CN112680918B - 一种基于组合式碳纤维磨毛机的磨毛处理方法及系统 - Google Patents
一种基于组合式碳纤维磨毛机的磨毛处理方法及系统 Download PDFInfo
- Publication number
- CN112680918B CN112680918B CN202011604214.1A CN202011604214A CN112680918B CN 112680918 B CN112680918 B CN 112680918B CN 202011604214 A CN202011604214 A CN 202011604214A CN 112680918 B CN112680918 B CN 112680918B
- Authority
- CN
- China
- Prior art keywords
- sanding
- information
- obtaining
- speed
- fabric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- General Factory Administration (AREA)
Abstract
本发明提供了一种基于组合式碳纤维磨毛机的磨毛处理方法及系统,包括:获得第一车间的第一订单信息,其中,第一订单信息包括第一织物;获得第一织物的第一类型信息;根据第一订单信息,获得第一织物的第一磨毛处理需求信息;将第一类型信息作为第一输入数据;将第一磨毛处理需求信息作为第二输入数据;根据第一输入数据、第二输入数据,输入至第一神经网络模型中;获得第一神经网络模型的第一输出信息;获得第一磨毛机的第一设备参数;获得第一磨毛机的历史运行信息;根据第一设备参数、历史运行信息,从第一输出信息中,获得第一磨毛速度,达到了准确的设计磨毛工艺参数,提升织物的磨毛效果的技术效果。
Description
技术领域
本发明涉及磨毛处理技术领域,尤其涉及一种基于组合式碳纤维磨毛机的磨毛处理方法及系统。
背景技术
磨毛是纺织业中的一种工艺,是布料通过磨毛机和金刚砂皮的磨擦作用,使织物表面形成了一层具有短绒毛层感觉,既保留原有特性又赋予织物新的风格,增加了保暖性和柔软性,质感丰盈,具有不掉色的特性,颜色历久弥新,适用于冬季保暖性产品以及贴身使用的产品。通过磨毛机可以实现织物的磨绒处理。
但本发明申请人发现现有技术至少存在如下技术问题:
现有技术中在磨毛机进行磨毛处理时,难以准确的设计磨毛工艺参数,从而难以保证织物的磨毛效果。
发明内容
本发明实施例提供了一种基于组合式碳纤维磨毛机的磨毛处理方法及系统,解决了现有技术中磨毛机进行磨毛处理时,难以准确的设计磨毛工艺参数,从而使得织物的磨毛效果难以得到有效保障的技术问题,达到了准确的设计磨毛工艺参数,提升织物的磨毛效果的技术效果。
鉴于上述问题,提出了本申请实施例以便提供一种基于组合式碳纤维磨毛机的磨毛处理方法及系统。
第一方面,本发明提供了一种基于组合式碳纤维磨毛机的磨毛处理方法,包括:获得第一车间的第一订单信息,其中,所述第一订单信息包括第一织物;获得所述第一织物的第一类型信息;根据所述第一订单信息,获得所述第一织物的第一磨毛处理需求信息;将所述第一类型信息作为第一输入数据;将所述第一磨毛处理需求信息作为第二输入数据;根据所述第一输入数据、所述第二输入数据,输入至第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入数据、所述第二输入数据和标识第一磨毛速度范围的标识信息;获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一磨毛速度范围信息;获得第一磨毛机的第一设备参数;获得所述第一磨毛机的历史运行信息;根据所述第一设备参数、所述历史运行信息,从所述第一输出信息中,获得第一磨毛速度,其中,所述第一磨毛速度为所述第一磨毛机满足所述第一磨毛处理需求信息的最佳速度参数。
第二方面,本发明提供了一种基于组合式碳纤维磨毛机的磨毛处理系统,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一车间的第一订单信息,其中,所述第一订单信息包括第一织物;
第二获得单元,所述第二获得单元用于获得所述第一织物的第一类型信息;
第三获得单元,所述第三获得单元用于根据所述第一订单信息,获得所述第一织物的第一磨毛处理需求信息;
第一执行单元,所述第一执行单元用于将所述第一类型信息作为第一输入数据;
第二执行单元,所述第二执行单元用于将所述第一磨毛处理需求信息作为第二输入数据;
第一输入单元,所述第一输入单元用于根据所述第一输入数据、所述第二输入数据,输入至第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入数据、所述第二输入数据和标识第一磨毛速度范围的标识信息;
第四获得单元,所述第四获得单元用于获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一磨毛速度范围信息;
第五获得单元,所述第五获得单元用于获得第一磨毛机的第一设备参数;
第六获得单元,所述第六获得单元用于获得所述第一磨毛机的历史运行信息;
第七获得单元,所述第七获得单元用于根据所述第一设备参数、所述历史运行信息,从所述第一输出信息中,获得第一磨毛速度,其中,所述第一磨毛速度为所述第一磨毛机满足所述第一磨毛处理需求信息的最佳速度参数。
第三方面,本发明提供了一种基于组合式碳纤维磨毛机的磨毛处理系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现前述第一方面的方法的步骤。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种基于组合式碳纤维磨毛机的磨毛处理方法及系统,通过获得第一车间的第一订单信息,其中,所述第一订单信息包括第一织物;获得所述第一织物的第一类型信息;根据所述第一订单信息,获得所述第一织物的第一磨毛处理需求信息;将所述第一类型信息作为第一输入数据;将所述第一磨毛处理需求信息作为第二输入数据;根据所述第一输入数据、所述第二输入数据,输入至第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入数据、所述第二输入数据和标识第一磨毛速度范围的标识信息;获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一磨毛速度范围信息;获得第一磨毛机的第一设备参数;获得所述第一磨毛机的历史运行信息;根据所述第一设备参数、所述历史运行信息,从所述第一输出信息中,获得第一磨毛速度,其中,所述第一磨毛速度为所述第一磨毛机满足所述第一磨毛处理需求信息的最佳速度参数,从而解决了现有技术中磨毛机进行磨毛处理时,难以准确的设计磨毛工艺参数,从而使得织物的磨毛效果难以得到有效保障的技术问题,达到了准确的设计磨毛工艺参数,提升织物的磨毛效果的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
图1为本发明实施例中一种基于组合式碳纤维磨毛机的磨毛处理方法的流程示意图;
图2为本发明实施例中一种基于组合式碳纤维磨毛机的磨毛处理系统的结构示意图;
图3为本发明实施例中另一种示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一执行单元14,第二执行单元15,第一输入单元16,第四获得单元17,第五获得单元18,第六获得单元19,第七获得单元20,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本发明实施例提供了一种基于组合式碳纤维磨毛机的磨毛处理方法及系统,用于解决现有技术中磨毛机进行磨毛处理时,难以准确的设计磨毛工艺参数,从而使得织物的磨毛效果难以得到有效保障的技术问题,达到了准确的设计磨毛工艺参数,提升织物的磨毛效果的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
磨毛是纺织业中的一种工艺,是布料通过磨毛机和金刚砂皮的磨擦作用,使织物表面形成了一层具有短绒毛层感觉,既保留原有特性又赋予织物新的风格,增加了保暖性和柔软性,质感丰盈,具有不掉色的特性,颜色历久弥新,适用于冬季保暖性产品以及贴身使用的产品。通过磨毛机可以实现织物的磨绒处理。
针对上述技术问题,本发明提供的技术方案总体思路如下:
本申请实施例提供了一种基于组合式碳纤维磨毛机的磨毛处理方法,包括:获得第一车间的第一订单信息,其中,所述第一订单信息包括第一织物;获得所述第一织物的第一类型信息;根据所述第一订单信息,获得所述第一织物的第一磨毛处理需求信息;将所述第一类型信息作为第一输入数据;将所述第一磨毛处理需求信息作为第二输入数据;根据所述第一输入数据、所述第二输入数据,输入至第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入数据、所述第二输入数据和标识第一磨毛速度范围的标识信息;获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一磨毛速度范围信息;获得第一磨毛机的第一设备参数;获得所述第一磨毛机的历史运行信息;根据所述第一设备参数、所述历史运行信息,从所述第一输出信息中,获得第一磨毛速度,其中,所述第一磨毛速度为所述第一磨毛机满足所述第一磨毛处理需求信息的最佳速度参数。
在介绍了本申请基本原理后,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
实施例一
图1为本发明实施例中一种基于组合式碳纤维磨毛机的磨毛处理方法的流程示意图。如图1所示,本发明实施例提供了一种基于组合式碳纤维磨毛机的磨毛处理方法,所述方法包括:
步骤100:获得第一车间的第一订单信息,其中,所述第一订单信息包括第一织物;
具体而言,第一车间为进行磨毛工艺处理的场地,也就是生产企业内部组织生产的基本单位,也是企业生产行政管理的一级组织。由若干工段或生产班组构成。它按企业内部产品生产各个阶段或产品各组成部分的专业性质和各辅助生产活动的专业性质而设置,拥有完成生产任务所必需的厂房或场地、机器设备、工具和一定的生产人员、技术人员和管理人员。第一订单信息为该车间目前所需要生产加工的订单信息,包括但不限于订单的总量、织物的原材料、零部件等,因此,在第一订单中包括了第一织物,此时的第一织物即为需要进行磨毛处理的纺织产品。
步骤200:获得所述第一织物的第一类型信息;
具体而言,第一类型信息即为第一织物的所属分类信息,例如为棉织物、毛织物、丝织物、涤纶织物、涤粘、涤腈、涤棉、古香缎、尼龙和人造棉交织的尼富纺等。对于具有不同纤维的织物,磨毛后其物理机械性能有很大的差异,即就是不同组织规格的织物,其磨毛的难易不同。进而可根据第一织物的第一类型信息,确定最适宜的工艺参数。例如合成纤维强度高,磨毛难度大,易起球,磨毛效果差,其失重率和强降率均很小。而纤维素纤维强度低,含杂多,纤维易于被磨粒割断拉出,易于磨毛加工,并能获得良好的磨毛效果,但失重率和降强率均较高。纤维长度越短,越有利于磨毛,对于长丝纤维要求单纤要细。
步骤300:根据所述第一订单信息,获得所述第一织物的第一磨毛处理需求信息;
具体而言,第一磨毛处理需求信息即为客户所需要的织物的磨毛处理效果,例如客户对织物表面加工绒毛的深度需求、织物保暖性需求、织物接触手感需求、舒适度需求等等,进而可结合第一磨毛处理需求信息对第一织物进行相应的磨毛处理。
步骤400:将所述第一类型信息作为第一输入数据;
步骤500:将所述第一磨毛处理需求信息作为第二输入数据;
步骤600:根据所述第一输入数据、所述第二输入数据,输入至第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入数据、所述第二输入数据和标识第一磨毛速度范围的标识信息;
步骤700:获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括所述第一磨毛速度范围信息;
具体而言,在得到第一类型信息、第一磨毛处理需求信息之后,接着可将第一类型信息作为第一输入数据,将第一磨毛处理需求信息作为第二输入数据,然后通过第一神经网络模型得到第一磨毛速度范围的标识信息,此时的第一磨毛速度范围为在满足第一磨毛处理需求信息的情况下,所使用的磨毛机适宜的磨辊速度范围。
进一步的,训练模型为机器学习模型中的神经网络模型,机器学习模型能通过大量数据不断的学习,进而不断地修正模型,最终获得满意的经验来处理其他数据。机器模型通过多组训练数据训练获得,神经网络模型通过训练数据训练的过程本质上为监督学习的过程。本申请实施例中的训练模型是通过多组训练数据利用机器学习训练得出的,多组中的训练数据中的每一组训练数据均包括第一输入数据、第二输入数据和标识第一磨毛速度范围的标识信息。
将第一磨毛速度范围的标识信息作为监督数据。输入对应的训练数据中,分别对第一输入数据、第二输入数据进行监督学习,确定训练模型的输出信息达到收敛状态。通过第一结果信息与训练模型的输出结果进行对比,当一致时,本组数据监督学习完成,进行下一组数据监督学习;当不一致时,则训练模型进行自我修正,直至其输出结果与标识的第一磨毛速度范围一致,本组监督学习完成,进行下一组数据监督学习;通过大量数据的监督学习,使得机器学习模型的输出结果达到收敛状态,则监督学习完成。通过对训练模型进行监督学习的过程,使得训练模型输出的第一磨毛速度范围更加准确,进一步达到了能够准确的得到在满足第一磨毛处理需求信息时磨毛机的第一磨毛速度范围,以便于有针对性对织物进行磨毛处理,提高磨工作效率,保障磨毛效果的目的。
步骤800:获得第一磨毛机的第一设备参数;
步骤900:获得所述第一磨毛机的历史运行信息;
步骤1000:根据所述第一设备参数、所述历史运行信息,从所述第一输出信息中,获得第一磨毛速度,其中,所述第一磨毛速度为所述第一磨毛机满足所述第一磨毛处理需求信息的最佳速度参数。
具体而言,第一设备参数为第一磨毛机的相关信息,包括但不限于第一磨毛机的设备规格如尺寸信息、外观形貌,以及主要技术参数如额定电压电流值、使用功率,使用时的注意事项等等,进而还可以得到第一磨毛机的历史运行信息,其中,历史运行信息为第一磨毛机的历史生产过程所设定的相关参数、运行时长、维修情况、织物磨毛处理效果等等。进一步的,将第一设备参数、历史运行信息与第一输出信息中的第一磨毛速度范围进行综合分析之后,即可从第一磨毛速度范围确定得到第一磨毛速度,此时的第一磨毛速度为第一磨毛机满足第一磨毛处理需求信息的最佳速度参数,进而在实际磨毛处理时,即可按照第一磨毛速度进行相应的速度设定。
进一步的,为了对第一订单中的磨毛需求进行分析和判断,本申请实施例步骤300还包括:
步骤310:根据所述第一订单信息,判断所述第一织物的预设需求内是否存在第二磨毛处理需求信息、第三磨毛处理需求信息;
步骤320:如果存在,则根据所述第一类型信息、第二磨毛处理需求信息,通过所述第一神经网络模型,获得第二磨毛速度范围信息;
步骤330:根据所述第一类型信息、第三磨毛处理需求信息,通过所述第一神经网络模型,获得第三磨毛速度范围信息;
步骤340:根据所述第一设备参数、所述历史运行信息,分别获得第二磨毛速度和第三磨毛速度,其中,所述第二磨毛速度为所述第一磨毛机满足所述第二磨毛处理需求信息的最佳速度参数,所述第三磨毛速度为所述第一磨毛机满足所述第三磨毛处理需求信息的最佳速度参数。
具体而言,从第一订单信息中,还可判断第一织物的预设需求内是否存在第二磨毛处理需求信息、第三磨毛处理需求信息,并且第二磨毛处理需求信息、第三磨毛处理需求信息和第一磨毛处理需求信息各不相同,也就是说,对于第一订单中的第一织物而言,可能存在不同的磨毛需求,例如对于磨毛的长度分为长、中、短三种需求,如果判断得到第一织物的预设需求存在除第一磨毛处理需求之外的磨毛需求,如存在第二磨毛处理需求信息、第三磨毛处理需求信息时,则进一步的,可以将第一类型信息、第二磨毛处理需求信息,输入第一神经网络模型,从而得到磨毛机的第二磨毛速度范围信息,此时的第二磨毛速度范围为在满足第二磨毛处理需求信息的情况下,磨毛机适宜的磨辊速度范围,同样的,可以将第一类型信息、第三磨毛处理需求信息,输入第一神经网络模型,从而得到磨毛机的第三磨毛速度范围信息,此时的第三磨毛速度范围为在满足第三磨毛处理需求信息的情况下,磨毛机适宜的磨辊速度范围,进一步的,根据第一磨毛机的第一设备参数、历史运行信息,可以分别获得第二磨毛速度和第三磨毛速度,第二磨毛速度为第一磨毛机满足第二磨毛处理需求信息的最佳速度参数,第三磨毛速度为第一磨毛机满足第三磨毛处理需求信息的最佳速度参数,在实际使用时,即可根据不同的磨毛速度进行相应的设备参数设置。
进一步的,所述根据所述第一类型信息、第二磨毛处理需求信息,通过所述第一神经网络模型,获得第二磨毛速度范围信息,本申请实施例步骤320还包括:
步骤321:将所述第二磨毛处理需求信息作为第三输入数据;
步骤322:根据所述第一输入数据、所述第三输入数据,输入至所述第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:第一输入数据、所述第三输入数据和标识所述第二磨毛速度范围的标识信息;
步骤323:获得所述第一神经网络模型的第三输出信息,其中,所述第三输出信息包括所述第二磨毛速度范围信息。
具体而言,将第二磨毛处理需求信息作为第三输入数据,然后将第一输入数据、第三输入数据,输入至第一神经网络模型中,通过第一神经网络模型,得到磨毛机的第二磨毛速度范围信息,同样的,也可得到通过第三磨毛处理需求信息、第一输入数据得到磨毛机的第三磨毛速度范围信息。
进一步的,所述根据所述第一设备参数、所述历史运行信息,分别获得第二磨毛速度和第三磨毛速度之后,本申请实施例步骤340还包括:
步骤341:获得第一单位时间;
步骤342:根据所述第一磨毛速度,获得所述第一单位时间内所述第一织物的第一磨毛效率信息;
步骤343:根据所述第二磨毛速度,获得所述第一单位时间内所述第一织物的第二磨毛效率信息;
步骤344:根据所述第三磨毛速度,获得所述第一单位时间内所述第一织物的第三磨毛效率信息。
具体而言,在得到第一磨毛速度、第二磨毛速度、第三磨毛速度之后,接着可获得第一单位时间,第一单位时间为预先设定的单位时间,例如可设定一小时、一分钟等,本实施例中不做具体限制。这样,可以根据第一磨毛速度,获得第一单位时间内第一织物的第一磨毛效率信息,第一磨毛效率即为第一磨毛机按照第一磨毛速度在第一单位时间内的产能信息;同样的,还可根据第二磨毛速度,获得第一单位时间内第一磨毛机对于第一织物的第二磨毛效率信息,第二磨毛效率即为第一磨毛机按照第二磨毛速度在第一单位时间内的产能信息;根据第三磨毛速度,获得第一单位时间内第一磨毛机对于第一织物的第三磨毛效率信息,第三磨毛效率即为第一磨毛机按照第三磨毛速度在第一单位时间内的产能信息。
进一步的,为了达到根据对不同磨毛参数进行高效切换,从而减少切换工作量,提高磨毛效率的效果,本申请实施例步骤344还包括:
步骤3441:获得所述第一磨毛机的第一数目信息;
步骤3442:将所述第一磨毛效率信息、第二磨毛效率信息、第三磨毛效率信息、所述第一数目信息输入至第二神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:第一磨毛效率信息、第二磨毛效率信息、第三磨毛效率信息、所述第一数目信息和标识第二输出信息的标识信息;
步骤3443:获得所述第二神经网络模型的第二输出信息,其中,所述第二输出信息包括第一结果和第二结果,其中,所述第一结果为第一预设时间内的第一磨毛产能信息,所述第二结果为所述第一磨毛机中需要进行参数切换的第一切换信息;
步骤3444:分别获得所述第一磨毛速度、第二磨毛速度、第三磨毛速度对应的第一磨毛参数、第二磨毛参数、第三磨毛参数;
步骤3445:根据所述第一切换信息、第一磨毛产能信息,获得第一切换顺序信息,其中,所述第一切换顺序为所述第一磨毛机在需要按照进行参数切换时,所述第一磨毛参数、第二磨毛参数、第三磨毛参数对应的切换顺序信息。
具体而言,获得第一磨毛机的第一数目信息,第一数目信息即为在第一车间内所安置的第一磨毛机的数量,进而可将第一磨毛效率信息、第二磨毛效率信息、第三磨毛效率信息、第一数目信息作为输入信息,输入至第二神经网络模型中,进而可以得到第二神经网络模型的第二输出信息,此时的第二输出信息包括第一结果和第二结果,如前所述,已经对神经网络模型的具体原理和方法做以介绍,在此不再赘述。第一结果为第一磨毛机在第一预设时间内的第一磨毛产能信息,第二结果为第一磨毛机中需要进行参数切换的第一切换信息,第一切换信息即为第一磨毛机针对不同磨毛速度所需要调整的设备参数情况,也就是说,当第一磨毛机按照第一订单中其中某个磨毛处理需求信息对应的磨毛参数进行磨毛加工时,当该磨毛处理需求信息对应的磨毛处理加工完成之后,则需要切换至下一个不同的磨毛处理需求信息对应的磨毛参数;进一步的,分别获得第一磨毛机在不同速度下对应的设备参数,即分别获得第一磨毛速度、第二磨毛速度、第三磨毛速度对应的第一磨毛参数、第二磨毛参数、第三磨毛参数,其中,第一磨毛参数、第二磨毛参数、第三磨毛参数为第一磨毛机在不同磨毛速度下所需要设置的磨毛设备的各项参数信息;进一步的,根据第一切换信息、第一磨毛产能信息,可以得到第一切换顺序信息,其中,第一切换顺序为第一磨毛机中需要按照进行参数切换时,针对不同的磨毛参数的切换顺序信息,即第一磨毛机对于第一磨毛参数、第二磨毛参数、第三磨毛参数在磨毛处理时对应的切换顺序信息。举例而言,第一切换顺序为先按照第三磨毛参数生产磨毛需求为第三磨毛处理需求的,进而切换至第一磨毛参数,最后切换至第二磨毛参数。并且此时的第一切换顺序为切换程序最少的,也就是需要调整的参数、工序等耗时最少的切换顺序,从而最大化的节约时间,达到提高磨毛效率的目的。
进一步的,为了达到获得所述第一织物的预定磨毛密度信息的效果,本申请实施例步骤200还包括:
步骤210:获得所述第一织物的第一用途信息;
步骤220:根据所述第一用途信息,获得所述第一织物的第一磨损频率;
步骤230:获得所述第一织物的预定使用寿命期限;
步骤240:根据所述第一磨损频率、所述预定使用寿命期限,获得所述第一织物的预定磨毛密度信息。
具体而言,获得第一织物的第一用途信息,也就是第一织物在生产加工完之后所需要应用的环境等,根据第一用途信息可以基于大数据分析得到第一织物的第一磨损频率,第一磨损频率即为第一织物在实际使用时的磨损率,例如当第一织物用于家居窗帘时,其使用的频率较低,相应的第一磨损率也较低,当第一织物用于床单被套时,则使用的频率较高,对应的第一磨损率也增加了,当第一织物用于服装时,则使用的频率也很高,则其第一磨损率也高。进而可以获得第一织物的预定使用寿命期限,预定使用寿命期限为预先设定的第一织物的使用寿命,例如为三年、五年、十年等,可根据实际需要进行设定,本实施例中不做具体限制,进一步的,根据第一磨损频率、预定使用寿命期限,可以得到第一织物的预定磨毛密度信息,预定磨毛密度信息即为根据第一织物的第一磨损频率,在满足预定使用寿命期限的情况下,所需要具备的磨毛密度情况,换句话说,按照预定磨毛密度信息为第一织物进行磨毛处理,可以使得第一织物按照第一磨损频率,能够在预设使用寿命期限内满足预设需求。
进一步的,为了达到对预定磨毛密度信息进行调整的效果,本申请实施例步骤240还包括:
步骤241:根据所述第一用途信息,获得所述第一织物的第一舒适度要求信息;
步骤242:根据第一舒适度要求信息,获得第一调整指令;
步骤243:根据所述第一调整指令,对所述预定磨毛密度信息进行调整。
具体而言,根据第一用途信息,可以得到第一织物的第一舒适度要求信息,也就是说,在不同的使用场景下,第一织物的使用舒适度时不同的,例如对于家居窗帘而言,舒适度较低,对于贴身衣服而言,舒适度要求则较高,进而根据第一舒适度要求信息,可以生成第一调整指令,进而在第一调整指令的调整下,对预定磨毛密度信息进行调整,从而达到准确的获得预定磨毛密度信息的目的,进而提升用户使用体验感、提升磨毛舒适性,改善掉毛现象。
为了基于区块链进行信息存储,本申请实施例340还包括:
步骤345:根据所述第一磨毛速度生成第一验证码,其中,所述第一验证码是与所述第一磨毛速度一一对应的;
步骤346:根据所述第二磨毛速度和第一验证码生成第二验证码;以此类推,根据第N磨毛速度和第N-1验证码生成第N验证码,其中,N为大于1的自然数;
步骤347:将所有磨毛速度和验证码分别复制保存在M台设备上,其中,M为大于1的自然数。
具体而言,为了保证磨毛速度存储的安全性,根据第一磨毛速度生成第一验证码,其中,第一验证码与第一磨毛速度是一一对应的;根据第二磨毛速度和第一验证码生成第二验证码…以此类推,将第一磨毛速度与第一验证码作为第一存储单位,将第二磨毛速度与第二验证码作为第二存储单位…以此类推,共获得N个存储单位。验证码信息作为主体标识信息,主体的标识信息用来与其他主体作出区别。当需要调用磨毛速度时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希技术对于每一存储单位进行串接,使得磨毛速度数据信息不易丢失和遭到破坏,通过基于区块链的数据信息处理技术,提升了磨毛速度存储的安全性、准确性,保证了由验证码调取磨毛速度的准确性,实现了保证磨毛速度存储的准确、不可篡改性。
为了基于区块链进行信息处理,本申请实施例步骤340还包括:
步骤348:将所述第N磨毛速度和第N-1验证码作为第N区块;
步骤349:获得所述第N区块记录时间,所述第N区块记录时间表示第N区块需要记录的时间;
步骤3410:根据所述第N区块记录时间,获得所述M台设备中运力最快的第一设备;
步骤3411:将第N区块的记录权发送给所述第一设备。
具体而言,对第N磨毛速度和第N-1验证码进行分块,生成多个区块,第N设备节点通过对区块进行共识后添加至区块链中。第N区块记录时间为设备节点基于获取到的第N验证码信息和第N磨毛速度,通过“共识机制”进行验证,验证通过后进行储存并添加到原有区块中所用的时间。运力最大表示为根据M个设备的计算能力,通过与或计算,计算出一个满足规则的随机数,即获得本次记录权限,也就是说,运力最大的设备,获得记录权限的几率越大。选取该运力最快的设备作为区块记录设备,提高了区块链中链上链下数据交互的实时性,保证了去中心化区块链系统的安全、有效和稳定运行,进而提高了区块链消息处理的效率,实现了提高磨毛速度存储和信息处理准确性、高效性的技术效果。
实施例二
基于与前述实施例中一种基于组合式碳纤维磨毛机的磨毛处理方法同样的发明构思,本发明还提供一种基于组合式碳纤维磨毛机的磨毛处理系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一车间的第一订单信息,其中,所述第一订单信息包括第一织物;
第二获得单元12,所述第二获得单元12用于获得所述第一织物的第一类型信息;
第三获得单元13,所述第三获得单元13用于根据所述第一订单信息,获得所述第一织物的第一磨毛处理需求信息;
第一执行单元14,所述第一执行单元14用于将所述第一类型信息作为第一输入数据;
第二执行单元15,所述第二执行单元15用于将所述第一磨毛处理需求信息作为第二输入数据;
第一输入单元16,所述第一输入单元16用于根据所述第一输入数据、所述第二输入数据,输入至第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入数据、所述第二输入数据和标识第一磨毛速度范围的标识信息;
第四获得单元17,所述第四获得单元17用于获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一磨毛速度范围信息;
第五获得单元18,所述第五获得单元18用于获得第一磨毛机的第一设备参数;
第六获得单元19,所述第六获得单元19用于获得所述第一磨毛机的历史运行信息;
第七获得单元20,所述第七获得单元20用于根据所述第一设备参数、所述历史运行信息,从所述第一输出信息中,获得第一磨毛速度,其中,所述第一磨毛速度为所述第一磨毛机满足所述第一磨毛处理需求信息的最佳速度参数。
进一步的,所述系统还包括:
第一判断单元,所述第一判断单元用于根据所述第一订单信息,判断所述第一织物的预设需求内是否存在第二磨毛处理需求信息、第三磨毛处理需求信息;
第八获得单元,所述第八获得单元用于如果存在,则根据所述第一类型信息、第二磨毛处理需求信息,通过所述第一神经网络模型,获得第二磨毛速度范围信息;
第九获得单元,所述第九获得单元用于根据所述第一类型信息、第三磨毛处理需求信息,通过所述第一神经网络模型,获得第三磨毛速度范围信息;
第十获得单元,所述第十获得单元用于根据所述第一设备参数、所述历史运行信息,分别获得第二磨毛速度和第三磨毛速度,其中,所述第二磨毛速度为所述第一磨毛机满足所述第二磨毛处理需求信息的最佳速度参数,所述第三磨毛速度为所述第一磨毛机满足所述第三磨毛处理需求信息的最佳速度参数。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于获得第一单位时间;
第十二获得单元,所述第十二获得单元用于根据所述第一磨毛速度,获得所述第一单位时间内所述第一织物的第一磨毛效率信息;
第十三获得单元,所述第十三获得单元用于根据所述第二磨毛速度,获得所述第一单位时间内所述第一织物的第二磨毛效率信息;
第十四获得单元,所述第十四获得单元用于根据所述第三磨毛速度,获得所述第一单位时间内所述第一织物的第三磨毛效率信息。
进一步的,所述系统还包括:
第十五获得单元,所述第十五获得单元用于获得所述第一磨毛机的第一数目信息;
第二输入单元,所述第二输入单元用于将所述第一磨毛效率信息、第二磨毛效率信息、第三磨毛效率信息、所述第一数目信息输入至第二神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:第一磨毛效率信息、第二磨毛效率信息、第三磨毛效率信息、所述第一数目信息和标识第二输出信息的标识信息;
第十六获得单元,所述第十六获得单元用于获得所述第二神经网络模型的第二输出信息,其中,所述第二输出信息包括第一结果和第二结果,其中,所述第一结果为第一预设时间内的第一磨毛产能信息,所述第二结果为所述第一磨毛机中需要进行参数切换的第一切换信息;
第十七获得单元,所述第十七获得单元用于分别获得所述第一磨毛速度、第二磨毛速度、第三磨毛速度对应的第一磨毛参数、第二磨毛参数、第三磨毛参数;
第十八获得单元,所述第十八获得单元用于根据所述第一切换信息、第一磨毛产能信息,获得第一切换顺序信息,其中,所述第一切换顺序为所述第一磨毛机在需要按照进行参数切换时,所述第一磨毛参数、第二磨毛参数、第三磨毛参数对应的切换顺序信息。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于获得所述第一织物的第一用途信息;
第二十获得单元,所述第二十获得单元用于根据所述第一用途信息,获得所述第一织物的第一磨损频率;
第二十一获得单元,所述第二十一获得单元用于获得所述第一织物的预定使用寿命期限;
第二十二获得单元,所述第二十二获得单元用于根据所述第一磨损频率、所述预定使用寿命期限,获得所述第一织物的预定磨毛密度信息。
进一步的,所述系统还包括:
第二十三获得单元,所述第二十三获得单元用于根据所述第一用途信息,获得所述第一织物的第一舒适度要求信息;
第二十四获得单元,所述第二十四获得单元用于根据第一舒适度要求信息,获得第一调整指令;
第一调整单元,所述第一调整单元用于根据所述第一调整指令,对所述预定磨毛密度信息进行调整。
进一步的,所述系统还包括:
第三执行单元,所述第三执行单元用于将所述第二磨毛处理需求信息作为第三输入数据;
第三输入单元,所述第三输入单元用于根据所述第一输入数据、所述第三输入数据,输入至所述第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:第一输入数据、所述第三输入数据和标识所述第二磨毛速度范围的标识信息;
第二十五获得单元,所述第二十五获得单元用于获得所述第一神经网络模型的第三输出信息,其中,所述第三输出信息包括所述第二磨毛速度范围信息。
前述图1实施例一中的一种基于组合式碳纤维磨毛机的磨毛处理方法的各种变化方式和具体实例同样适用于本实施例的一种基于组合式碳纤维磨毛机的磨毛处理系统,通过前述对一种基于组合式碳纤维磨毛机的磨毛处理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于组合式碳纤维磨毛机的磨毛处理系统的实施方法,所以为了说明书的简洁,在此不再详述。
实施例三
基于与前述实施例中一种基于组合式碳纤维磨毛机的磨毛处理方法同样的发明构思,本发明还提供一种示例性电子设备,如图3所示,包括存储器304、处理器302及存储在存储器304上并可在处理器302上运行的计算机程序,所述处理器302执行所述程序时实现前文所述一种基于组合式碳纤维磨毛机的磨毛处理方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种基于组合式碳纤维磨毛机的磨毛处理方法及系统,通过获得第一车间的第一订单信息,其中,所述第一订单信息包括第一织物;获得所述第一织物的第一类型信息;根据所述第一订单信息,获得所述第一织物的第一磨毛处理需求信息;将所述第一类型信息作为第一输入数据;将所述第一磨毛处理需求信息作为第二输入数据;根据所述第一输入数据、所述第二输入数据,输入至第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入数据、所述第二输入数据和标识第一磨毛速度范围的标识信息;获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一磨毛速度范围信息;获得第一磨毛机的第一设备参数;获得所述第一磨毛机的历史运行信息;根据所述第一设备参数、所述历史运行信息,从所述第一输出信息中,获得第一磨毛速度,其中,所述第一磨毛速度为所述第一磨毛机满足所述第一磨毛处理需求信息的最佳速度参数,从而解决了现有技术中磨毛机进行磨毛处理时,难以准确的设计磨毛工艺参数,从而使得织物的磨毛效果难以得到有效保障的技术问题,达到了准确的设计磨毛工艺参数,提升织物的磨毛效果的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于组合式碳纤维磨毛机的磨毛处理方法,其中,所述方法包括:
获得第一车间的第一订单信息,其中,所述第一订单信息包括第一织物;
获得所述第一织物的第一类型信息;
根据所述第一订单信息,获得所述第一织物的第一磨毛处理需求信息;
将所述第一类型信息作为第一输入数据;
将所述第一磨毛处理需求信息作为第二输入数据;
根据所述第一输入数据、所述第二输入数据,输入至第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入数据、所述第二输入数据和标识第一磨毛速度范围的标识信息;
获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一磨毛速度范围信息,还包括:
通过所述第一神经网络模型得到所述第一磨毛速度范围的所述标识信息;
将所述第一磨毛速度范围的所述标识信息作为监督数据,输入所述多组训练数据中的所述每一组训练数据中,对所述第一输入数据、所述第二输入数据进行监督学习,确定所述第一神经网络模型的所述第一输出信息达到收敛状态;
获得第一磨毛机的第一设备参数;
获得所述第一磨毛机的历史运行信息;
根据所述第一设备参数、所述历史运行信息,从所述第一输出信息中,获得第一磨毛速度,其中,所述第一磨毛速度为所述第一磨毛机满足所述第一磨毛处理需求信息的最佳速度参数;
其中,所述方法包括:
根据所述第一订单信息,判断所述第一织物的预设需求内是否存在第二磨毛处理需求信息、第三磨毛处理需求信息;
如果存在,则根据所述第一类型信息、第二磨毛处理需求信息,通过所述第一神经网络模型,获得第二磨毛速度范围信息;
根据所述第一类型信息、第三磨毛处理需求信息,通过所述第一神经网络模型,获得第三磨毛速度范围信息;
根据所述第一设备参数、所述历史运行信息,分别获得第二磨毛速度和第三磨毛速度,其中,所述第二磨毛速度为所述第一磨毛机满足所述第二磨毛处理需求信息的最佳速度参数,所述第三磨毛速度为所述第一磨毛机满足所述第三磨毛处理需求信息的最佳速度参数。
2.如权利要求1所述的方法,其中,所述根据所述第一设备参数、所述历史运行信息,分别获得第二磨毛速度和第三磨毛速度之后,所述方法还包括:
获得第一单位时间;
根据所述第一磨毛速度,获得所述第一单位时间内所述第一织物的第一磨毛效率信息;
根据所述第二磨毛速度,获得所述第一单位时间内所述第一织物的第二磨毛效率信息;
根据所述第三磨毛速度,获得所述第一单位时间内所述第一织物的第三磨毛效率信息。
3.如权利要求2所述的方法,其中,所述方法还包括:
获得所述第一磨毛机的第一数目信息;
将所述第一磨毛效率信息、第二磨毛效率信息、第三磨毛效率信息、所述第一数目信息输入至第二神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:第一磨毛效率信息、第二磨毛效率信息、第三磨毛效率信息、所述第一数目信息和标识第二输出信息的标识信息;
获得所述第二神经网络模型的第二输出信息,其中,所述第二输出信息包括第一结果和第二结果,其中,所述第一结果为第一预设时间内的第一磨毛产能信息,所述第二结果为所述第一磨毛机中需要进行参数切换的第一切换信息;
分别获得所述第一磨毛速度、第二磨毛速度、第三磨毛速度对应的第一磨毛参数、第二磨毛参数、第三磨毛参数;
根据所述第一切换信息、第一磨毛产能信息,获得第一切换顺序信息,其中,所述第一切换顺序为所述第一磨毛机在需要按照进行参数切换时,所述第一磨毛参数、第二磨毛参数、第三磨毛参数对应的切换顺序信息。
4.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一织物的第一用途信息;
根据所述第一用途信息,获得所述第一织物的第一磨损频率;
获得所述第一织物的预定使用寿命期限;
根据所述第一磨损频率、所述预定使用寿命期限,获得所述第一织物的预定磨毛密度信息。
5.如权利要求4所述的方法,其中,所述方法还包括:
根据所述第一用途信息,获得所述第一织物的第一舒适度要求信息;
根据第一舒适度要求信息,获得第一调整指令;
根据所述第一调整指令,对所述预定磨毛密度信息进行调整。
6.如权利要求1所述的方法,其中,所述根据所述第一类型信息、第二磨毛处理需求信息,通过所述第一神经网络模型,获得所述第二磨毛速度范围信息,包括:
将所述第二磨毛处理需求信息作为第三输入数据;
根据所述第一输入数据、所述第三输入数据,输入至所述第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:第一输入数据、所述第三输入数据和标识所述第二磨毛速度范围的标识信息;
获得所述第一神经网络模型的第三输出信息,其中,所述第三输出信息包括所述第二磨毛速度范围信息。
7.一种基于组合式碳纤维磨毛机的磨毛处理系统,其特征在于,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一车间的第一订单信息,其中,所述第一订单信息包括第一织物;
第二获得单元,所述第二获得单元用于获得所述第一织物的第一类型信息;
第三获得单元,所述第三获得单元用于根据所述第一订单信息,获得所述第一织物的第一磨毛处理需求信息;
第一执行单元,所述第一执行单元用于将所述第一类型信息作为第一输入数据;
第二执行单元,所述第二执行单元用于将所述第一磨毛处理需求信息作为第二输入数据;
第一输入单元,所述第一输入单元用于根据所述第一输入数据、所述第二输入数据,输入至第一神经网络模型中,所述模型使用多组训练数据训练出来的,所述多组中的训练数据中的每一组训练数据包括:所述第一输入数据、所述第二输入数据和标识第一磨毛速度范围的标识信息;
第四获得单元,所述第四获得单元用于获得所述第一神经网络模型的第一输出信息,其中,所述第一输出信息包括第一磨毛速度范围信息,还包括:
通过所述第一神经网络模型得到所述第一磨毛速度范围的所述标识信息;
将所述第一磨毛速度范围的所述标识信息作为监督数据,输入所述多组训练数据中的所述每一组训练数据中,对所述第一输入数据、所述第二输入数据进行监督学习,确定所述第一神经网络模型的所述第一输出信息达到收敛状态;
第五获得单元,所述第五获得单元用于获得第一磨毛机的第一设备参数;
第六获得单元,所述第六获得单元用于获得所述第一磨毛机的历史运行信息;
第七获得单元,所述第七获得单元用于根据所述第一设备参数、所述历史运行信息,从所述第一输出信息中,获得第一磨毛速度,其中,所述第一磨毛速度为所述第一磨毛机满足所述第一磨毛处理需求信息的最佳速度参数;
所述系统还包括:
第一判断单元,所述第一判断单元用于根据所述第一订单信息,判断所述第一织物的预设需求内是否存在第二磨毛处理需求信息、第三磨毛处理需求信息;
第八获得单元,所述第八获得单元用于如果存在,则根据所述第一类型信息、第二磨毛处理需求信息,通过所述第一神经网络模型,获得第二磨毛速度范围信息;
第九获得单元,所述第九获得单元用于根据所述第一类型信息、第三磨毛处理需求信息,通过所述第一神经网络模型,获得第三磨毛速度范围信息;
第十获得单元,所述第十获得单元用于根据所述第一设备参数、所述历史运行信息,分别获得第二磨毛速度和第三磨毛速度,其中,所述第二磨毛速度为所述第一磨毛机满足所述第二磨毛处理需求信息的最佳速度参数,所述第三磨毛速度为所述第一磨毛机满足所述第三磨毛处理需求信息的最佳速度参数。
8.一种基于组合式碳纤维磨毛机的磨毛处理系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011604214.1A CN112680918B (zh) | 2020-12-30 | 2020-12-30 | 一种基于组合式碳纤维磨毛机的磨毛处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011604214.1A CN112680918B (zh) | 2020-12-30 | 2020-12-30 | 一种基于组合式碳纤维磨毛机的磨毛处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112680918A CN112680918A (zh) | 2021-04-20 |
CN112680918B true CN112680918B (zh) | 2021-12-14 |
Family
ID=75454603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011604214.1A Active CN112680918B (zh) | 2020-12-30 | 2020-12-30 | 一种基于组合式碳纤维磨毛机的磨毛处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112680918B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114798596B (zh) * | 2022-03-23 | 2023-06-16 | 江苏华一机械有限公司 | 一种改善纺织双面磨毛机除尘效果的方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW414208U (en) * | 1998-08-03 | 2000-12-01 | Yu Bung Entpr Co Ltd | Vertical hair-grinding machine |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05296836A (ja) * | 1992-04-16 | 1993-11-12 | Kurabo Ind Ltd | カラーマッチング方法およびその装置 |
CN2220485Y (zh) * | 1995-02-11 | 1996-02-21 | 国光压印工业有限公司 | 磨毛机 |
DE102006014475A1 (de) * | 2006-03-29 | 2007-10-04 | Rieter Ingolstadt Spinnereimaschinenbau Ag | Verfahren zur Steuerung einer Textilmaschine, Vorrichtung zur Durchführung des Verfahrens sowie Textilmaschine |
CA2691128C (en) * | 2007-05-04 | 2014-04-29 | Feng Ding | System and method for optimizing lignocellulosic granular matter refining |
CN106835588B (zh) * | 2017-04-01 | 2022-12-23 | 江苏鹰游纺机有限公司 | 一种立式单双面磨毛机 |
JP2021001038A (ja) * | 2019-06-19 | 2021-01-07 | 村田機械株式会社 | 摩耗判断システム及び繊維機械システム |
CN110262582B (zh) * | 2019-07-30 | 2020-09-11 | 中原工学院 | 一种基于改进rbf神经网络的高温高压卷染机温度控制方法 |
-
2020
- 2020-12-30 CN CN202011604214.1A patent/CN112680918B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW414208U (en) * | 1998-08-03 | 2000-12-01 | Yu Bung Entpr Co Ltd | Vertical hair-grinding machine |
Also Published As
Publication number | Publication date |
---|---|
CN112680918A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104880949B (zh) | 基于改进鸡群算法获得工件加工最优调度的方法 | |
He et al. | Multiobjective optimization of energy-efficient job-shop scheduling with dynamic reference point-based fuzzy relative entropy | |
CN112680918B (zh) | 一种基于组合式碳纤维磨毛机的磨毛处理方法及系统 | |
CN112680917A (zh) | 一种改善纺织双面磨毛机除尘效果的方法及系统 | |
CN105388876B (zh) | 获得基于班组的间歇型化工生产工艺符合度的方法及装置 | |
CN103970077B (zh) | 先进控制技术在工控系统中的一体化实现方法及装置 | |
Eleliemy et al. | Efficient generation of parallel spin-images using dynamic loop scheduling | |
Chakraborty et al. | Multi-objective optimization of yarn characteristics using evolutionary algorithms: a comparative study | |
CN103150634A (zh) | 一种面向机械车间加工任务的能耗仿真方法 | |
Pinheiro et al. | Effective IG heuristics for a single-machine scheduling problem with family setups and resource constraints | |
Sarkar et al. | Predicting fabric GSM and crease recovery angle of laser engraved denim by fuzzy logic analysis | |
Han et al. | Hybrid flow shop scheduling with finite buffers | |
Khalili et al. | A bi-objective imperialist competitive algorithm for no-wait flexible flow lines with sequence dependent setup times | |
Renna | Controllable processing time policies for job shop manufacturing system | |
Chakraborty et al. | A multivariate quality loss function approach for optimization of spinning processes | |
CN110295479A (zh) | 衣物处理设备及其洗涤控制方法 | |
Hong et al. | Research on Multi-objective Scheduling Optimization of Spinning Production Process | |
Akgül et al. | Optimization of the Murata Vortex Spinning machine parameters by the SMAA-MOORA approach | |
CN105700498A (zh) | 一种针织物热定型工艺参数的定量设计方法 | |
CN114089705B (zh) | 一种无纺布加工工艺控制方法及系统 | |
Halawa et al. | Cotton Warehousing Improvement for Bale Management System Based on Neutrosophic Classifier | |
CN108677277A (zh) | 一种废棉的再利用方法 | |
MOLLA et al. | Electromagnetism-like algorithm for fuzzy flow shop batch processing machines scheduling to minimize total weighted earliness and tardiness | |
Huang et al. | Combining Taguchi Method with fuzzy inference on process optimization for fiber manufacturing | |
Akram et al. | Hybridization of simulated annealing with quenching for job shop scheduling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |