的是原始曲线，图22(b)是理想化的曲线，图22(c)是从原始曲线中减去理想化曲线得到的曲线；

图23是图22曲线的谱图，其中图23(a)是原始读数的谱图，图23(b)显示单个竹节的谱图，图23(c)显示虚拟基纱的谱图；

图24是图22曲线的散点图，其中图24(a)是原始读数的散点图，图24(b)显示单个竹节的散点图，图24(c)显示虚拟基纱的散点图。

具体实施方式

图1所示的是为进行该方法而使用的设备1。它包含一个扫描花纱9、基纱91和竹节92，92′的扫描单元2，花纱延x轴方向移动。在这里，“扫描”的意思就是对花纱9多处等距离的点进行读取，并形成连续的记录。这种扫描单元2本身是已知的，在此不再赘述。扫描单元2可以含有电容，光学或其他传感器，也有若干相同或不同的传感器共同安排在扫描单元2内。扫描单元2可以提供初步的测量数据。这些电气信号可以表征花纱9的质量，厚度或其他特征，并通过第一数据线23输出。

处理单元3与扫描单元2通过第一数据线23相连接，处理单元3用于处理从扫描单元2采集到的信号。为此，处理单元3包含了合适的模拟和/或数字处理部件，如一个微处理器。处理单元3也可以包含其他部件，如包括存储器存储数据。处理单元3最好采用计算机。

此外，所述设备1包含输出单元4用于输出测量数据和/或处理结果。输出单元4通过第二数据线34与处理单元3相连接。输出单元4可以是显示器和/或打印机。该设备1，最好还包含能让用户端输入数据的输入单元5。输入单元5例如可以包括键盘、鼠标和/或触摸屏。

图2显示了一个扫描单元2可能的输出信号100。因此，测一个变量，例如沿花纱9长度坐标轴x测量每单位长度花纱9(见图1)上的质量M。这种质量M是典型由电容纱线传感器测得的。测量花纱9沿长度坐标x的厚度会有相似的显示，其中横坐标和纵坐标以及内容可能不同；厚度信号通常是由光学纱线传感器测得的。曲线M(x)不一定是连续的，可能是在花纱9上间隔几毫米的若干个(未显示在图2)扫描点组成的，所述间距取决于扫描单元2的扫描速率和花纱9的移动速度。信号M(x)有噪音底线101，噪音底线101相当于基纱质量M_S或基纱的直径。峰值102相对应的是竹节信号，峰值102显著的区别于噪音底线101。平均读数M_M是一大段纱线长度上包括峰值102在内的的读数M(x)的平均值，平均读数M_M大大高于噪音底线101，因此，M_M不适合衡量标准基纱质量M_S。在这里，应该指出的是，图2和随后进行的讨论仅仅代表一个可行的例子，该例子非限制性描述。在其他类型的花纱中，其不是唯一测定基纱的方式。

根据本发明最好的测量基纱质量M_S的方法如下。首先确定图2所示被测数据M的频数分布H(M)。这种频数分布H(M)如图3所示，该频数分布必须在较长的纱线长度下确定，这里的纱线长度可以理解为可能含有一定数据的竹节，例如至少有10个，而且最好至少100个。一个花纱9的频数分布H(M)包括至少两个局部极大值121，122；第一个局部极大值121为基纱91，并至少存在一个第二局部极大值122为竹节92，92′，……根据此定义，包括所有局部极大值121，122中，表示基纱91的局部极大值121的M值最小。据此原因，在频数分布H(M)中局部极大值121发生处的最小M值定义为基纱质量M_S。纱线体或基纱91上的纱的数据可以由基纱质量M_S算出来。可采用类似的方式，以确定该基纱的直径。

本发明另一种确定基纱质量的实施方式是，定义一个数据区间IM(见图3)，其中包括频数分布H(M)中第一局部极大值121发生处的最小M值。数据区间IM可能但不是必然对称出现在“最小M值”得两侧，换言之，“最小M值”可能但不是必然出现在数据区间IM的正中间。数据区间IM的上限最好设定在平均读数M_M之下。数据区间IM的宽度可以被预先设定一个固定值，比如为“最小M值”的±5％，该宽度可以由处理单元3自动设定或者由用户设定。在数据区间IM中所有M值的平均数就是基纱质量M_S。

图4显示的是图2所示曲线的局部放大图。通过图4进一步解释花纱的其他参数，如竹节长度L_E，竹节距离L_S，质量增加值△M，竹节总质量M_E是怎样测得的。

为确定竹节92的始端103和末端104，应当先确定一个阈值M_T，阈值M_T大于基纱质量M_S。阈值M_T可以被预先设定一个固定值，比如基纱质量M_S的110％，该数值可以由处理单元3自动设定或者由用户设定。竹节92的始端103是这样确定的，从噪声底线101开始计算，如果超过阈值M_T就算为始端。为了排除错误确定的始端，可以采用以下控制方式，可以测量该超过阈值现象是否持续了预定的纱线长度，即超过阈值的测量点后直接跟随的几个测量点是否同样超过阈值。为更准确的确定竹节92的始端103，向前追溯测量曲线M(x)，直至读数第一次小于或等于基纱质量M_S或另一种预定或计算的值。将该读数确定为竹节92的始端103。确定竹节92的末端104可以采用类似的方法：从峰值102开始计算，如果小于阈值M_T就算为末端，向后分析测量曲线M(x)，直至读数第一次小于或等于基纱质量M_S。如果需要，可以利用不同的阈值来确定竹节始端103和末端104。

根据本发明，竹节长度L_E为竹节92的始端103和末端104之间的距离。竹节距离L_S定义为一个竹节92的末端104到紧接着的下一个竹节92’的始端103’之间的距离。两个相邻竹节92，92’之间的距离为竹节长度L_E与竹节距离L_S的总和。典型的竹节长度L_E与竹节距离L_S介于2厘米至几米之间。

质量增加值△M大约为是花纱9突起部分增加的的直径，在最简单的情况下，其大约相当于峰值102上局部极大值105与基纱质量M_S之间的差。确定质量增加值△M的更加精确的方法是考虑到沿竹节长度方向扫描信号M(x)的波动。因此，举例来说，类似上文所述确定基纱质量M_S的方法-选取相应的竹节长度上最常见的值，并且平均这些在竹节顶端的值。质量增加值△M，最好指定为基纱质量M_S的倍数，如以百分比表示，其中，基纱质量M_S最好定义为100％。典型的质量增加值△M介于20％到500％之间。

进一步表征竹节92的数据就是所谓的竹节总质量M_E。其本质上是(i)竹节长度L_E上测量曲线M(x)的积分与(ii)竹节长度L_E上基纱质量M_S的差值。该竹节总质量M_E，可由处理单元3进行计算。花纱上的竹节92数量可由竹节总质量M_E算出来，这些计算包括将竹节总质量M_E除以竹节长度L_E。

竹节92的形状也可确定和输出。从而各种几何形状如长条形、三角形、梯形或铃形的竹节可以简单的比较(比照图18)；这些形状可以被输出单元4输出。

我们不仅可以得到单个竹节的“局部”参数。还可以得到一个花纱片段或整个花纱或几条花纱上的“总体”参数，所述“总体”参数是花纱数据的平均值(平均花纱值)，可以采用将所有数据平均的方式计算出来。我们还可以得到所有基纱的参数。进一步的“总体”参数是将竹节的空间频数平均，即平均每单位长度上的竹节数。

如上所述的花纱数据，进一步的应用最好是在进行扫描的同时动态测量。并连续的将测得的数据进行存储。这些存储不但有利于提供单个竹节的信息还有利于提供一系列竹节的信息。

扫描单元2(图1)最好同时包括电容和光学传感器，可以同时测量同一个纱线。为了更准确的测量，可以将电容和光学传感器的输出信号互相联系起来。电容测量有个好处是它提供了一个有良好信噪比的信号。该信号与每长度的质量成正比，因此与纱线的视觉感官不一致。其有一个缺点，就是在有竹节92的部位，其密度往往不同于基纱91。光学测量具有一个优势，就是更好地反映最直观的印象，因为基本上是测量有形的纱线直径，因此更适合于织物的测量。但光学测量信号比电容测量信号有更大的噪声。因此，可以采用合适的方式将两者的输出信号结合起来，利用两种测量方式各自的优势，消除或至少削弱它们各自的弊端。

测量的结果一方面可能会是一组变量，例如上述的各种花纱数据的最小值，最大值，算术平均值和/或标准差等。最重要的一个量可能是在单位长度上竹节92的数量。这些变量可作为字母标志输出。另一方面，可以通过输出单元4将上述的测量结果用图形的方式表示和输出。图5-11表现的就是这些可能的输出图形。

其中一个可行的表示方式是阶梯图，即用频数的阶梯图样来表示纱线数据。图5就显示了这样的三个例子。在每一个案例中纵坐标表示是每小时频数，横坐标表示的根据数据的类型各不相同，如图5(a)中横坐标表示质量增加值△M，如图5(b)横坐标表示竹节长度L_E，在图5(c)横坐标表示竹节距离L_S。横坐标可以是线性数据，对数或其他数据。该数据和/或轴的刻度可以自动计算出或由操作人员有选择的输入。这同样适用于某类的选择，也就是类的宽度。并非所有的类具有相同的宽度。

图6所示的是一个所谓的散点图(集合图)。其所显示的是在一段花纱9上所有竹节92的质量增加值△M和竹节长度L_E。每个竹节92都表示为一个在特定位置上的点。这种表示方式，将不同竹节92简化的分成了不同的类。因此，举例来说，从图6(a)来看这种简化显而易见，其中显示在一花纱9上有若干的竹节92，这些竹节分为以下三类(111-113)：

第一类111表示长度较短，高度较矮的竹节；

第二类112表示长度较长，高度较矮的竹节；

第三类113表示长度较长，高度较高的竹节。

根据散点图6(a)可以提供一种离散的分析方法。为此，人们可以会提供一个工具，以确定竹节类111-113，并将它们划分成彼此离散的类。如图6(b)所示的这样一种工具，可以让操作人员通过显示器和鼠标将111.1-113.1的类划分出来。一定的竹节点111-113分配给各个类111.1-113.1。各个类的形状可能例如：111.1那样形状为长方形，112.1那样的圆形或113.1那样的多边形。在类111.1-113.1之外的那些个单独的点都被定义为离群点，并等待进一步评估和/或分析，这些点可被定性为没有顾及的点。如果没有确定任何的类，则散点图的所有点都可算为应当这样对待的竹节。

还有其他可能的散点图形式，例如同时显示竹节总质量M_E和竹节长度L_E，竹节总质量M_E和质量增加值△M，等等。散点图可以标有颜色，其中，不同的颜色可以表明不同的测量、不同的点密度和/或数量或离散(参见图10)。图9是一个三维显示图，其平面上两个坐标△M和L_E如图6所示，第三个坐标则对应点的密度。

散点图可表示单个花纱样本或几个花纱样本。在后一种情况下，可以使用不同的颜色表示不同的花纱样品，来显示不同样本可能的区别。有几个花纱样本时，可以将整个花纱样品的测量结果与所有样品单独的结果同时显示，每个样本最好是单独分配一个颜色。

除了显示实际测量值，也可以将正常值或竹节类的正常情况显示在散点图上。并可以将实际测量值和正常值进行图形或纯数字的比较。这种比较的意义在于，例如：控制副本(实际值)的质量或确定一个标准花纱(正常值)。

也可以用图7所示的表格或分类矩阵的形式来统计测量结果，而不是采用散点图的形式。表中轴线对应散点图图6的轴线。竹节92的数量分别填入相应的格子内。反过来说，格子内既可以显示竹节92绝对数量，也可显示其相对份额；例如：使用百分比或千分比。每个格子代表了一类竹节92，如同在图6中描述111-113类一样。可以针对到想要的分类选定格子的大小。当选择格子大小时，也应该注意到，不但要考虑结果的细致还要考虑结果的清楚。比如例子中的数字7，其位于一个相对较少的格子，表明图7的方法允许比图6中3类111-113更精细的分类。为了改善可视效果，格子内可以填充颜色，线和框可以是灰色的，不同的颜色可以分配给不同的竹节92数目。

散点图(图6)及分类矩阵(图7)中，彼此独立的轴线可以是线性数据，对数或其他数据。该数据和/或轴的刻度可以自动计算出或由操作人员有选择的输入。这同样适用于分类矩阵图7中格子的宽度和高度，即选择分类。图8显示了一种更进一步显示花纱数据的方法。在本例子中，一个表中有5个栏位分别对应5个参数，分别是：如竹节长度L_E，竹节距离L_S，质量增加值△M，直径增加值和竹节数量。其中前四个栏位有分别分成三个子栏位：最大值，平均值Φ，和最小值。该表可以包含整个花纱或花纱片段的数据，就像竹节类111-113那样分类。可以由最小值L_EMIN，△Mmin，平均值L_EΦ，△MΦ和最大值L_Emax，△Mmax来表述图6中的类111。当然，该表也可以用不同的方式表达。在任何情况下，用表格表示花纱数据都会减少数据量。在表格中，可以比较容易和迅速地发现花纱中的特殊花纱。

图9显示了一种更进一步显示花纱数据的方法。它是一个三维图。其中的两个维度，即两个横向轴，对应是竹节长度L_E和质量增加值△M，与图6相似。第三维度，即垂直轴，表明各自的频数H的实测值，即散点图6或矩阵图7中的点密度。三维表面所产生的这种类似“山峰”的图形给人以很直观的印象，可以从花纱9中通过这种视觉感知快速的令人难忘的找到其特殊性。尤其是比较两个这样的“山峰”时，可以很快发现花纱是否有包含相同或不同的特征，而找到不同特征往往更加重要。这是需要指出的是图9所示的例子比图6所示的例子更容易发现不特殊的花纱。图6中展示了3类竹节92，111-113；而图9中只展示了两类114，115。

图9所示的三维视图也可以变化成两维视图。图10显示了这样一个图。图10将图9中的“山峰”投影到一个两维的平面上，这两维是L_E和△M。在图10中用等高线来表示图9中相同的频数H，这样图10中同样可以看出“山峰”114，115的位置。除了采用等高线的方式，还可以用不同的颜色来表示频数H的不同。

图5-10并没有考虑单个竹节顺序的信息。这方面的信息，完全是在图2所示的测量中体现出来。我们可以通过所经常测量的参数，如数据增加值，竹节长度和竹节距离等作为测量变量(X轴的数据)，并一个接一个的列出这些测量变量及其发生的位置。对于某些情况下，这样一个精简数据的数字序列表可能十分有用，但是，这样的数字序列表往往不太清楚。图11所示的竹节信息序列图就很好的提供了上述的信息。其中，图11所述的图表比照数字序列表有着清晰度和视觉感知度方面的优势。其中，每一个水平栏表示的是每一个竹节92和与之对应的基纱91。水平栏包括两个部分。第一部分的长度表示竹节长度L_E，第二部分的长度表示竹节距离L_S。其下一个水平栏表示下一个竹节的特征，以此类推。图11中的水平栏当然也可以垂直放置，仍然表示相同的内容。其他的参数也可以象L_E，L_S这样被标示出来，比如竹节数值和相对应的基纱数值。当纱线的结构与基纱结构不同时，这种显示尤其有优点。并且，水平或垂直的栏上可以表示超过两种参数，比如在多层竹节(见图16)中，第一竹节长度L_E1第二竹节长度L_E2和竹节距离L_S就可以同时显示。

图12表示的是单个竹节之间相互序列关系的矩阵。它是更进一步显示花纱数据的方法。这个例子中的分类矩阵假设应用了图6所示的111-113三个类。在每一情况下，每一对相邻竹节92，92’放在一起考虑，其中的第一个竹节92命名为“领竹节”，第二个竹节92’命名为“从竹节”。相应地，分类矩阵图12中水平轴显示“领竹节92”，纵轴显示受“领竹节92”影响的“从竹节92’”。从图12例子中可以推断，有两次相邻竹节同时属于111类，从来没有连续的112类竹节出现，111类的竹节往往沿袭112类的竹节出现，而113类的竹节往往沿袭111类竹节出现。

不同竹节的花纱9往往有不同的颜色。基于这个原因，获取花纱9的颜色信息是可能的。背景技术中所述的技术结合合适的扫描单元2和处理单位3(见图1)就可以实现颜色的测量。图13表示的是可能获得的色彩信息。在图13的这个例子中，花纱含有45％红(R)和55％的蓝(B)竹节。当然也可能会有两种以上的颜色存在。在这个例子中输出单元4(见图1)可以输出有颜色比例的圆形图。也可以采用饼图代替圆形图。

圆形图13并没有竹节颜色序列的信息。而图14便提供了这样的信息，类似图12，在每一情况下，每一对相邻竹节放在一起考虑，而相应的颜色频数填写在相应的格子中，分类矩阵图14中水平轴显示“领竹节92”的两种颜色R、B，纵轴显示“从竹节92’”的两种颜色R、B。可以推断，颜色变化往往发生在图14这个虚拟的例子中，很少有两个相邻竹节具有相同的颜色。

三维空间柱状图15借助虚构的例子，显示如何将颜色信息和几何信息结合起来。在图15中的信息与图5(a)及图5(b)中显示的几何信息有相关性。质量增加值△M出现在图15(a)中，竹节长度L_E绘制在图15(b)中。其中第三维是用来表示颜色R和B，由图15(a)可以推断出：红色竹节R往往比蓝竹节B直径增加少；由图15(b)可以推断出，红竹节R往往长于蓝竹节B。

图5-15中只使用了几个例子讨论质量增加值△M，竹节长度L_E，竹节距离L_S和颜色。我们可以采用类似的二维或三维方式，进一步生动地表示这些参数之间的关系。

单层竹节已经讨论到现在为止，以下将考虑多层竹节。图16所表示的就是一个多层竹节的例子，其表示方法类似于图4。其区别在于第一层竹节要测量每单位长度上第一竹节总质量M_E1，第一竹节质量增加值△M1，以及第一竹节长度L_E1；第二层竹节要测量每单位长度上第二竹节总质量M_E2，第二竹节质量增加值△M2，以及第二竹节长度L_E2。上述参数可以由类似单层竹节参数测量的方法获得。

图17显示了其中一个可行的多层花纱测量方式。这个例子中的水平轴的△M与图5(a)中的△M有一致性。三层格子表示了花纱的不同层。相应的频数填入相应的格子中。图17中所示的花纱是双层花纱，其中第二层出现了两次；其中一个第二竹节质量增加值△M2相对较小，另一个第二竹节质量增加值△M2相对较大。类似的方法还可以用来测量竹节长度L_E1，L_E2。

有一种进一步的花纱数据，就是所谓的模式长度。模式长度就是在花纱上周期性反复出现的一段竹节的最短长度。如果至少一个竹节参数例如竹节距离L_S是随机或伪随机的出现在序列中，则该序列不存在周期性。该模式长度可以通过相关计算从如同图2中所示的纱线片段读数中获得。这种所有读数的相关性计算可采用多种计算方法。为了减少计算量，用于计算的测量数据可限定为以下几个参数：如质量增加值△M，竹节长度L_E和竹节距离L_S，然后在此减少的数据基础上进行计算。另一个类似的方式也可取得的资料，即计算次模式及其长度。该模式长度和/或次模式长度最好通过数字表格或图形形式表示。

对花纱来讲，图2所示的测量信号M(x)也能够提供有用的信息。测量信号M(x)可以通过傅立叶变换确定一个谱图。图18显示的是一个经过傅立叶变换的虚构谱图例子，其中，按照惯例，一个周期长度L作为横坐标，其最好使用对数表示。在通常情况下，谱图中包含一个相对宽广的区间131，可以从最高点132推断出竹节的平均距离。在谱图中突出的高峰暗示的是花纱中周期出现的缺陷，这个周期性问题一方面可能涉及到单个竹节的特征，在有一定持续长度L_E+L_S的花纱中，竹节长度L_E和竹节距离L_S各有不同，最高点132明显为高峰。为了确定这一点，纱的长度至少容纳10个竹节，最好是在100个以上竹节距离加以衡量。该周期性问题另一方面可能会涉及到模式。在一个足够长的测量序列(至少10个竹节，但最好应当有至少100多个竹节的长度)我们可以通过图谱中独立高峰133的位置得到模式的长度。

图19所示的是将竹节读数平滑或理想化后进一步得到的图形。一方面，图4中的读数是由若干点组成的；另一方面，理想化后的测量曲线是连续不间断的线。如本技术领域的一般技术人员所周知的，有很多的方法可以从实际测量曲线中取得图19所示的理想化曲线。如图19所示的例子，基纱91、91’已经表示为一条大体水平且各点都处于同样基纱质量M_S高度的理想化直线。竹节92被理想化的表示为由梯形两竹节侧边93、94和横向的竹节梯顶95组成的梯形。该梯形不一定要对称，即两竹节侧边93、94可以有不同的梯度。本领域一般技术人员也可以通过公知技术得到该梯形。竹节侧边93、94大体为直线，其位置可以根据最小二乘法或以另外的方式获得。梯形的高度，即竹节梯顶95的位置，可以根据以下标准得到，即该梯形等于实际测量曲线所围成的面积。竹节长度L_E例如可被定义梯形的底边长，即竹节始端103*至竹节末端104*的距离，其中竹节始端103*和竹节末端104*的位置分别为水平基纱质量M_S直线和竹节左侧边93、竹节右侧边94的交汇点。另外，竹节长度L_E也可以界定为梯形一半高度的宽，这是相当于梯形上下底边总和的一半。质量增加值△M可以被界定为梯形的高度，即梯形底和顶之间的距离，在某些情况下，梯形可能会演变成这样一些特殊情况：一个三角形(梯形顶的长度等于零)，或一个矩形(梯形所有角都是直角)。同样也有可能为理想化测量曲线的其他形状。这种花纱的理想化曲线具有改进视觉感知的特点。理想化曲线的，如高度，底边长度，顶长度，竹节长度L_E或梯形侧边的梯度都可输出为例子中表的特征变量，用于进一步的进行研究。输出这样一些变量可以大量减少要处理的数据。

如图20所示，当花纱的制造过程有瑕疵时，可能导致在竹节峰102之后产生凹陷106。本发明所述的方法可以发现凹陷106这样的缺陷。因为竹节峰102的相关数据或比例能够被作为结果输出。如果有一个竹节峰102之后的位置106的数值仅为其他106位置的50％，这证明该处的制作过程有瑕疵。

制造花纱的纺丝工程有必要区分以下两种现象：

在一方面，虚拟基纱制造，其中可能在花纱中引入不完善，不规则和断层等厚薄不均的地方。

在另一方面，竹节的制造过程有需要在虚拟基纱上制造这样一些厚点作为竹节。

使用传统纱线的测试方法和仪器，这两种现象有时不可能或很难区分。图4所示的例子是一个理想的的曲线图，其中可以一眼看出哪里是竹节102，哪里是基纱101。在实践中，基纱101上会有很多不希望存在的高低不平的缺陷，它们也会越过阈值M_T，也会在测量时被错误的认为是竹节。这样测量出的掺假的结果，会在大规模生产时造成错误。例如，较长的厚的突起或厚度的波动如果都被认为是竹节的话，部分竹节的生产将被改变，就会产生过多的竹节。这个测量不必要的改变了竹节的结构，也没有缓解现实的缺陷。

在这里，我们的实施例通过具体界定一个竹节的方式解决了这个问题。如图4所述的设定阈值的方法也有一些不足之处，它只能测得一维的数值增加。如前所述，虽然可以采用设定超过阈值一段距离的方法进行改进减少这一缺点，但仍然难以十分可信的认定竹节。测试曲线以下的区域，可以认为是测试曲线的积分值可以被用来进行这一确认，并带来相当的优点。可以通过目前公知的如梯形或矩形积分的很多方式计算这一区域。如图21所示的就是这样一条积分得到的曲线A(x)，其水平轴为长度x，前述的基纱质量M_S(见图4)作为这条曲线的底线。A(x)的值从基纱101确定的0点开始起算。任何的厚点，即使它会造成直径的大量增加，也不会造成显著的区间变化，因为这些厚点只会持续一个较短的距离。真实的竹节92区别于那些厚点的一个重要特征就是，从竹节峰102始端开始就会造成曲线A(x)的大的变化。竹节92上的局部最大值105往往可以代表竹节92的位置，其位于A(x)曲线的拐点位置。竹节末端104之后，曲线A(x)又返回到基准值并上下波动，就可以得到竹节总值。如果确定了的竹节末端104，该点的值就是值M_E。之后就是另一个循环的开始，我们可以用上述的方法将真正的竹节和较厚点区分开来。

前述的确定竹节的方法，最好同时依赖于几项标准，如：符合下列三个条件：

(i)超测量曲线(M(x))下方区域(A(x))预定的阈值，

(ii)超竹节长度L_E预定的阈值，并且

(iii)超过质量增加值△M预定的阈值。

只有当这些标准同时达到了，才完成可靠的假定，即这是适当的竹节而不是纱线的缺陷。

根据本发明实施例可以进一步的简化基纱和竹节的区分方法。根据本实施例，图19那样的理想曲线可以被从真实测量曲线中剪掉。如图22所示，图22(a)展示的是原始曲线，图22(b)是理想化的曲线(如图19)，图22(c)是从原始曲线中减去理想化曲线得到的曲线。22(b)显示的是(理想化)竹节，曲线图22(c)是虚拟的无竹节基纱。这些变换，有助于更深入研究花纱的结构。以这种方式获得的数据，为的是进行以下讨论。

图23是将图22采用图18那样的方法处理获得的图谱。图23(a)展示的是原始读数的谱图，即曲线图22(a)的变形。正如上述已经说明情况，只借助这个谱图很难甚至不可能区分竹节和虚拟基纱。图23(b)及图23(c)解决了这一问题。图23(b)显示单个竹节的谱图，即曲线图22(b)的变形。这些与竹节相关的数据可以确定产品瑕疵的位置并进一步克服该瑕疵，图23(c)显示虚拟基纱的谱图，即曲线图22(c)的变形。在这个图谱中的任何一个波峰都对应了纺纱过程或纺纱的准备过程中的一个瑕疵，就像这个例子中显示的就是偏心率方面的问题。通过进一步分析图23(c)所示的波长可以确定这些瑕疵的位置。

图22用类似图6的方式还可以很容易的变化为散点图。这种方法可以是非常有益的区分竹节和虚拟基纱。图24就描述了这样一个例子。图24(a)显示的是原来读数曲线的散点图。在这里，混合发生了三个现象：

如前所述的纱线中厚点，

竹节和

被错误地显示为竹节的厚点。

图24(b)显示的是图22(b)所示竹节的散点图。其中使用了如图22所述的辨别竹节的方法，这样，该散点图中就只包含真正的竹节，而不包含任何被错误认为是竹节的不完善的厚点了。图24(c)显示的是图22(c)所示的虚拟基纱的散点图。因此，图中并不包含竹节，但包含有不完善的厚点。该散点图24(c)可以为纱线制造工艺提供资料。

其他类型的图，如柱状图图5，也可以用类似的方式分开使用，以表示竹节的相关数据，或虚拟基纱的相关数据。

还有一些可以用来过滤如图2或4所述数据的的方法，这些方法按照一定的标准。可举例来说包括以下几个过滤标准：

纱线的缺陷，如棉结，厚薄不均。举例来说，从CH-678173A5和U_S-5537711A两篇专利文献可以得知，在坐标系中尽可能将棉纱的缺陷安排在一个格子中，设定电子清纱器的清理限度。坐标系的横坐标代表缺陷的数量，纵坐标代表缺陷的长度。在这种坐标系中设定上限和下限。超过上限的棉结和厚的地方，以及超过下限的薄地方将被自动从纱线中清除。我们可以在本发明中同样使用相似的方法来设定至少一个“清除区间”。在这一区间内过厚或过薄的都将被清理，只有这一区间外合格的竹节才被用来进行进一步的分析研究。

竹节的特点。超过或少于一定竹节长度L_E或竹节总质量M_E的竹节不具有标准的竹节外形(如图19)，将会被过滤。只有不被过滤的竹节才被用来进行进一步的分析研究。还有很多其他的过滤方法，比如在第一步过滤中保留短的竹节，在第二部过滤中保留长的竹节进行进一步的分析研究。

本发明所述的方法可以让操作者交互的输入需测参数。这些的数据可以是上文讨论过的过滤数据。数据处理的基础也可以基于输入的参数，如输入的基纱质量M_S。

该方法发明可以提供交互式输出数据接口。前述的那些花纱参数的数据可以被转移到仿真软件中。该仿真软件可以通过这些数据模拟的研究梭织或针织中纱线的的各种参数。这种基于现成数据的模拟比基于测量数据的模拟简单和快捷。

当然，本发明并不限于上文讨论的实施方式。以上对具体实施方式的描述旨在于为了描述和说明本发明涉及的技术方案。该描述不应用作穷尽或限定本发明的保护范围。基于本发明启示的显而易见的变换或替代也应当被认为落入本发明的保护范围。以上的具体实施方式用来揭示本发明的最佳实施方法，以使得本领域的普通技术人员能够应用本发明的多种实施方式以及多种替代方式来达到本发明的目的。根据本发明所述的，特别是单个花纱数据的，也可以适用于脱离图形而采用数学的方式分析。虽然本发明的例子描述的是用电容测量纱线质量，但本发明并不限于此扫描原理。事实上，可以采用其他很多原理的测量方法来实现相同的目的，如：光学测量纱线的直径，不同的扫描原理的组合也是可能的。

1.设备

2.扫描单元

23.第一数据线

3.处理单元

34.第二数据线

4.输出单元

5.输入单元

9.花纱

91，91’.基纱

92，92’.竹节

93,94.竹节侧边

95.竹节顶

100.测量曲线

101.噪声底线

102，102’.信号峰值

103，103’，103*.竹节始端

104，104*.竹节末端

105.局部最大值

106.竹节旁薄的地方

111-115.竹节分类

111.1-113.1.散点图的一部分

121.基纱局部极大值

122.竹节局部极大值

131.谱图中的分布

132.121分布的最大值

133.谱图的峰值

A测量曲线下方区域

B蓝色

H读数频度

I_M数据区间

L周期长度

L_E竹节长度

L_S竹节距离

L_E+L_S竹节总距离

M单位距离上质量

M_E竹节总质量

M_M单位长度上测得质量的平均值

M_S单位长度上基纱质量

M_T阈值

R红色

X长轴

△M质量增加值。

Claims

1.一种测量花纱(9)特征的方法，包括，

沿花纱(9)的纵轴方向(x)扫描花纱(9)的至少一个特征；

评价扫描后得到的值并且；

输出评价的结果；

其特征在于，

所述评价得到的至少一个结果作为图形输出，所述图形输出为三维立体图，三维立体图的第一个维度显示竹节长度(L_E)，第二个维度显示质量增加值(△M)或竹节(92)直径增加值，以及第三维度显示观测到的各竹节特征(L_E,△M)频数(H)，或其中将频数投影到对应竹节长度的轴和对应质量增加的轴或对应竹节直径增加的轴组成的平面上。

2.如权利要求1所述的测量花纱特征的方法，其特征在于，其中，不同的竹节(92)的分类(111-113)通过图形表示被识别。

3.如权利要求2所述的测量花纱特征的方法，其特征在于，所确定的竹节(92)的分类(111-113)的竹节(92)彼此分离或/和与离群值分离。

4.如权利要求1所述的测量花纱特征的方法，其特征在于，其中，在评价时，从所述扫描后得出的所述值得出测量曲线(M(x))，而测量曲线(M(x))下方区域(A(x))由计算得到。

5.如权利要求4所述的测量花纱特征的方法，其特征在于，其中，测量曲线(M(x))与基纱质量(M_S)或基纱直径之间的区域(A(x))由计算得到。

6.如权利要求1所述的测量花纱特征的方法，其特征在于，所述被扫描的花纱(9)特征至少包括质量和/或直径。

7.如权利要求1所述的测量花纱特征的方法，其特征在于，所述花纱(9)评价结果来自以下参数，包括基纱质量(M_S)，基纱直径，竹节距离(L_S)，竹节(92)的质量增加值(△M)，竹节直径增加值，竹节直径，竹节长度(L_E)，竹节总质量(M_E)，平均纱线号码，单位长度上竹节数量，模式长度，次模式长度，形状和颜色。

8.如权利要求7所述的测量花纱特征的方法，其特征在于，每个竹节(92，92’)都分配一个运行编号，该运行编号与竹节(92)的参数一起存放。

9.如权利要求7或8所述的测量花纱特征的方法，其特征在于，其中，评价结果包括花纱参数的最小值，最大值，算术平均值和/或标准差和/或每单位长度上竹节(92)数量。

10.如权利要求1所述的测量花纱特征的方法，其特征在于，所述评价过程包括扫描值的平滑化或理想化。

11.如权利要求10所述的测量花纱特征的方法，其特征在于，所述的评价包括将平滑化或理想化的扫描值与原扫描值联系起来。

12.如权利要求11所述的测量花纱特征的方法，其特征在于，所述的联系包括取差值或取商值。

13.如权利要求10-12之一所述的测量花纱特征的方法，其特征在于，其中花纱(9)上竹节(92，92’)的平滑化或理想化曲线为梯形或三角形或矩形。

14.如权利要求1所述的测量花纱特征的方法，其特征在于，其中，所述评价包括过滤扫描值。

15.如权利要求11或权利要求12中任何一项所述的测量花纱特征的方法，其特征在于，存在一个单独的图形表示平滑化或理想化的扫描值和/或存在一个图形表示输出的数据。