CN114782425B - 纺织品生产过程中络筒工艺参数控制方法及人工智能系统 - Google Patents

Abstract

本发明涉及智能制造技术领域，具体涉及纺织品生产过程中络筒工艺参数控制方法及人工智能系统，该方法包括获取历史参数对应的络纱视频，根据导纱周期和转动周期对络纱视频进行划分得到纱层图像和纱圈图像，获取纱层图像的相似度、纱圈图像的相似度，根据纱层图像的相似度、纱圈图像的相似度计算特征变化率，根据特征变化率即设定的对应阈值选取最终参数，根据最终参数对应的特征变化率确定最终圈数，根据最终圈数和最终参数计算每个最终参数的评估值，根据最大评估值对应的最佳参数对络筒工艺参数进行调整，本发明方法保证了生产质量，同时提高了生产效率。

Description

纺织品生产过程中络筒工艺参数控制方法及人工智能系统

技术领域

本发明涉及智能制造技术领域，具体涉及纺织品生产过程中络筒工艺参数控制方法及人工智能系统。

背景技术

络筒是织前准备的第一道工序，它的任务是将来自纺部的管纱或绞纱在络筒机上加工成符合一定要求的筒子。

络筒作为纺纱的最后一道工序和织造的首道工序，起着承上启下的“桥梁”作用，因而在纺织领域中占有重要的地位，络筒是在络筒机上完成的，在此阶段，络筒的关键问题是络筒张力和速度的控制，当络筒张力和速度的控制不当，容易造成断纬、纬缩等缺陷，影响之后的工艺。

传统的络筒张力和速度的控制均是根据人工经验进行控制调整，人工经验并不能准确调整络筒张力和速度，从而会影响纺织品的生产质量和生产效率。

因此，需要提供一种纺织品生产过程中络筒工艺参数控制方法及人工智能系统，予以解决上述问题。

发明内容

本发明提供纺织品生产过程中络筒工艺参数控制方法及人工智能系统，以解决现有的问题。

本发明的纺织品生产过程中络筒工艺参数控制方法采用如下技术方案：该方法包括：

获取生产过程中每个历史参数对应的络纱视频，历史参数包括络筒的圆周速度和导纱速度；

根据导纱速度计算导纱周期，获取络纱视频中每半个导纱周期点对应的纱层图像；根据圆周速度及纱线厚度获取络筒的转动周期，根据每个转动周期点在络纱视频划分为多段纱圈图像；

获取相邻两奇数层的纱层图像或者多个奇数层的纱层图像间的第一相似度、相邻两偶数层的纱层图像或者多个偶数层的纱层图像间的第二相似度、相邻两个纱层图像或者多个纱层图像之间的第三相似度以及每段纱圈图像中相邻两帧图像的第四相似度；

根据所有第一相似度、所有第二相似度、所有第三相似度、所有第四相似度计算每个历史参数对应的纱层的第一方向变化率、纱层的第二方向变化率、纱层的组合变化率、纱圈变化率，并将第一方向变化率、第二方向变化率、组合变化率、纱圈变化率记为特征变化率；

根据每个历史参数对应的特征变化率及每个特征变化率预设的对应阈值从所有历史参数中选取最终参数；

分别获取最终参数对应每个特征变化率突变时的目标时间点，根据最小目标时间点确定每个最终参数对应的最终圈数，根据最终圈数和最终参数计算每个最终参数的评估值；

根根所有最终参数对应的评估值中的最大值确定最佳参数，根据最佳参数对络筒工艺参数进行调整。

进一步的，获取相邻两奇数层的纱层图像的第一相似度；相邻两偶数层的纱层图像的第二相似度；相邻两个纱层图像的第三相似度的步骤包括：

获取每半个导纱周期点对应的纱层图像的字典矩阵和稀疏矩阵；

获取每个纱层图像的字典矩阵的第一直方图、稀疏矩阵的第二直方图；

根据相邻两奇数层的纱层图像对应的第一直方图的面积及重叠面积计算相邻两奇数层的纱层图像的第一相似度；

根据相邻两偶数层的纱层图像对应的第一直方图的面积及重叠面积计算相邻两偶数层的纱层图像的第二相似度；

根据每两个相邻纱层图像对应的第二直方图面积及重叠面积计算两个相邻纱层图像的第三相似度。

进一步的，获取多个奇数层的纱层图像间的第一相似度、多个偶数层的纱层图像间的第二相似度、多个纱层图像之间的第三相似度的步骤包括：

获取每半个导纱周期点对应的奇数层的纱层图像的字典矩阵；

获取每个奇数层的纱层图像的字典矩阵的字典熵值；

根据所有奇数层的纱层图像对应的字典熵值获取字典熵值序列；

对字典熵值序列进行多阈值分割得到多个字典熵值子序列；

将每个字典熵值子序列对应的多个奇数层的纱层图像记为一个综合纱层图像；

根据每个字典熵值子序列中每个字典熵值对应的字典矩阵获取目标字典矩阵；

获取目标字典矩阵的直方图，该直方图记为对应字典熵值子序列的第三直方图；

根据相邻两个字典熵值子序列对应的第三直方图的面积及相邻两个字典熵值子序列对应第三直方图的重叠面积计算相邻两综合纱层图像的相似度，并将该相似度记为多个奇数层的纱层图像间的第一相似度；

其中，采用获取相邻两奇数层的纱层图像的第一相似度的方法获取多个偶数层的纱层图像间的第二相似度，其中，采用获取相邻两奇数层的纱层图像的第一相似度的方法获取多个纱层图像之间的第三相似度。

进一步的，根据每个字典熵值子序列中每个字典熵值对应的字典矩阵获取目标字典矩阵的步骤包括：

获取每个字典熵值子序列中每个熵值对应的字典矩阵；

将字典熵值子序列中所有字典矩阵中对应位置的字典元素进行平均得到每个位置的字典元素均值；

将每个位置的字典元素均值作为目标字典矩阵对应位置的字典元素值得到目标字典矩阵。

进一步的，获取每段纱圈图像中相邻两帧图像的第四相似度的步骤包括：

获取每两个相邻转动周期点之间的时间点及各个时间点对应的每帧图像；

获取每帧图像的字典矩阵；

获取每帧图像对应的字典矩阵的第四直方图；

根据相邻两帧图像对应的第四直方图的面积及重叠面积计算相邻两帧图像的第四相似度。

进一步的，根据所有第一相似度、所有第二相似度、所有第三相似度计算每个历史参数下对应的纱层的第一方向变化率、纱层的第二方向变化率、纱层的组合变化率的步骤包括：

根据所有第一相似度获取第一相似度序列；

计算第一相似度序列的离散系数，将第一相似度序列的离散系数作为纱层的第一方向变化率；

根据所有第二相似度获取第二相似度序列；

计算第二相似度序列的离散系数，将第一相似度序列的离散系数作为纱层的第二方向变化率；

根据所有第三相似度获取第三相似度序列；

计算第三相似度序列的离散系数，将第三相似度序列的离散系数作为纱层的组合变化率。

进一步的，根据所有第四相似度计算纱圈变化率的步骤包括；

根据每段纱圈图像对应的所有第四相似度获取第四相似度序列；

计算每个第四相似度序列的离散系数；

根据所有离散系数获取系数序列；

获取系数序列的离散系数，并将该离散系数作为纱圈变化率。

进一步的，根据每个历史参数对应的特征变化率及每个特征变化率预设的对应阈值从所有历史参数中选取最终参数的步骤包括：

当历史参数对应的第一方向变化率、第二方向变化率、组合变化率均小于其对应的阈值，则将该历史参数中导纱速度记为目标导纱速度；

当历史参数对应的纱圈变化率小于其对应阈值，则将该历史参数中的圆周速度记为目标圆周速度；

将目标圆周速度、目标导纱速度两两组合得到多组目标参数；

从所有历史参数中选取与目标参数相同的历史参数，并将该历史参数记为最终参数。

进一步的，根据最终圈数和最终参数计算每个最终参数的评估值的步骤包括：

获取最终参数对应的导纱速度、圆周速度；

根据最终参数对应的导纱速度、圆周速度获取最终速度；

将最终速度与最终圈数的乘积作为该种最终参数的评估值。

本发明公开的纺织品生产过程中络筒工艺参数控制的人工智能系统的方案，该系统包括：

图像采集模块，用于获取生产过程中每个历史参数对应的络纱视频，历史参数包括络筒的圆周速度和导纱速度；

第一图像处理模块，用于根据导纱速度计算导纱周期，获取络纱视频中每半个导纱周期点对应的纱层图像；根据圆周速度及纱线厚度获取络筒的转动周期，根据每个转动周期点在络纱视频划分为多段纱圈图像；

第二图像处理模块，用于获取相邻两奇数层的纱层图像或者多个奇数层的纱层图像间的第一相似度、相邻两偶数层的纱层图像或者多个偶数层的纱层图像间的第二相似度、相邻两个纱层图像或者多个纱层图像之间的第三相似度以及每段纱圈图像中相邻两帧图像的第四相似度；

第一参数计算模块，用于根据所有第一相似度、所有第二相似度、所有第三相似度、所有第四相似度计算每个历史参数对应的纱层的第一方向变化率、纱层的第二方向变化率、纱层的组合变化率、纱圈变化率，并将第一方向变化率、第二方向变化率、组合变化率、纱圈变化率记为特征变化率；

第二参数计算模块，用于根据每个历史参数对应的特征变化率及每个特征变化率预设的对应阈值从所有历史参数中选取最终参数；

第三参数计算模块，用于分别获取最终参数对应每个特征变化率突变时的目标时间点，根据最小目标时间点确定每个最终参数对应的最终圈数，根据最终圈数和最终参数计算每个最终参数的评估值；

参数控制模块，用于根根所有最终参数对应的评估值中的最大值确定最佳参数，根据最佳参数对络筒工艺参数进行调整。

本发明的有益效果是：本发明的纺织品生产过程中络筒工艺参数控制方法及人工智能系统，通过对络筒工艺过程中的纱线的成型质量进行分析，从历史参数中选取生产效率优良的历史参数作为最终参数，然后在结合最终参数中的速度和张力的关系，在获得最佳速度的同时计算纱层在可承受的最大圈数，然后获取每组最大圈数与最终参数对应的评估值，将最大评估值对应的最终参数作为最佳参数，然后根据最佳参数实现络筒工艺参数的控制，本方法实现了络筒工艺参数的精确控制，并在保证络纱质量的前提下，提高生产效率，应用于纺织品生产过程中络筒工艺参数的智能控制。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的纺织品生产过程中络筒工艺参数控制方法的实施例总体步骤的流程图；

图2为图1中获取第一相似度、第二相似度、第三相似度的第一种方法的流程图；

图3为图1中获取第一相似度、第二相似度、第三相似度的第二种方法的流程图；

图4为图1中获取纱圈变化率流程图；

图5为图1中获取最终参数的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的纺织品生产过程中络筒工艺参数控制方法的实施例，本实施例是针对交叉卷绕这种生产方式说明的，如图1所示，该方法包括：

S1、获取生产过程中每个历史参数对应的络纱视频，历史参数包括络筒的圆周速度和导纱速度。

S2、根据导纱速度计算导纱周期，具体的，由于络筒在导纱形成纱层过程中，每一层纱层记为半个周期，则当络筒长度为d时，导纱速度为

时，导纱周期

，获取络纱视频中每半个导纱周期点对应的纱层图像，一个导纱周期的时间节点的序列[0，

,

,

,…]每半个导纱周期点，则每半个导纱周期点构成一个奇数周期节点序列[

,

,…]和个偶数周期节点序列[

,

,…] ，奇数周期节点序列作为纱层第一方向的铺层，偶数周期节点序列作为纱层第二方向对应的铺层；根据圆周速度及纱线厚度获取络筒的转动周期，根据每个转动周期点在络纱视频划分为多段纱圈图像，具体的，根据络筒的半径和纱线厚度获取络筒每转动一圈后的实时半径；根据实时半径及圆周速度计算络筒的转动周期：根据下式（1）计算转动周期：

（1）

其中，

表示络筒转动至第n圈时的转动周期；

表示络筒转动的圆周速度；

表示络筒的半径；m表示纱线厚度。

S3、对于交叉卷绕这种生产方式，其一个周期对应两个方向不同的纱层，即半个周期对应一个方向的纱层，当半个周期结束时，第一方向的纱层铺满；在后面的半个周期，络筒回到初始位置时，该第二方向纱层铺满，因此，获取相邻两奇数层的纱层图像或者多个奇数层的纱层图像间的第一相似度、相邻两偶数层的纱层图像或者多个偶数层的纱层图像间的第二相似度、相邻两个纱层图像或者多个纱层图像之间的第三相似度以及每段纱圈图像中相邻两帧图像的第四相似度。

具体的，获取相邻两奇数层的纱层图像的第一相似度、相邻两偶数层的纱层图像的第二相似度、相邻两个纱层图像的第三相似度的步骤包括：由于不同纱层的缺陷的不确定性较大，不同纱层的缺陷类别和数量不同，因此，如果参数不合适，会导致不同纱层存在不同缺陷，同时缺陷的分布、类别和数量信息差别较大，如果参数合适的话，不同纱层之间不存在缺陷，不同纱层的图像相似度较大，可以用字典信息表示参数合适与参数不合适时的不同纱层的图像情况，当参数不合适时，由于字典矩阵中需要表示不同缺陷之间的分布关系、数量关系等信息，导致不同纱层之间的字典矩阵的相似度较小；当参数设置合适时，不同纱层之间不存在缺陷分布等导致的不同层图像的不同，因此不同纱层之间的字典的相似度较大，因此，如图2所示，S301、获取每半个导纱周期点对应的纱层图像的字典矩阵和稀疏矩阵，具体的，通过KSVD算法对每个纱层图像分解得到该纱层图像的字典矩阵和稀疏矩阵，KSVD算法是一种字典表示方法，可以把一个图像矩阵表示为一个字典矩阵和稀疏矩阵的乘积，字典矩阵表示为图像中的本质信息，相当于多个基向量，如果两幅图像的字典矩阵相近，可以认为两幅图像中的信息特征相同；S302、获取每个纱层图像的字典矩阵的第一直方图、稀疏矩阵的第二直方图，其中，第一直方图横坐标表示从小到大的字典值，纵坐标表示不同字典值的出现次数，第二直方图横坐标表示从小到大的稀疏值，纵坐标表示不同稀疏值的出现次数；S303、根据相邻两奇数层的纱层图像对应的第一直方图的面积及重叠面积计算相邻两奇数层的纱层图像的第一相似度；S304、根据相邻两偶数层的纱层图像对应的第一直方图的面积及重叠面积计算相邻两偶数层的纱层图像的第二相似度；S305、根据每两个相邻纱层图像对应的第二直方图面积及重叠面积计算两个相邻纱层图像的第三相似度。

具体的，如图3所示，获取多个奇数层的纱层图像间的第一相似度、多个偶数层的纱层图像间的第二相似度、多个纱层图像之间的第三相似度的步骤包括：获取每半个导纱周期点对应的每个纱层图像的字典矩阵，具体的，S311、通过KSVD算法对每个纱层图像分解得到该纱层图像的字典矩阵和稀疏矩阵；S312、获取每个奇数层的纱层图像的字典矩阵的字典熵值；S313、根据所有奇数层的纱层图像对应的字典熵值获取字典熵值序列；S314、对字典熵值序列进行多阈值分割得到多个字典熵值子序列，并将每个字典熵值子序列对应的多个奇数层的纱层图像记为一个综合纱层图像；S315、根据每个字典熵值子序列中每个字典熵值对应的字典矩阵获取目标字典矩阵，具体的，获取每个字典熵值子序列中每个熵值对应的字典矩阵；将字典熵值子序列中所有字典矩阵中对应位置的字典元素进行平均得到每个位置的字典元素均值；将每个位置的字典元素均值作为目标字典矩阵对应位置的字典元素值得到目标字典矩阵；S316、获取目标字典矩阵的直方图，其中，直方图横坐标表示从小到大的字典值，纵坐标表示不同字典值的出现次数，该直方图记为对应字典熵值子序列的第三直方图；S317、根据相邻两个字典熵值子序列对应的第三直方图的面积及相邻两个字典熵值子序列对应的第三直方图的重叠面积计算相邻两综合纱层图像的相似度，并将该相似度记为多个奇数层的纱层图像间的第一相似度；S318、其中，采用获取相邻两奇数层的纱层图像的第一相似度的方法获取多个偶数层的纱层图像间的第二相似度，其中，采用获取相邻两奇数层的纱层图像的第一相似度的方法获取多个纱层图像之间的第三相似度。

具体的，获取每段纱圈图像中相邻两帧图像的第四相似度的步骤包括：获取每两个相邻转动周期点之间的时间点及各个时间点对应的每帧图像；获取每帧图像的字典矩阵，具体的，通过KSVD算法对每帧图像分解得到该帧图像的字典矩阵和稀疏矩阵；获取每帧图像对应的字典矩阵的第四直方图，第四直方图的横坐标表示从小到大的字典值，纵坐标表示不同字典值的出现次数；根据相邻两帧图像对应的第四直方图的面积及重叠面积计算相邻两帧图像的第四相似度。

S4、根据所有第一相似度、所有第二相似度、所有第三相似度、所有第四相似度计算每个历史参数对应的纱层的第一方向变化率、纱层的第二方向变化率、纱层的组合变化率、纱圈变化率，并将第一方向变化率、第二方向变化率、组合变化率、纱圈变化率记为特征变化率。

具体的，根据所有第一相似度获取第一相似度序列；计算第一相似度序列的离散系数，将第一相似度序列的离散系数作为纱层的第一方向变化率；根据所有第二相似度获取第二相似度序列；计算第二相似度序列的离散系数，将第一相似度序列的离散系数作为纱层的第二方向变化率；根据所有第三相似度获取第三相似度序列；计算第三相似度序列的离散系数，将第三相似度序列的离散系数作为纱层的组合变化率，具体的，如图4所示，根据所有第四相似度计算纱圈变化率的步骤包括：S41、根据每段纱圈图像对应的所有第四相似度获取第四相似度序列；S42、计算每个第四相似度序列的离散系数；S43、根据所有离散系数获取系数序列；S44、获取系数序列的离散系数，并将该离散系数作为纱圈变化率。

S5、根据每个历史参数对应的特征变化率及每个特征变化率预设的对应阈值从所有历史参数中选取最终参数；具体的，如图5所示，S51、当历史参数对应的第一方向变化率、第二方向变化率、组合变化率均小于其对应的阈值，则将该历史参数中导纱速度记为目标导纱速度；S52、当历史参数对应的纱圈变化率小于其对应阈值，则将该历史参数中的圆周速度记为目标圆周速度；S53、将目标圆周速度、目标导纱速度两两组合得到多组目标参数；S54、从所有历史参数中选取与目标参数相同的历史参数，该目标参数为表现良好的参数，并将该目标参数对应的历史参数记为最终参数。

S6、若只考虑导纱速度和圆周速度参数，选择导纱速度和圆周速度参数值大的参数其对应的生产效率必然高，但随着生产过程中纱层越来越多，其圈数增加后受到的张力也在变大，因此最终参数只适合纱层圈数小的时候，在生产后期由于纱层圈数导致的张力该最终参数可能就不合适，其会导致络纱产生缺陷，波坏纱线的弹性，例如：（v=10,F=10）与（v=8,F=10）的参数，只考虑效率的话，定然选择（v=10,F=10）这个参数组合，但（v=10,F=10）在50圈时，开始张力过大；（v=10,F=10）在60圈时，开始张力过大，其中，v表示络筒的圆周速度和导纱速度的合速度，F表示张力，因此不能直接认为v越大的参数越好，还要考虑对应的圈数，因此，分别获取最终参数对应每个特征变化率突变时的目标时间点，即特征变化率从平稳到下降时的突变点对应的时间节点记为目标时间点，根据最小目标时间点确定每个最终参数对应的最终圈数，根据最终圈数和最终参数计算每个最终参数的评估值。

具体的，获取最终参数对应的导纱速度、圆周速度；根据最终参数对应的导纱速度、圆周速度获取最终速度；将最终速度与最终圈数的乘积作为该种最终参数的评估值，具体的，根据下式（2）计算评估值：

（2）

其中，

表示第i个最终参数的评估值；

表示第i个最终参数对应的最终圈数；

表示第i个最终参数对应的导纱速度；

表示第i个最终参数对应的圆周速度。

S7、根根所有最终参数对应的评估值中的最大值确定最佳参数，根据最佳参数对络筒工艺参数进行调整，具体的，将评估值中的最大值对应的最终参数记为最佳参数，将最佳参数作为络筒工艺参数的调整参数进行调整。

本发明提供的纺织品生产过程中络筒工艺参数控制的人工智能系统，该系统包括：图像采集模块，用于获取生产过程中每个历史参数对应的络纱视频，历史参数包括络筒的圆周速度和导纱速度；第一图像处理模块，用于根据导纱速度计算导纱周期，获取络纱视频中每半个导纱周期点对应的纱层图像；根据圆周速度及纱线厚度获取络筒的转动周期，根据每个转动周期点在络纱视频划分为多段纱圈图像；第二图像处理模块，用于获取相邻两奇数层的纱层图像或者多个奇数层的纱层图像间的第一相似度、相邻两偶数层的纱层图像或者多个偶数层的纱层图像间的第二相似度、相邻两个纱层图像或者多个纱层图像之间的第三相似度以及每段纱圈图像中相邻两帧图像的第四相似度；第一参数计算模块，用于根据所有第一相似度、所有第二相似度、所有第三相似度、所有第四相似度计算每个历史参数对应的纱层的第一方向变化率、纱层的第二方向变化率、纱层的组合变化率、纱圈变化率，并将第一方向变化率、第二方向变化率、组合变化率、纱圈变化率记为特征变化率；第二参数计算模块，用于根据每个历史参数对应的特征变化率及每个特征变化率预设的对应阈值从所有历史参数中选取最终参数；第三参数计算模块，用于分别获取最终参数对应每个特征变化率突变时的目标时间点，根据最小目标时间点确定每个最终参数对应的最终圈数，根据最终圈数和最终参数计算每个最终参数的评估值；参数控制模块，用于根根所有最终参数对应的评估值中的最大值确定最佳参数，根据最佳参数对络筒工艺参数进行调整。

综上所述，本发明提供纺织品生产过程中络筒工艺参数控制方法及人工智能系统，通过对络筒工艺过程中的纱线的成型质量进行分析，从历史参数中选取生产效率优良的历史参数作为最终参数，然后在结合最终参数中的速度和张力的关系，在获得最佳速度的同时计算纱层在可承受的最大圈数，然后获取每组最大圈数与最终参数对应的评估值，将最大评估值对应的最终参数作为最佳参数，然后根据最佳参数实现络筒工艺参数的控制，本方法实现了络筒工艺参数的精确控制，并在保证络纱质量的前提下，提高生产效率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.纺织品生产过程中络筒工艺参数控制方法，其特征在于，该方法包括：

获取生产过程中每个历史参数对应的络纱视频，历史参数包括络筒的圆周速度和导纱速度；

根据导纱速度计算导纱周期，获取络纱视频中每半个导纱周期点对应的纱层图像；根据圆周速度及纱线厚度获取络筒的转动周期，根据每个转动周期点在络纱视频划分为多段纱圈图像；

获取相邻两奇数层的纱层图像或者多个奇数层的纱层图像间的第一相似度、相邻两偶数层的纱层图像或者多个偶数层的纱层图像间的第二相似度、相邻两个纱层图像或者多个纱层图像之间的第三相似度以及每段纱圈图像中相邻两帧图像的第四相似度；

根据所有第一相似度、所有第二相似度、所有第三相似度、所有第四相似度计算每个历史参数对应的纱层的第一方向变化率、纱层的第二方向变化率、纱层的组合变化率、纱圈变化率，并将第一方向变化率、第二方向变化率、组合变化率、纱圈变化率记为特征变化率；

根据每个历史参数对应的特征变化率及每个特征变化率预设的对应阈值从所有历史参数中选取最终参数；

分别获取最终参数对应每个特征变化率突变时的目标时间点，根据最小目标时间点确定每个最终参数对应的最终圈数，根据最终圈数和最终参数计算每个最终参数的评估值；

根根所有最终参数对应的评估值中的最大值确定最佳参数，根据最佳参数对络筒工艺参数进行调整。

2.根据权利要求1所述的纺织品生产过程中络筒工艺参数控制方法，其特征在于，获取相邻两奇数层的纱层图像的第一相似度；相邻两偶数层的纱层图像的第二相似度；相邻两个纱层图像的第三相似度的步骤包括：

获取每半个导纱周期点对应的纱层图像的字典矩阵和稀疏矩阵；

获取每个纱层图像的字典矩阵的第一直方图、稀疏矩阵的第二直方图；

根据相邻两奇数层的纱层图像对应的第一直方图的面积及重叠面积计算相邻两奇数层的纱层图像的第一相似度；

根据相邻两偶数层的纱层图像对应的第一直方图的面积及重叠面积计算相邻两偶数层的纱层图像的第二相似度；

根据每两个相邻纱层图像对应的第二直方图面积及重叠面积计算两个相邻纱层图像的第三相似度。

3.根据权利要求1所述的纺织品生产过程中络筒工艺参数控制方法，其特征在于，获取多个奇数层的纱层图像间的第一相似度、多个偶数层的纱层图像间的第二相似度、多个纱层图像之间的第三相似度的步骤包括：

获取每半个导纱周期点对应的奇数层的纱层图像的字典矩阵；

获取每个奇数层的纱层图像的字典矩阵的字典熵值；

根据所有奇数层的纱层图像对应的字典熵值获取字典熵值序列；

对字典熵值序列进行多阈值分割得到多个字典熵值子序列；

将每个字典熵值子序列对应的多个奇数层的纱层图像记为一个综合纱层图像；

根据每个字典熵值子序列中每个字典熵值对应的字典矩阵获取目标字典矩阵；

获取目标字典矩阵的直方图，该直方图记为对应字典熵值子序列的第三直方图；

根据相邻两个字典熵值子序列对应的第三直方图的面积及相邻两个字典熵值子序列对应第三直方图的重叠面积计算相邻两综合纱层图像的相似度，并将该相似度记为多个奇数层的纱层图像间的第一相似度；

其中，采用获取相邻两奇数层的纱层图像的第一相似度的方法获取多个偶数层的纱层图像间的第二相似度，其中，采用获取相邻两奇数层的纱层图像的第一相似度的方法获取多个纱层图像之间的第三相似度。

4.根据权利要求3所述的纺织品生产过程中络筒工艺参数控制方法，其特征在于，根据每个字典熵值子序列中每个字典熵值对应的字典矩阵获取目标字典矩阵的步骤包括：

获取每个字典熵值子序列中每个熵值对应的字典矩阵；

将字典熵值子序列中所有字典矩阵中对应位置的字典元素进行平均得到每个位置的字典元素均值；

将每个位置的字典元素均值作为目标字典矩阵对应位置的字典元素值得到目标字典矩阵。

5.根据权利要求1所述的纺织品生产过程中络筒工艺参数控制方法，其特征在于，获取每段纱圈图像中相邻两帧图像的第四相似度的步骤包括：

获取每两个相邻转动周期点之间的时间点及各个时间点对应的每帧图像；

获取每帧图像的字典矩阵；

获取每帧图像对应的字典矩阵的第四直方图；

根据相邻两帧图像对应的第四直方图的面积及重叠面积计算相邻两帧图像的第四相似度。

6.根据权利要求1所述的纺织品生产过程中络筒工艺参数控制方法，其特征在于，根据所有第一相似度、所有第二相似度、所有第三相似度计算每个历史参数下对应的纱层的第一方向变化率、纱层的第二方向变化率、纱层的组合变化率的步骤包括：

根据所有第一相似度获取第一相似度序列；

计算第一相似度序列的离散系数，将第一相似度序列的离散系数作为纱层的第一方向变化率；

根据所有第二相似度获取第二相似度序列；

计算第二相似度序列的离散系数，将第一相似度序列的离散系数作为纱层的第二方向变化率；

根据所有第三相似度获取第三相似度序列；

计算第三相似度序列的离散系数，将第三相似度序列的离散系数作为纱层的组合变化率。

7.根据权利要求1所述的纺织品生产过程中络筒工艺参数控制方法，其特征在于，根据所有第四相似度计算纱圈变化率的步骤包括；

根据每段纱圈图像对应的所有第四相似度获取第四相似度序列；

计算每个第四相似度序列的离散系数；

根据所有离散系数获取系数序列；

获取系数序列的离散系数，并将该离散系数作为纱圈变化率。

8.根据权利要求1所述的纺织品生产过程中络筒工艺参数控制方法，其特征在于，根据每个历史参数对应的特征变化率及每个特征变化率预设的对应阈值从所有历史参数中选取最终参数的步骤包括：

当历史参数对应的第一方向变化率、第二方向变化率、组合变化率均小于其对应的阈值，则将该历史参数中导纱速度记为目标导纱速度；

当历史参数对应的纱圈变化率小于其对应阈值，则将该历史参数中的圆周速度记为目标圆周速度；

将目标圆周速度、目标导纱速度两两组合得到多组目标参数；

从所有历史参数中选取与目标参数相同的历史参数，并将该历史参数记为最终参数。

9.根据权利要求1所述的纺织品生产过程中络筒工艺参数控制方法，其特征在于，根据最终圈数和最终参数计算每个最终参数的评估值的步骤包括：

获取最终参数对应的导纱速度、圆周速度；

根据最终参数对应的导纱速度、圆周速度获取最终速度；

将最终速度与最终圈数的乘积作为该种最终参数的评估值。

10.纺织品生产过程中络筒工艺参数控制的人工智能系统，其特征在于，该系统包括：

图像采集模块，用于获取生产过程中每个历史参数对应的络纱视频，历史参数包括络筒的圆周速度和导纱速度；

第一图像处理模块，用于根据导纱速度计算导纱周期，获取络纱视频中每半个导纱周期点对应的纱层图像；根据圆周速度及纱线厚度获取络筒的转动周期，根据每个转动周期点在络纱视频划分为多段纱圈图像；

第二图像处理模块，用于获取相邻两奇数层的纱层图像或者多个奇数层的纱层图像间的第一相似度、相邻两偶数层的纱层图像或者多个偶数层的纱层图像间的第二相似度、相邻两个纱层图像或者多个纱层图像之间的第三相似度以及每段纱圈图像中相邻两帧图像的第四相似度；

第一参数计算模块，用于根据所有第一相似度、所有第二相似度、所有第三相似度、所有第四相似度计算每个历史参数对应的纱层的第一方向变化率、纱层的第二方向变化率、纱层的组合变化率、纱圈变化率，并将第一方向变化率、第二方向变化率、组合变化率、纱圈变化率记为特征变化率；

第二参数计算模块，用于根据每个历史参数对应的特征变化率及每个特征变化率预设的对应阈值从所有历史参数中选取最终参数；

第三参数计算模块，用于分别获取最终参数对应每个特征变化率突变时的目标时间点，根据最小目标时间点确定每个最终参数对应的最终圈数，根据最终圈数和最终参数计算每个最终参数的评估值；

参数控制模块，用于根根所有最终参数对应的评估值中的最大值确定最佳参数，根据最佳参数对络筒工艺参数进行调整。

Images