CN112831873B - 一种基于环锭纺纱线质量的独立工序单独控制系统及方法 - Google Patents
一种基于环锭纺纱线质量的独立工序单独控制系统及方法 Download PDFInfo
- Publication number
- CN112831873B CN112831873B CN202011625854.0A CN202011625854A CN112831873B CN 112831873 B CN112831873 B CN 112831873B CN 202011625854 A CN202011625854 A CN 202011625854A CN 112831873 B CN112831873 B CN 112831873B
- Authority
- CN
- China
- Prior art keywords
- quality
- yarn
- module
- unit
- control
- 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
Classifications
-
- D—TEXTILES; PAPER
- D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
- D01H—SPINNING OR TWISTING
- D01H13/00—Other common constructional features, details or accessories
- D01H13/32—Counting, measuring, recording or registering devices
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Textile Engineering (AREA)
- Spinning Or Twisting Of Yarns (AREA)
Abstract
本发明公开了一种基于环锭纺纱线质量的独立工序单独控制系统及方法,包括,若干工序控制系统,其中,所述工序控制系统包括,纱线状态识别模块、质量控制器模块、环境识别模块、纱线动作特征控制模块、奖励模块,纱线状态识别模块与质量控制器模块、奖励模块、纱线动作特征控制模块连接;质量控制器模块与纱线状态识别模块、纱线动作特征控制模块、奖励模块连接;纱线动作特征控制模块与目标工序系统连接;奖励模块与纱线状态识别模块、环境识别模块连接;本发明所述系统,根据目标工序的实际工作情况以及环境因素,通过实时监控和采集环锭纺纱数据,并通过定义质量损失函数,实现了对独立工序的纺纱质量进行单独控制。
Description
技术领域
本发明属于纺纱控制领域,特别是涉及一种基于环锭纺纱线质量的独立工序单独控制系统及方法。
背景技术
纱线质量控制是环锭纺纱生产的重要环节,前道工序单元质量直接影响后道工序单元的质量以及最终成纱的质量,甚至会影响到面料的使用性能。随着环锭纺纱生产向智能化、优质化和个性化方向发展,纱线质量控制的要求越来越高。环锭纺纱CPPS中,纱线质量的控制不再是在不同的计量部门中进行,而是实时在环锭纺纱生产线的各个工序上进行。在环锭纺纱CPPS纱线质量控制上,虽然积累了大量的数据,包括工艺设计数据、设备数据,产品质量数据等作为基础,但也面临着以下挑战:纱线柔性体受到金属为主的刚体、气流为主的流体以及橡胶为主的弹性体的耦合作用,如何构建一个切实可行的控制模型对纱线质量进行连续、精准控制难度很大。
发明内容
为了解决上述问题,本发明提供一种基于环锭纺纱线质量的独立工序单独控制系统,包括:
若干工序控制系统,其中,所述工序控制系统包括,
纱线状态识别模块、质量控制器模块、环境识别模块、纱线动作特征控制模块、奖励模块,
所述纱线状态识别模块与所述质量控制器模块、奖励模块、纱线动作特征控制模块连接;
所述质量控制器模块与所述纱线状态识别模块、纱线动作特征控制模块、奖励模块连接;
所述环境识别模块与所述质量控制器模块连接;
所述纱线动作特征控制模块与目标工序系统连接;
所述奖励模块与所述质量控制器模块、纱线状态识别模块、环境识别模块连接。
优选地,所述纱线状态识别模块,包括,纱线强力识别单元、条干不均识别单元、毛羽识别单元;
所述纱线状态识别模块,用于识别纱线质量特征。
优选地,所述质量控制器模块,包括,Actor单元、Critic单元、误差单元,其中,所述Critic单元通过所述误差单元与所述Actor单元连接;
所述Critic单元与所述奖励单元、纱线状态识别模块连接;
所述Actor单元与所述纱线状态识别模块、纱线动作特征控制模块连接。
优选地,所述环境识别模块,包括,操作工人识别单元、目标工序机械识别单元、目标工序环境识别单元、物料识别单元、工艺识别单元;
所述环境识别模块,用于识别所述目标工序系统的环境因素,所述环境因素包括人因素、机器因素、物料因素、工序方法因素、外界环境因素。
优选地,所述纱线动作特征控制模块,包括,捻度控制单元、张力控制单元、锭速控制单元,其中,所述锭速控制单元用于粗纱机和细纱机的锭速控制;
所述纱线动作特征控制模块,用于根据所述质量控制器模块发出的控制命令,对所述目标工序系统进行动作控制。
优选地,所述奖励模块,包括,环境奖励单元、纱线特征奖励单元,其中,所述环境奖励单元与所述环境识别模块连接,所述纱线特征奖励单元与所述纱线状态识别模块连接;
所述奖励模块,用于根据所述环境识别模块、纱线状态识别模块提供的数据,为所述质量控制器模块提供奖励函数,所述质量控制器模块根据所述奖励函数设计动作输出,并通过所述纱线动作特征控制模块控制所述目标工序系统。
一种基于环锭纺纱线质量的独立工序单独控制方法,包括以下步骤:
S1.通过所述纱线状态识别模块、环境识别模块,采集所述目标工序系统的环境因素数据、纱线质量特征数据;
S2.基于所述奖励模块,通过所述环境因素数据、纱线质量特征数据,获得奖励数据;
S3.基于所述质量控制器模块,通过所述环境因素数据、纱线质量特征数据、奖励数据,获得所述控制命令;
S4.基于所述控制命令,通过所述纱线动作特征控制模块,控制所述目标工序系统进行工作。
优选地,所述S3,包括以下步骤:
S3.1.基于所述Critic单元,构建初始奖励特征评价模型,通过所述奖励数据,对所述初始奖励特征评价模型进行训练,获得目标奖励特征评价模型;
S3.2.基于所述目标奖励特征评价模型,通过所述纱线质量特征数据,对所述奖励数据进行叠加,获得目标奖励数据;
S3.3.基于所述Critic单元,通过所述目标奖励数据、纱线质量特征数据,获得初始评价函数,基于所述误差单元,获得目标评价函数;
S3.4.基于所述Actor单元,通过所述评价函数、纱线质量特征数据,获得所述控制命令。
优选地,所述S3.3,包括以下步骤:
S301.基于所述纱线质量特征数据,获得质量控制点数据、质量特征数据、质量衰减因子数据,其中,基于所述质量控制点数据,获得质量控制点;
S302.基于所述质量控制点数据、质量特征数据、质量衰减因子数据,构建质量损失控制函数,其中,所述质量损失控制函数为基于所述质量控制点的质量损失控制函数;
S303.基于所述质量控制点,通过所述质量损失控制函数,构建质量损失函数;
S304.基于所述误差单元,通过所述质量损失函数,对所述初始评价函数进行处理,获得所述目标评价函数。
优选地,所述S302包括,基于所述质量特征数据的正太分布标准差、质量特征能力指数,通过所述质量控制点的质量特征数据损失容差,以及所述质量控制点对应的所述质量特征数据的实际值和目标值,依据超出所述质量特征数据损失容差的损失值,构建所述质量损失函数。
本发明的积极进步效果在于:
本发明所述系统,根据目标工序的实际工作情况以及环境因素,通过实时监控和采集纺纱数据,并通过定义质量损失函数,实现了对独立工序的纺纱质量单独控制,并为所有纺纱工序之间的质量控制配合,提供了参考依据。
附图说明
图1为本发明所述的系统示意图;
图2为本发明所述的方法流程图;
图3为本发明所述系统的独立工序单独控制模型算法描述示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1-3所示,本发明提供本发明提供一种基于环锭纺纱线质量的独立工序单独控制系统,包括:
若干工序控制系统,其中,所述工序控制系统包括,
纱线状态识别模块、质量控制器模块、环境识别模块、纱线动作特征控制模块、奖励模块,
所述纱线状态识别模块与所述质量控制器模块、奖励模块、纱线动作特征控制模块连接;
所述质量控制器模块与所述纱线状态识别模块、纱线动作特征控制模块、奖励模块连接;
所述环境识别模块与所述质量控制器模块连接;
所述纱线动作特征控制模块与目标工序系统连接;
所述奖励模块与所述质量控制器模块、纱线状态识别模块、环境识别模块连接。
所述纱线状态识别模块,包括,纱线强力识别单元、条干不均识别单元、毛羽识别单元;
所述纱线状态识别模块,用于识别纱线质量特征。
所述质量控制器模块,包括,Actor单元、Critic单元、误差单元,其中,所述Critic单元通过所述误差单元与所述Actor单元连接;
所述Critic单元与所述奖励单元、纱线状态识别模块连接;
所述Actor单元与所述纱线状态识别模块、纱线动作特征控制模块连接。
所述环境识别模块,包括,操作工人识别单元、目标工序机械识别单元、目标工序环境识别单元、物料识别单元、工艺识别单元;
所述环境识别模块,用于识别所述目标工序系统的环境因素,所述环境因素包括人因素、机器因素、物料因素、工序方法因素、外界环境因素。
所述纱线动作特征控制模块,包括,捻度控制单元、张力控制单元、锭速控制单元,其中,所述锭速控制单元用于粗纱机和细纱机的锭速控制;
所述纱线动作特征控制模块,用于根据所述质量控制器模块发出的控制命令,对所述目标工序系统进行动作控制。
所述奖励模块,包括,环境奖励单元、纱线特征奖励单元,其中,所述环境奖励单元与所述环境识别模块连接,所述纱线特征奖励单元与所述纱线状态识别模块连接;
所述奖励模块,用于根据所述环境识别模块、纱线状态识别模块提供的数据,为所述质量控制器模块提供奖励函数,所述质量控制器模块根据所述奖励函数设计动作输出,并通过所述纱线动作特征控制模块控制所述目标工序系统。
一种基于环锭纺纱线质量的独立工序单独控制方法,包括以下步骤:
S1.通过所述纱线状态识别模块、环境识别模块,采集所述目标工序系统的环境因素数据、纱线质量特征数据;
S2.基于所述奖励模块,通过所述环境因素数据、纱线质量特征数据,获得奖励数据;
S3.基于所述质量控制器模块,通过所述环境因素数据、纱线质量特征数据、奖励数据,获得所述控制命令;
S4.基于所述控制命令,通过所述纱线动作特征控制模块,控制所述目标工序系统进行工作。
所述S3,包括以下步骤:
S3.1.基于所述Critic单元,构建初始奖励特征评价模型,通过所述奖励数据,对所述初始奖励特征评价模型进行训练,获得目标奖励特征评价模型;
S3.2.基于所述目标奖励特征评价模型,通过所述纱线质量特征数据,对所述奖励数据进行叠加,获得目标奖励数据;
S3.3.基于所述Critic单元,通过所述目标奖励数据、纱线质量特征数据,获得初始评价函数,基于所述误差单元,获得目标评价函数;
S3.4.基于所述Actor单元,通过所述评价函数、纱线质量特征数据,获得所述控制命令。
所述S3.3,包括以下步骤:
S301.基于所述纱线质量特征数据,获得质量控制点数据、质量特征数据、质量衰减因子数据,其中,基于所述质量控制点数据,获得质量控制点;
S302.基于所述质量控制点数据、质量特征数据、质量衰减因子数据,构建质量损失控制函数,其中,所述质量损失控制函数为基于所述质量控制点的质量损失控制函数;
S303.基于所述质量控制点,通过所述质量损失控制函数,构建质量损失函数;
S304.基于所述误差单元,通过所述质量损失函数,对所述初始评价函数进行处理,获得所述目标评价函数。
所述S302包括,基于所述质量特征数据的正太分布标准差、质量特征能力指数,通过所述质量控制点的质量特征数据损失容差,以及所述质量控制点对应的所述质量特征数据的实际值和目标值,依据超出所述质量特征数据损失容差的损失值,构建所述质量损失函数:
质量损失函数的定义:
定义1环锭纺纱CPPS(cyber-physical production system,CPPS)组成单元
环锭纺纱CPPS由n个CPPS单元组成:
S={u1,u2,…,ui,…,un} (1)
其中:S表示环锭纺纱CPPS;ui表示第i个环锭纺纱CPPS单元,i∈[1,n],j∈[1,ni],n为环锭纺纱CPPS单元的个数。
定义2环锭纺纱CPPS单元质量控制点
其中:i∈[1,n],j∈[1,ni],ni表示第i个环锭纺纱CPPS单元的质量控制点的个数,由此可以定义环锭纺纱CPPS质量控制点的总数m:
在环锭纺纱CPPS中,纱线是由多个不同的环锭纺纱CPPS单元加工而成的,每个单元都有不同的质量特征来表示该单元纱线质量的优劣,纱线质量特征定义如下:
定义3纱线质量特征
其中:i∈[1,n],l∈[1,li],li表示第i个环锭纺纱CPPS单元的质量特征的个数。
对于某个环锭纺纱CPPS单元而言,其质量控制点会根据质量特征值在一定范围内调节,即:但在实际生产,如机台的故障、温湿度的变化等使得控制点作用在环锭纺纱CPPS单元后,其在制品质量有不同程度的衰减,如强力减小、毛羽增多、条干不匀变大等,即质量控制点作用在环锭纺纱CPPS单元上实际只有产生效果。当溢出控制点调节的范围或者有明显趋势要溢出时,会影响到后续单元的生产,甚至会导致最后的纱线质量出现问题。因此对多工序递阶的环锭纺纱物理生产系统,考虑采用多载荷衰减因子对各质量控制点进行补偿,以抑制后续制造中纱线质量可能出现的较大波动。
在质量损失控制阈函数的基础上,定义环锭纺纱CPPS单元质量控制点的参数值在后续各制造单元的衰减因子。
定义4衰减因子
第i个环锭纺纱CPPS单元中第j个质量控制点对第z(z>i)个环锭纺纱CPPS单元纱线质量的衰减因子βijz。
随着环锭纺纱工序的不断推进,纱线质量会出现不同程度的波动,即其质量会有不同程度的损失。在定义4的基础上,质量损失控制函数定义如下:
定义5质量损失控制函数
其中,是系数,可以定义为:表示第i个环锭纺纱CPPS单元的第j个控制点允许质量特征1损失的容差,表示质量特征1超过容差时其损失值;和分别表示为第i个环锭纺纱CPPS单元的第j个质量控制点所对应的第l个质量特征的实际值和目标值;cl表示第i个环锭纺纱CPPS单元的质量特征l能力指数,其与质量上下限公差有关,可以定义为:σ为质量特征1正态分布的标准差。
基于Actor-Critic学习的纱线质量控制方法
因Actor-Critic学习在任务控制方面的出色表现,将其思想引入环锭纺纱CPPS的纱线质量控制中。首先,将Agent、状态、环境、动作和奖励等因素映射到环锭纺纱质量控制模型中,具体的定义如下。
(1)代理
Agent是环锭纺纱CPPS各单元及系统的质量控制器,主要用于与纺纱质量相关要素的交互。Agent根据收到的奖励,制定策略来调节纱线质量控制点的控制值,同时评价纱线质量特征,并提供灵活的控制策略。
(2)状态
对于环锭纺纱CPPS质量控制,状态是纱线的质量特征,如纱线的强力、条干不匀、毛羽等。质量特征具有不同的物理意义,会影响学习效率,为此,采用归一化方法处理各物理量,将状态的所有维度都归一到相同的范围。
t时刻,第i个环锭纺纱CPPS单元的纱线质量特征,即其状态可以表示为:
(3)环境
环境是指整个环锭纺纱CPPS各工序单元中与纱线质量相关的人、机、料、法、环等要素的总和。
(4)动作
动作是将状态空间映射到行动空间,并确定最佳调节策略。环锭纺纱CPPS的动作是根据当前纱线特征观测值合理调节质量控制点的值。如根据纱线强度波动,选择调节纱线的捻度、张力、或者粗纱机、细纱机的锭速等质量控制点。
t时刻,第i个环锭纺纱CPPS单元对应Agent调节各控制点的值,即一次执行动作表示为:
动作的策略分布直接影响到算法性能的好坏。本发明的策略分布选用正态分布,其概率密度函数为:
其中,μ(st)和σ2(st)分别表示动作选择策略π分布的均值和标准差。
(5)奖励
对当前纱线加工质量和对此质量状况所做的合理调节,Agent能从环境的反馈中获得奖励。
t时刻,第i个CPPS单元生产的纱线质量特征为st时,Agent执行动作at后,环锭纺纱CPPS的第i个工序单元的纱线质量特征为st+1,同时接受来自环境的奖励rt。rt=r(st,at)是关于纱线质量特征和质量控制动作的函数。此时,质量特征s的值函数表示在质量特征s下,调节质量控制动作a后能得到奖励的期望,可以定义为:
其中,γ为折扣因子。
状态-动作值函数Q(s,a)表示在质量特征s下选择调节质量控制动作a的好坏程度,相比于状态值函数,状态-动作值函数考虑了执行动作a所带来的影响,即:
可见,无论状态值函数还是状态-动作值函数都是累计奖励的期望。
环锭纺纱生产的每个工序对最终的纱线质量都有影响,因此,对纺纱生产过程的每个工序的质量控制同样重要。每个AC子网可以单独控制对应的工序。环锭纺纱线质量独立工序单独控制方法如图2所示。
(1)奖励函数设计
奖励函数是根据当前纱线质量特征,调节纱线质量控制点后,纱线呈现另一种质量特征,在此过程中所获得的奖励。对每个环锭纺纱CPPS单元而言,应尽量抑制纱线质量波动,因此,设计如下奖励函数:
(2)误差计算
每个AC中的Actor网络和Critic网络都采用时序差分(Temporal Difference,TD)误差方法学习策略函数和值函数。
t时刻,当前的纱线加工质量特征st,采用如下公式计算TD误差δt:
δt=rt+1+γv(st+1)-v(st) (14)
(3)网络设计
每个AC结构中的Actor网络和Critic网络都采用BP神经网络结构,分别用来实现Actor策略函数学习和Critic值函数学习。
Actor网络采用多输入多输出结构,输入为AC网络对应工序的离线知识以及纱线质量特征观测值输入端的节点数即为离线知识的维度与在线质量特征数li的累加,其中离线知识是环锭纺纱信息系统中的历史经验数据。输出为AC网络对应工序纱线质量控制点的调控值输出端的节点数即为质量控制点的个数ni,其中θi为Actor网络的学习参数。
Critic网络采用多输入单输出结构,输入同Actor网络的输入,输出为AC网络对应工序的纱线质量特征观测值的值函数υ(st;wi),输出端只有一个输出节点,其中ωi为Critic网络的学习参数。
(4)网络学习与优化
由于部分纱线质量特征的检测是破坏性的检测,如强力、回潮率等,目前,只能在实验室检测。同时,因为设备的特殊结构,如梳棉机上的针布、精梳机上的罗拉隔距、粗纱机的罗拉直径、细纱机上的钢丝圈等部件的更换或调整需要停机操作,使纱线质量的控制还不能完全做到在线控制。为此,在Critic网络和Actor网络的学习中以在线检测数据以及离线知识相结合确定生产环境的状态。
在单工序控制模型中,分别用θi和ωi更新AC学习中Actor网络的策略函数和Critic网络的值函数。
每个AC网单独更新参数如下:
Critic网络:
Actor网络:
(5)算法设计
独立工序的单独控制模型算法描述如图3所示。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (5)
1.一种基于环锭纺纱线质量的独立工序单独控制系统,其特征在于,包括:
若干工序控制系统,其中,所述工序控制系统包括,
纱线状态识别模块、质量控制器模块、环境识别模块、纱线动作特征控制模块、奖励模块;
所述纱线状态识别模块与所述质量控制器模块、奖励模块、纱线动作特征控制模块连接;
所述质量控制器模块与所述纱线状态识别模块、纱线动作特征控制模块、奖励模块连接;
所述环境识别模块与所述质量控制器模块连接;
所述纱线动作特征控制模块与目标工序系统连接;
所述奖励模块与所述质量控制器模块、纱线状态识别模块、环境识别模块连接;
所述质量控制器模块,包括,Actor单元、Critic单元、误差单元,其中,所述Critic单元通过所述误差单元与所述Actor单元连接;
所述Critic单元与所述奖励模块、纱线状态识别模块连接;所述Actor单元与所述纱线状态识别模块、纱线动作特征控制模块连接;
所述奖励模块,包括,环境奖励单元、纱线特征奖励单元,其中,所述环境奖励单元与所述环境识别模块连接,所述纱线特征奖励单元与所述纱线状态识别模块连接;
所述奖励模块,用于根据所述环境识别模块、纱线状态识别模块提供的数据,为所述质量控制器模块提供奖励函数,所述质量控制器模块根据所述奖励函数设计动作输出,并通过所述纱线动作特征控制模块控制所述目标工序系统;
所述纱线状态识别模块,包括,纱线强力识别单元、条干不均识别单元、毛羽识别单元;
所述纱线状态识别模块,用于识别纱线质量特征;
所述环境识别模块,包括,操作工人识别单元、目标工序机械识别单元、目标工序环境识别单元、物料识别单元、工艺识别单元;
所述环境识别模块,用于识别所述目标工序系统的环境因素,所述环境因素包括人因素、机器因素、物料因素、工序方法因素、外界环境因素;
所述纱线动作特征控制模块,包括,捻度控制单元、张力控制单元、锭速控制单元,其中,所述锭速控制单元用于粗纱机和细纱机的锭速控制;
所述纱线动作特征控制模块,用于根据所述质量控制器模块发出的控制命令,对所述目标工序系统进行动作控制。
2.一种根据权利要求1所述的基于环锭纺纱线质量的独立工序单独控制系统的基于环锭纺纱线质量的独立工序单独控制方法,其特征在于,包括以下步骤:
S1.通过所述纱线状态识别模块、环境识别模块,采集所述目标工序系统的环境因素数据、纱线质量特征数据;
S2.基于所述奖励模块,通过所述环境因素数据、纱线质量特征数据,获得奖励数据;
S3.基于所述质量控制器模块,通过所述环境因素数据、纱线质量特征数据、奖励数据,获得所述控制命令;
S4.基于所述控制命令,通过所述纱线动作特征控制模块,控制所述目标工序系统进行工作。
3.如权利要求2所述一种基于环锭纺纱线质量的独立工序单独控制方法,其特征在于,
所述S3,包括以下步骤:
S3.1.基于所述Critic单元,构建初始奖励特征评价模型,通过所述奖励数据,对所述初始奖励特征评价模型进行训练,获得目标奖励特征评价模型;
S3.2.基于所述目标奖励特征评价模型,通过所述纱线质量特征数据,对所述奖励数据进行叠加,获得目标奖励数据;
S3.3.基于所述Critic单元,通过所述目标奖励数据、纱线质量特征数据,获得初始评价函数,基于所述误差单元,获得目标评价函数;
S3.4.基于所述Actor单元,通过所述评价函数、纱线质量特征数据,获得所述控制命令。
4.如权利要求3所述的一种基于环锭纺纱线质量的独立工序单独控制方法,其特征在于,
所述S3.3,包括以下步骤:
S301.基于所述纱线质量特征数据,获得质量控制点数据、质量特征数据、质量衰减因子数据,其中,基于所述质量控制点数据,获得质量控制点;
S302.基于所述质量控制点数据、质量特征数据、质量衰减因子数据,构建质量损失控制函数,其中,所述质量损失控制函数为基于所述质量控制点的质量损失控制函数;
S303.基于所述质量控制点,通过所述质量损失控制函数,构建质量损失函数;
S304.基于所述误差单元,通过所述质量损失函数,对所述初始评价函数进行处理,获得所述目标评价函数。
5.如权利要求4所述一种基于环锭纺纱线质量的独立工序单独控制方法,其特征在于,
所述S302包括,基于所述质量特征数据的正太分布标准差、质量特征能力指数,通过所述质量控制点的质量特征数据损失容差,以及所述质量控制点对应的所述质量特征数据的实际值和目标值,依据超出所述质量特征数据损失容差的损失值,构建所述质量损失函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625854.0A CN112831873B (zh) | 2020-12-31 | 2020-12-31 | 一种基于环锭纺纱线质量的独立工序单独控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625854.0A CN112831873B (zh) | 2020-12-31 | 2020-12-31 | 一种基于环锭纺纱线质量的独立工序单独控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112831873A CN112831873A (zh) | 2021-05-25 |
CN112831873B true CN112831873B (zh) | 2022-05-20 |
Family
ID=75924457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011625854.0A Active CN112831873B (zh) | 2020-12-31 | 2020-12-31 | 一种基于环锭纺纱线质量的独立工序单独控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112831873B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113969445B (zh) * | 2021-11-16 | 2023-05-05 | 福建省尤溪县东欣纺织有限公司 | 旋转式热辊导纱用细纱机精密自动牵引装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0289010A1 (de) * | 1987-04-27 | 1988-11-02 | Maschinenfabrik Rieter Ag | Verfahren und Vorrichtung zum Überwachen und Einhalten einer vorgegebenen Garnqualität |
CN104153071A (zh) * | 2014-08-25 | 2014-11-19 | 宜宾惠美精纺科技股份有限公司 | 细纱成型智能控制系统 |
CN109898200A (zh) * | 2019-03-22 | 2019-06-18 | 宣向斌 | 一种环锭细纱机智能控制方法及控制系统 |
CN110344147A (zh) * | 2019-05-31 | 2019-10-18 | 山东同大机械有限公司 | 一种用于细纱机纺纱的变频、伺服联动控制系统及方法 |
CN111593449A (zh) * | 2020-01-20 | 2020-08-28 | 武汉裕大华纺织有限公司 | 一种智能细纱管理系统 |
-
2020
- 2020-12-31 CN CN202011625854.0A patent/CN112831873B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0289010A1 (de) * | 1987-04-27 | 1988-11-02 | Maschinenfabrik Rieter Ag | Verfahren und Vorrichtung zum Überwachen und Einhalten einer vorgegebenen Garnqualität |
CN104153071A (zh) * | 2014-08-25 | 2014-11-19 | 宜宾惠美精纺科技股份有限公司 | 细纱成型智能控制系统 |
CN109898200A (zh) * | 2019-03-22 | 2019-06-18 | 宣向斌 | 一种环锭细纱机智能控制方法及控制系统 |
CN110344147A (zh) * | 2019-05-31 | 2019-10-18 | 山东同大机械有限公司 | 一种用于细纱机纺纱的变频、伺服联动控制系统及方法 |
CN111593449A (zh) * | 2020-01-20 | 2020-08-28 | 武汉裕大华纺织有限公司 | 一种智能细纱管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112831873A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102017000955B4 (de) | Produktionssteuersystem und integriertes Produktionssteuersystem | |
WO2022166919A1 (zh) | 一种畜禽舍养殖环境温度预测控制系统及其调控方法 | |
DE102016014264B4 (de) | Maschinelle Lernvorrichtung, Blechpaketherstellungsvorrichtung, Blechpaketherstellungssystem und maschinelles Lernverfahren zum Erlernen des Stapelns von Paketblechen | |
CN104880949B (zh) | 基于改进鸡群算法获得工件加工最优调度的方法 | |
Mu et al. | Learning control supported by dynamic event communication applying to industrial systems | |
Beltran et al. | Predicting worsted spinning performance with an artificial neural network model | |
DE102018200794B4 (de) | Aktionsinformations-lernvorrichtung, aktionsinformations-optimierungssystem und aktionsinformations-lernprogramm | |
DE102017108169A1 (de) | Produktionssystem, das einen Bestimmungswert einer Variablen in Bezug auf eine Produktabweichung festlegt | |
DE102015008574A1 (de) | System zum Modifizieren eines Roboterprogramms | |
CN112831873B (zh) | 一种基于环锭纺纱线质量的独立工序单独控制系统及方法 | |
DE102016011525B4 (de) | Vorrichtung für maschinelles Lernen und Spulen-Produktionsvorrichtung | |
WO1991010961A1 (en) | Process control using neural network | |
DE102018004048A1 (de) | Steuerung und Maschinenlernvorrichtung | |
CN112819322A (zh) | 基于改进模糊层次分析法的输电线路路径方案评估方法 | |
DE112019007404T5 (de) | Parameterberechnungsvorrichtung, robotersteuersystem und robotersystem | |
CN114510098B (zh) | 一种生产环境调控方法与系统 | |
CN114034417A (zh) | 一种剑杆织机专用的张力检测系统及控制策略 | |
CN112853560B (zh) | 一种基于环锭纺纱线质量的全局工序共享控制系统及方法 | |
CN112853559B (zh) | 一种基于环锭纺纱线质量的工序约束嵌套控制系统及方法 | |
CN111144639A (zh) | 一种基于alln算法的地铁设备故障预测方法及系统 | |
CN110125955A (zh) | 控制装置以及机器学习装置 | |
CN112692875B (zh) | 一种焊接机器人运行与维护的数字孪生系统 | |
CN109032097A (zh) | 一种冷轧带钢镀锌线过程控制方法 | |
CN101334637A (zh) | 基于流模型的机器组负载预测控制方法 | |
CN114265363A (zh) | 一种数控机床加工路径智能优化方法及其系统 |
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 |