CN115933574B - 一种生产非织造产品的智能控制方法及系统 - Google Patents
一种生产非织造产品的智能控制方法及系统 Download PDFInfo
- Publication number
- CN115933574B CN115933574B CN202310023147.1A CN202310023147A CN115933574B CN 115933574 B CN115933574 B CN 115933574B CN 202310023147 A CN202310023147 A CN 202310023147A CN 115933574 B CN115933574 B CN 115933574B
- Authority
- CN
- China
- Prior art keywords
- parameter
- defect analysis
- roller
- early warning
- obtaining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 159
- 230000007547 defect Effects 0.000 claims abstract description 122
- 238000004519 manufacturing process Methods 0.000 claims abstract description 63
- 239000002994 raw material Substances 0.000 claims abstract description 63
- 238000012549 training Methods 0.000 claims description 43
- 239000000835 fiber Substances 0.000 claims description 38
- 238000010276 construction Methods 0.000 claims description 22
- 238000012795 verification Methods 0.000 claims description 16
- 238000013507 mapping Methods 0.000 claims description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 239000004745 nonwoven fabric Substances 0.000 description 6
- 229920000742 Cotton Polymers 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000012943 hotmelt Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000004743 Polypropylene Substances 0.000 description 2
- 229920000297 Rayon Polymers 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000009960 carding Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005098 hot rolling Methods 0.000 description 2
- -1 polypropylene Polymers 0.000 description 2
- 229920001155 polypropylene Polymers 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009864 tensile test Methods 0.000 description 2
- NLHHRLWOUZZQLW-UHFFFAOYSA-N Acrylonitrile Chemical compound C=CC#N NLHHRLWOUZZQLW-UHFFFAOYSA-N 0.000 description 1
- 240000008564 Boehmeria nivea Species 0.000 description 1
- 229920006052 Chinlon® Polymers 0.000 description 1
- 240000000249 Morus alba Species 0.000 description 1
- 235000008708 Morus alba Nutrition 0.000 description 1
- 239000004952 Polyamide Substances 0.000 description 1
- 239000004372 Polyvinyl alcohol Substances 0.000 description 1
- 229920004933 Terylene® Polymers 0.000 description 1
- 229920002978 Vinylon Polymers 0.000 description 1
- 229920006221 acetate fiber Polymers 0.000 description 1
- HGINCPLSRVDWNT-UHFFFAOYSA-N acrylaldehyde Natural products C=CC=O HGINCPLSRVDWNT-UHFFFAOYSA-N 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 229920002239 polyacrylonitrile Polymers 0.000 description 1
- 229920002647 polyamide Polymers 0.000 description 1
- 229920000728 polyester Polymers 0.000 description 1
- 239000005020 polyethylene terephthalate Substances 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 229920002451 polyvinyl alcohol Polymers 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
- 210000002268 wool Anatomy 0.000 description 1
Classifications
-
- 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]
Abstract
本发明提供了一种生产非织造产品的智能控制方法及系统，涉及智能控制技术领域，该方法包括：将获取生产目标非织造产品的原材料的多种参数的原材料参数集合和目标非织造产品的多种性能指标的参数要求的性能指标要求参数集合输入轧辊参数分析模型，采用轧辊参数进行目标非织造产品的生产，并获得生产样品，采集所述生产样品的图像信息输入缺陷分析模型，获得缺陷分析结果，并获取预警信息，进行预警并执行相应预警操作，本发明解决了对现有技术中生产非织造产品的智能控制的管控不足，使得最终生产非织造产品存在缺陷的技术问题，实现了对生产非织造产品智能控制的合理化精准管控，进而减少生产非织造产品存在的缺陷。
Description
技术领域
本发明涉及智能控制技术领域，具体涉及一种生产非织造产品的智能控制方法及系统。
背景技术
随着科学技术的发展，特别是非织造技术的发展，非织造布是利用高聚物切片、短纤维或者长丝，通过各种纤网成型方法和固结技术制成的新型纤维制品，在后续加工工序中不需要经过纺纱和织布，故也称为无纺布。无纺布的常见生产工艺包括热轧粘合法、熔喷法、针刺法、浸渍粘合法、纺粘法等，传统机织过滤材料由于空隙大，因此过滤效率低且达不到标准。而非织造布过滤材料空隙小，过滤效果高，因此非织造布过滤材料逐渐将传统的机织和针织过滤材料所取代。并且无纺布具有比表面积大、孔径范围广、耐腐蚀、成本低且产量高等优点，在环保、建筑、医疗、服装、化工、矿业、汽车、航空航天工业等领域得到广泛应用，近年来在生物医疗领域应用也越来越多。
但现有技术中对生产非织造产品的智能控制的管控不足，使得最终生产非织造产品存在一定的缺陷。
发明内容
本申请提供了一种生产非织造产品的智能控制方法及系统，用于针对解决现有技术中存在的对生产非织造产品的智能控制的管控不足，使得最终生产非织造产品存在缺陷的技术问题。
鉴于上述问题，本申请提供了一种生产非织造产品的智能控制方法及系统。
第一方面，本申请提供了一种生产非织造产品的智能控制方法，所述方法包括：在生产后，获取生产目标非织造产品的原材料的多种参数，获得原材料参数集合；获取所述目标非织造产品的多种性能指标的参数要求，获得性能指标要求参数集合；将所述原材料参数集合和性能指标要求参数集合输入轧辊参数分析模型，获得轧辊参数；采用所述轧辊参数进行所述目标非织造产品的生产，并获得生产样品；在生产后，采集所述生产样品的图像信息，将所述图像信息输入缺陷分析模型，获得缺陷分析结果；根据所述缺陷分析结果，获取预警信息，进行预警并执行相应预警操作。
第二方面，本申请提供了一种生产非织造产品的智能控制系统，所述系统包括：参数模块，所述参数模块用于获取生产目标非织造产品的原材料的多种参数，获得原材料参数集合；参数要求模块，所述参数要求模块用于获取所述目标非织造产品的多种性能指标的参数要求，获得性能指标要求参数集合；输入模块，所述输入模块用于将所述原材料参数集合和性能指标要求参数集合输入轧辊参数分析模型，获得轧辊参数；生产模块，所述生产模块用于采用所述轧辊参数进行所述目标非织造产品的生产，并获得生产样品；缺陷分析模块，所述缺陷分析模块用于在生产后，采集所述生产样品的图像信息，将所述图像信息输入缺陷分析模型，获得缺陷分析结果；信息采集点模块，所述信息采集点模块用于根据所述缺陷分析结果，获取预警信息，进行预警并执行相应预警操作。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请提供的一种生产非织造产品的智能控制方法，涉及智能控制技术领域，解决了现有技术中对生产非织造产品的智能控制的管控不足，使得最终生产非织造产品存在缺陷的技术问题，实现了对生产非织造产品智能控制的合理化精准管控，进而减少生产非织造产品存在的缺陷。
附图说明
图1为本申请提供了一种生产非织造产品的智能控制方法流程示意图；
图2为本申请提供了一种生产非织造产品的智能控制方法中轧辊参数获得的流程示意图；
图3为本申请提供了一种生产非织造产品的智能控制方法中缺陷分析结果获得的流程示意图；
图4为本申请提供了一种生产非织造产品的智能控制方法中预警操作执行的流程示意图；
图5为本申请提供了一种生产非织造产品的智能控制系统结构示意图。
附图标记说明：参数模块1，参数要求模块2，输入模块3，生产模块4，缺陷分析模块5，信息采集点模块6。
具体实施方式
本申请通过提供一种生产非织造产品的智能控制方法，用于解决现有技术中对生产非织造产品的智能控制的管控不足，使得最终生产非织造产品存在缺陷的技术问题。
实施例一
如图1所示，本申请实施例提供了一种生产非织造产品的智能控制方法，该方法包括：
步骤S100：获取生产目标非织造产品的原材料的多种参数，获得原材料参数集合；
具体而言，当通过热轧粘合技术对生产目标非织造产品进行生产后，对所获生产目标非织造产品进行原材料的多种参数的采集，其非织造产品的原材料可以是丙纶、涤纶、粘胶纤维、腈纶、锦纶、棉、苎麻、羊毛、桑蚕丝、富强纤维、醋酸纤维、维伦等，对目标非织造产品的纤维品种及配比进行采集，获得纤维品种信息以及品种配比信息，与对目标非织造产品的纤网面密度进行采集，所获的纤网面密度信息进行整合，最终获得原材料参数集合，为后期执行预警操作的执行作为重要参考依据。
步骤S200：获取所述目标非织造产品的多种性能指标的参数要求，获得性能指标要求参数集合；
具体而言，目标非织造产品的多种性能指标可以包含目标非织造产品的断裂强度指标以及目标非织造产品的断裂伸长率指标，并在此基础上对目标非织造产品的断裂强度参数要求与目标非织造产品的断裂伸长率参数要求进行获取，其中目标非织造产品的断裂强度指标以及目标非织造产品的断裂伸长率指标，与目标非织造产品的断裂强度参数要求与目标非织造产品的断裂伸长率参数要求为一一对应的关系，并进一步将所获目标非织造产品的断裂强度参数要求与目标非织造产品的断裂伸长率参数要求进行汇总与整合，从而获得性能指标要求参数集合，进而为实现执行预警操作做保障。
步骤S300：将所述原材料参数集合和性能指标要求参数集合输入轧辊参数分析模型，获得轧辊参数；
具体而言，以上述所获原材料参数集合以及所获性能指标要求参数集合为基础，将对历史时间内进行不同非织造产品生产的原材料参数集合以及性能指标要求参数集合进行获取，对历史时间内进行不同非织造产品生产时，满足多个历史性能指标要求参数集合的多个历史轧辊参数进行提取，进一步采用所获多个历史原材料参数集合、所获多个历史性能指标要求参数集合以及所获多个历史轧辊参数，对轧辊参数分析模型进行构建，再将原材料参数集合和性能指标要求参数集合输入所构建的轧辊参数分析模型，从而根据辊参数分析模型输出的模型获得轧辊参数，为后续实现执行预警操作夯实基础。
步骤S400：采用所述轧辊参数进行所述目标非织造产品的生产，并获得生产样品；
具体而言，在对目标非织造产品进行生产的过程中，通过所获轧辊参数将进行目标非织造产品生产的过程进行完善，其目标非织造产品的生产过程可以是进棉、混棉、开松、给棉、预梳理、铺网以及主梳理，同时以所获轧辊参数为基础，在对目标非织造产品的生产过程进行参照，从而对应获得生产后的生产样品，对实现执行预警操作有着推进的作用。
步骤S500：在生产后，采集所述生产样品的图像信息，将所述图像信息输入缺陷分析模型，获得缺陷分析结果；
具体而言，通过图像采集装置，对所生产出的生产样品进行图像的采集，即对历史时间内进行不同非织造产品生产后样品的多个历史图像信息进行获取，并根据所获多个历史图像信息内所含的瑕疵点的数量，对不同的多个样本缺陷进行分析，进一步的，基于卷积神经网络，对缺陷分析模型进行构建，其缺陷分析模型的输入数据包括图像信息，输出数据包括缺陷分析结果，同时采用多个历史图像信息和多个样本缺陷分析结果作为第二构建数据集，对缺陷分析模型进行监督训练和验证，直到缺陷分析模型收敛或准确率达到预设要求，最终将图像信息输入所述缺陷分析模型，从而获得缺陷分析结果，并对后期实现执行预警操作有着深远的影响。
步骤S600：根据所述缺陷分析结果，获取预警信息，进行预警并执行相应预警操作。
具体而言，在上述所获缺陷分析结果的基础上，对多个样本缺陷分析结果内瑕疵点的数量进行划分，从而根据所划分的多个缺陷分析结果区间内瑕疵点的数量，设置多个对应的预警信息和预警操作，并对多个缺陷分析结果区间与多个对应的预警信息和预警操作之间进行映射关系的构建，将缺陷分析结果输入至映射关系，基于所获对应的预警信息和预警操作，对目标非织造产品的智能控制进行预警并执行预警操作。
进一步而言，本申请步骤S100还包括：
步骤S110：获取所述目标非织造产品的纤维的品种及配比，获得纤维品种信息和品种配比信息；
步骤S120：获取所述目标非织造产品的纤网面密度，获得纤网面密度信息；
步骤S130：基于所述纤维品种信息、品种配比信息和纤网面密度信息，获得所述原材料参数集合。
具体而言，对目标非织造产品的纤维的品种及配比进行获取，从而对应获得纤维品种信息以及品种的配比信息，其中，纤维品种信息可以包含聚丙烯纤维、聚酯纤维、聚酰胺纤维、聚乙烯醇纤维、聚丙烯腈纤维、棉纤维、粘胶纤，其品种配比信息可以是对混有一定比例的低熔点热熔纤维或热熔粉剂的纤网进行加热，使热熔材料发生软化、熔融、并在高压下产生流动，将热熔材料与主题纤维以及热熔材料之间粘连起来，冷却后使纤网得到加固而成为目标非织造产品，对目标非织造产品的纤网面密度进行获取，纤网面密度和厚度是随着面密度的增加，材料的厚度也增加，过滤材料的透气性降低，过滤性能提高，进一步的，将所获纤维品种信息、品种配比信息以及纤网面密度信息进行对应整合，从而生成目标非织造产品的原材料参数集合，达到为后期实现执行预警操作提供重要依据的技术效果。
进一步而言，本申请步骤S200还包括：
步骤S210：获取所述目标非织造产品的断裂强度参数要求；
步骤S220：获取所述目标非织造产品的断裂伸长率参数要求；
步骤S230：基于所述断裂强度参数要求和断裂伸长率参数要求，获得所述性能指标要求参数集合。
具体而言，基于所获目标非织造产品，对目标非织造产品的主要指标进行提取，即对目标非织造产品的断裂强度参数要求、目标非织造产品的断裂伸长率参数要求进行对应获取，其获取手段可以是:用抓斗拉伸试验法测定目标非织造产品的断裂强度参数要求和目标非织造产品的断裂伸长率参数要求，目标非织造产品的断裂强度参数要求是指在拉伸试验中，目标非织造产品在断裂点时所能承受的最大抗张应力，其目标非织造产品的断裂伸长率参数要求是指承受轴向拉伸载荷下测定目标非织造产品特性的试验方法，进而将所获断裂强度参数要求和所获断裂伸长率参数要求进行整理，同时获得对应的性能指标要求参数集合，以保证在执行预警操作时的高效性。
进一步而言，如图2所示，本申请步骤S300还包括：
步骤S310：获取历史时间内进行不同非织造产品生产的原材料参数集合和性能指标要求参数集合，获得多个历史原材料参数集合和多个历史性能指标要求参数集合；
步骤S320：获取历史时间内进行不同非织造产品生产时，满足所述多个历史性能指标要求参数集合的多个历史轧辊参数；
步骤S330：采用所述多个历史原材料参数集合、多个历史性能指标要求参数集合和多个历史轧辊参数，构建所述轧辊参数分析模型；
步骤S340：将所述原材料参数集合和性能指标要求参数集合输入所述轧辊参数分析模型，获得所述轧辊参数。
具体而言，将历史时间内所进行的多个不同非织造产品生产的原材料参数集合和多个不同的性能指标要求参数集合进行提取与汇总后，获得与之对应的多个历史原材料参数集合和多个历史性能指标要求参数集合，当在历史时间内进行不同非织造产品生产时，若其对应的不同非织造产品满足个历史性能指标要求参数集合中的多个历史轧辊参数，则将该目标非织造产品进行提取，进一步的对轧辊参数分析模型进行构建，首先基于BP神经网络，其轧辊参数分析模型的输入数据可以是原材料参数集合和性能指标要求参数集合，输出数据可以是轧辊参数，对多个历史原材料参数集合、多个历史性能指标要求参数集合和多个历史轧辊参数进行数据标注，对应获得第一构建数据集，同时采用第一构建数据集中的第一训练集和第一验证集对轧辊参数分析模型进行监督训练和验证，直到轧辊参数分析模型收敛或准确率达到预设要求，则完成对轧辊参数分析模型的构建，最终将原材料参数集合和性能指标要求参数集合输入所构建的轧辊参数分析模型，并获得轧辊参数，达到对执行预警操作提供参考的技术效果。
进一步而言，本申请步骤S330包括：
步骤S331：基于BP神经网络，构建所述轧辊参数分析模型，所述轧辊参数分析模型的输入数据包括原材料参数集合和性能指标要求参数集合，输出数据包括轧辊参数；
步骤S332：对所述多个历史原材料参数集合、多个历史性能指标要求参数集合和多个历史轧辊参数进行数据标注，获得第一构建数据集，其中，所述第一构建数据集内包括第一训练集和第一验证集；
步骤S333：采用所述第一训练集和第一验证集对所述轧辊参数分析模型进行监督训练和验证，直到所述轧辊参数分析模型收敛或准确率达到预设要求。
具体而言，在BP神经网络的基础上，其BP神经网络是指一种按照误差逆向传播算法训练的多层前馈神经网络，进一步对轧辊参数分析模型进行构建，其中，轧辊参数分析模型的输入数据包括原材料参数集合和性能指标要求参数集合，输出数据包括轧辊参数，并对多个历史原材料参数集合、多个历史性能指标要求参数集合和多个历史轧辊参数中的数据进行不同类型的标识，即数据标注，从而获得第一构建数据集，而轧辊参数分析模型为机器学习中的，可以不断进行自我迭代优化的神经网络模型，轧辊参数分析模型通过训练数据集和监督数据集训练获得，其中，所述第一构建数据集中的每组训练数据均包括原材料参数集合和性能指标要求参数集合所对应的第一训练集和第一验证集；监督数据集为与所述训练数据集一一对应的监督数据。
进一步的，轧辊参数分析模型构建过程为：将训练数据集中每一组训练数据输入轧辊参数分析模型，通过这组训练数据对应的监督数据进行轧辊参数分析模型的输出监督调整，当轧辊参数分析模型的输出结果与监督数据一致，则当前组训练结束，将训练数据集中全部的训练数据均训练结束，则轧辊参数分析模型训练完成。
为了保证轧辊参数分析模型的收敛以及准确性，其收敛过程可以是轧辊参数分析模型中的输出数据会聚于一点时，向某一值靠近则为收敛，其准确性可以通过测试数据集进行轧辊参数分析模型的测试处理，举例而言，测试准确率可以设定为80％，当测试数据集的测试准确率满足80％时，则轧辊参数分析模型构建完成。
将原材料参数集合和性能指标要求参数集合输入轧辊参数分析模型，输出轧辊参数，最终达到执行预警操作的技术效果。
进一步而言，如图3所示，本申请步骤S500还包括：
步骤S510：获取历史时间内进行不同非织造产品生产后样品的图像，获得多个历史图像信息；
步骤S520：根据所述多个历史图像信息内瑕疵点的数量，获取不同的多个样本缺陷分析结果；
步骤S530：基于卷积神经网络，构建所述缺陷分析模型，所述缺陷分析模型的输入数据包括图像信息，输出数据包括缺陷分析结果；
步骤S540：采用所述多个历史图像信息和多个样本缺陷分析结果作为第二构建数据集，对所述缺陷分析模型进行监督训练和验证，直到所述缺陷分析模型收敛或准确率达到预设要求；
步骤S550：将所述图像信息输入所述缺陷分析模型，获得所述缺陷分析结果。
具体而言，通过图像采集装置对多个不同非织造产品生产后的样品图象进行实时采集，从而获取与多个不同非织造产品所对应的历史时间内多个不同非织造产品生产后样品的图像，即多个历史图像信息，并在所获多个历史图像信息的基础上，对多个历史图像信息内多个不同非织造产品所存在的瑕疵点的数量，对应获得不同的多个样本缺陷分析结果。
进一步的，在卷积神经网络的基础上，对缺陷分析模型进行构建，且缺陷分析模型的输入数据包括图像信息，输出数据包括缺陷分析结果，其卷积神经网络是指一类包含卷积计算且具有深度结构的前馈神经网络，卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，示例性的，根据图像采集装置所获取的不同非织造产品生产后样品的图像，对该多个历史图像信息进行等分，同时根据多个历史图像信息等分中第一个区域设为起始点，即所获得的第一区域，标识为零点区域，再从第一区域开始进行遍历，将每一个区域中所得到的信息与大数据中的多个历史图像信息内瑕疵点的数量数据进行匹配，从而生成不同的多个样本缺陷分析结果，进一步的，将多个历史图像信息和多个样本缺陷分析结果作为第二构建数据集，缺陷分析模型通过训练数据集和监督数据集训练获得，其中，所述第二构建数据集中的每组训练数据均包括多个历史图像信息和多个样本缺陷分析结果所对应的第二训练集和第二验证集；监督数据集为与所述训练数据集一一对应的监督数据。
进一步的，缺陷分析模型构建过程为：将训练数据集中每一组训练数据输入缺陷分析模型，通过这组训练数据对应的监督数据进行缺陷分析模型的输出监督调整，当缺陷分析模型的输出结果与监督数据一致，则当前组训练结束，将训练数据集中全部的训练数据均训练结束，则缺陷分析模型训练完成。
为了保证缺陷分析模型的收敛以及准确性，其收敛过程可以是缺陷分析模型中的输出数据会聚于一点时，向某一值靠近则为收敛，其准确性可以通过测试数据集进行缺陷分析模型的测试处理，举例而言，测试准确率可以设定为90％，当测试数据集的测试准确率满足90％时，则缺陷分析模型构建完成。
将图像信息输入缺陷分析模型，对应输出缺陷分析结果，最终达到对执行预警操作提供参考的技术效果。
进一步而言，如图4所示，本申请步骤S600还包括：
步骤S610：根据所述多个样本缺陷分析结果内瑕疵点的数量，进行划分，获得多个缺陷分析结果区间；
步骤S620：根据所述多个缺陷分析结果区间内瑕疵点的数量，设置多个对应的预警信息和预警操作；
步骤S630：构建所述多个缺陷分析结果区间与所述多个对应的预警信息和预警操作之间的映射关系；
步骤S640：将所述缺陷分析结果输入所述映射关系，获得对应的预警信息和预警操作，进行预警并执行预警操作。
具体而言，对多个样本缺陷分析结果内所包含瑕疵点的数量进行统计，同时对所统计出的多个样本缺陷分析结果内瑕疵点的数量进行不同数量的区间划分，从而获得与之对应的多个缺陷分析结果区间，其多个区间的瑕疵点数量可以是0个瑕疵点至5个瑕疵点、5个瑕疵点至10个瑕疵点以及10个瑕疵点以上等区间，进一步根据多个缺陷分析结果区间内瑕疵点不同的数量，对多个对应的预警信息和预警操作进行设置，同时对多个缺陷分析结果区间与多个对应的预警信息和预警操作之间的映射关系进行构建，其映射关系是指多个缺陷分析结果区间与多个对应的预警信息和预警操作之间的集之间元素相互对应的关系，示例性的，多个缺陷分析结果区间与多个对应的预警信息和预警操作间存在着对应关系，而且对于多个缺陷分析结果区间中的每一个元素，多个对应的预警信息和预警操作中总有唯一的一个元素与它对应，就这种对应为从多个缺陷分析结果区间到多个对应的预警信息和预警操作的映射，即在0个瑕疵点至5个瑕疵点这个区间内，不生成预警信息与预警操作，在5个瑕疵点至10个瑕疵点区间内，生成弱预警信息并对目标非织造产品进行适当预警提醒操作，在10个瑕疵点以上区间内，生成强预警信息并对目标非织造产品进行回收，最终将缺陷分析结果输入映射关系，从而获得对应的预警信息和预警操作，对目标非织造产品进行预警并执行预警操作。
实施例二
基于与前述实施例中一种生产非织造产品的智能控制方法相同的发明构思，如图5所示，本申请提供了一种生产非织造产品的智能控制系统，系统包括：
参数模块1，所述参数模块1用于获取生产目标非织造产品的原材料的多种参数，获得原材料参数集合；
参数要求模块2，所述参数要求模块2用于获取所述目标非织造产品的多种性能指标的参数要求，获得性能指标要求参数集合；
输入模块3，所述输入模块3用于将所述原材料参数集合和性能指标要求参数集合输入轧辊参数分析模型，获得轧辊参数；
生产模块4，所述生产模块4用于采用所述轧辊参数进行所述目标非织造产品的生产，并获得生产样品；
缺陷分析模块5，所述缺陷分析模块5用于在生产后，采集所述生产样品的图像信息，将所述图像信息输入缺陷分析模型，获得缺陷分析结果；
信息采集点模块6，所述信息采集点模块6用于根据所述缺陷分析结果，获取预警信息，进行预警并执行相应预警操作。
进一步而言，系统还包括：
配比模块，配比模块用于获取所述目标非织造产品的纤维的品种及配比，获得纤维品种信息和品种配比信息；
纤网面密度模块，纤网面密度模块用于获取所述目标非织造产品的纤网面密度，获得纤网面密度信息；
原材料参数集合获得模块，原材料参数集合模块用于基于所述纤维品种信息、品种配比信息和纤网面密度信息，获得所述原材料参数集合。
进一步而言，系统还包括：
断裂强度参数要求获取模块，断裂强度参数要求获取模块用于获取所述目标非织造产品的断裂强度参数要求
断裂伸长率参数要求获取模块，断裂伸长率参数要求获取模块用于获取所述目标非织造产品的断裂伸长率参数要求；
性能指标要求参数集合获得模块，性能指标要求参数集合获得模块用于基于所述断裂强度参数要求和断裂伸长率参数要求，获得所述性能指标要求参数集合。
进一步而言，系统还包括：
参数集合模块，参数集合模块用于获取历史时间内进行不同非织造产品生产的原材料参数集合和性能指标要求参数集合，获得多个历史原材料参数集合和多个历史性能指标要求参数集合；
满足模块，满足模块用于获取历史时间内进行不同非织造产品生产时，满足所述多个历史性能指标要求参数集合的多个历史轧辊参数；
构建模块，构建模块用于采用所述多个历史原材料参数集合、多个历史性能指标要求参数集合和多个历史轧辊参数，构建所述轧辊参数分析模型；
轧辊参数获得模块，轧辊参数获得模块用于将所述原材料参数集合和性能指标要求参数集合输入所述轧辊参数分析模型，获得所述轧辊参数。
进一步而言，系统还包括：
数据输出模块，数据输出模块用于基于BP神经网络，构建所述轧辊参数分析模型，所述轧辊参数分析模型的输入数据包括原材料参数集合和性能指标要求参数集合，输出数据包括轧辊参数；
构建数据集模块，构建数据集模块用于对所述多个历史原材料参数集合、多个历史性能指标要求参数集合和多个历史轧辊参数进行数据标注，获得第一构建数据集，其中，所述第一构建数据集内包括第一训练集和第一验证集；
第一预设要求模块，第一预设要求模块用于采用所述第一训练集和第一验证集对所述轧辊参数分析模型进行监督训练和验证，直到所述轧辊参数分析模型收敛或准确率达到预设要求。
进一步而言，系统还包括：
图像信息获取模块，图像信息获取模块用于获取历史时间内进行不同非织造产品生产后样品的图像，获得多个历史图像信息；
结果获取模块，结果获取模块用于根据所述多个历史图像信息内瑕疵点的数量，获取不同的多个样本缺陷分析结果；
模型构建模块，模型构建模块用于基于卷积神经网络，构建所述缺陷分析模型，所述缺陷分析模型的输入数据包括图像信息，输出数据包括缺陷分析结果；
第二预设要求模块，第二预设要求模块用于采用所述多个历史图像信息和多个样本缺陷分析结果作为第二构建数据集，对所述缺陷分析模型进行监督训练和验证，直到所述缺陷分析模型收敛或准确率达到预设要求；
图像信息输入模块，图像信息输入模块用于将所述图像信息输入所述缺陷分析模型，获得所述缺陷分析结果。
进一步而言，系统还包括：
划分模块，划分模块用于根据所述多个样本缺陷分析结果内瑕疵点的数量，进行划分，获得多个缺陷分析结果区间；
设置模块，设置模块用于根据所述多个缺陷分析结果区间内瑕疵点的数量，设置多个对应的预警信息和预警操作；
映射模块，映射模块用于构建所述多个缺陷分析结果区间与所述多个对应的预警信息和预警操作之间的映射关系；
预警模块，预警模块用于将所述缺陷分析结果输入所述映射关系，获得对应的预警信息和预警操作，进行预警并执行预警操作。
本说明书通过前述对一种生产非织造产品的智能控制方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种生产非织造产品的智能控制方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种生产非织造产品的智能控制方法，其特征在于，所述方法包括：
获取生产目标非织造产品的原材料的多种参数，获得原材料参数集合；
获取所述目标非织造产品的多种性能指标的参数要求，获得性能指标要求参数集合；
将所述原材料参数集合和性能指标要求参数集合输入轧辊参数分析模型，获得轧辊参数；
采用所述轧辊参数进行所述目标非织造产品的生产，并获得生产样品；
在生产后，采集所述生产样品的图像信息，将所述图像信息输入缺陷分析模型，获得缺陷分析结果；
根据所述缺陷分析结果，获取预警信息，进行预警并执行相应预警操作；
其中，将所述原材料参数集合和性能指标要求参数集合输入轧辊参数分析模型，获得轧辊参数，包括：
获取历史时间内进行不同非织造产品生产的原材料参数集合和性能指标要求参数集合，获得多个历史原材料参数集合和多个历史性能指标要求参数集合；
获取历史时间内进行不同非织造产品生产时，满足所述多个历史性能指标要求参数集合的多个历史轧辊参数；
采用所述多个历史原材料参数集合、多个历史性能指标要求参数集合和多个历史轧辊参数，构建所述轧辊参数分析模型；
将所述原材料参数集合和性能指标要求参数集合输入所述轧辊参数分析模型，获得所述轧辊参数；
其中，采用所述多个历史原材料参数集合、多个历史性能指标要求参数集合和多个历史轧辊参数，构建所述轧辊参数分析模型，包括：
基于BP神经网络，构建所述轧辊参数分析模型，所述轧辊参数分析模型的输入数据包括原材料参数集合和性能指标要求参数集合，输出数据包括轧辊参数；
对所述多个历史原材料参数集合、多个历史性能指标要求参数集合和多个历史轧辊参数进行数据标注，获得第一构建数据集，其中，所述第一构建数据集内包括第一训练集和第一验证集；
采用所述第一训练集和第一验证集对所述轧辊参数分析模型进行监督训练和验证，直到所述轧辊参数分析模型收敛或准确率达到预设要求；
其中，将所述图像信息输入缺陷分析模型，获得缺陷分析结果，包括：
获取历史时间内进行不同非织造产品生产后样品的图像，获得多个历史图像信息；
根据所述多个历史图像信息内瑕疵点的数量，获取不同的多个样本缺陷分析结果；
基于卷积神经网络，构建所述缺陷分析模型，所述缺陷分析模型的输入数据包括图像信息，输出数据包括缺陷分析结果；
采用所述多个历史图像信息和多个样本缺陷分析结果作为第二构建数据集，对所述缺陷分析模型进行监督训练和验证，直到所述缺陷分析模型收敛或准确率达到预设要求；
将所述图像信息输入所述缺陷分析模型，获得所述缺陷分析结果。
2.根据权利要求1所述的方法，其特征在于，获取生产目标非织造产品的原材料的多种参数，获得原材料参数集合，包括：
获取所述目标非织造产品的纤维的品种及配比，获得纤维品种信息和品种配比信息；
获取所述目标非织造产品的纤网面密度，获得纤网面密度信息；
基于所述纤维品种信息、品种配比信息和纤网面密度信息，获得所述原材料参数集合。
3.根据权利要求1所述的方法，其特征在于，获取所述目标非织造产品的多种性能指标的参数要求，获得性能指标要求参数集合，包括：
获取所述目标非织造产品的断裂强度参数要求；
获取所述目标非织造产品的断裂伸长率参数要求；
基于所述断裂强度参数要求和断裂伸长率参数要求，获得所述性能指标要求参数集合。
4.根据权利要求1所述的方法，其特征在于，根据所述缺陷分析结果，获取预警信息，进行预警并执行相应预警操作，包括；
根据所述多个样本缺陷分析结果内瑕疵点的数量，进行划分，获得多个缺陷分析结果区间；
根据所述多个缺陷分析结果区间内瑕疵点的数量，设置多个对应的预警信息和预警操作；
构建所述多个缺陷分析结果区间与所述多个对应的预警信息和预警操作之间的映射关系；
将所述缺陷分析结果输入所述映射关系，获得对应的预警信息和预警操作，进行预警并执行预警操作。
5.一种生产非织造产品的智能控制系统，其特征在于，所述系统用于执行权利要求1-4任意一项所述的方法，包括：
参数模块，所述参数模块用于获取生产目标非织造产品的原材料的多种参数，获得原材料参数集合；
参数要求模块，所述参数要求模块用于获取所述目标非织造产品的多种性能指标的参数要求，获得性能指标要求参数集合；
输入模块，所述输入模块用于将所述原材料参数集合和性能指标要求参数集合输入轧辊参数分析模型，获得轧辊参数；
生产模块，所述生产模块用于采用所述轧辊参数进行所述目标非织造产品的生产，并获得生产样品；
缺陷分析模块，所述缺陷分析模块用于在生产后，采集所述生产样品的图像信息，将所述图像信息输入缺陷分析模型，获得缺陷分析结果；
信息采集点模块，所述信息采集点模块用于根据所述缺陷分析结果，获取预警信息，进行预警并执行相应预警操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310023147.1A CN115933574B (zh) | 2023-01-09 | 2023-01-09 | 一种生产非织造产品的智能控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310023147.1A CN115933574B (zh) | 2023-01-09 | 2023-01-09 | 一种生产非织造产品的智能控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115933574A CN115933574A (zh) | 2023-04-07 |
| CN115933574B true CN115933574B (zh) | 2024-04-26 |
Family
ID=86550730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310023147.1A Active CN115933574B (zh) | 2023-01-09 | 2023-01-09 | 一种生产非织造产品的智能控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115933574B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116699243B (zh) * | 2023-06-07 | 2023-12-05 | 常州市意艾斯帝防静电产品有限公司 | 一种防静电产品性能智能分析方法及系统 |
| CN116890222B (zh) * | 2023-08-17 | 2024-01-16 | 广州誉鑫精密部件有限公司 | 一种自动组装机的智能定位方法及装置 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002192211A (ja) * | 2000-12-28 | 2002-07-10 | Nippon Steel Corp | ユニバーサル圧延機を用いた多段圧延における製品寸法推定方法及びロール隙設定方法 |
| CN101195282A (zh) * | 2007-12-04 | 2008-06-11 | 东华大学 | 一种弹性层压制品及其制造工艺 |
| CN101979744A (zh) * | 2010-10-11 | 2011-02-23 | 东莞市威骏不织布有限公司 | 3米2幅宽无纺布的自动化生产设备 |
| CN112469649A (zh) * | 2018-06-26 | 2021-03-09 | 意大利技术联盟有限责任公司 | 用于在卷绕成卷的薄产品的中间处理步骤期间预测产品缺陷的存在的方法 |
| CN114330890A (zh) * | 2021-12-30 | 2022-04-12 | 苏州杰力澳自动化设备有限公司 | 一种电子元件的防误切预警方法及系统 |
| CN114863661A (zh) * | 2022-07-05 | 2022-08-05 | 苏州翔楼新材料股份有限公司 | 一种特钢生产车间的监测预警方法及系统 |
| CN114880361A (zh) * | 2022-07-07 | 2022-08-09 | 张家港市欧凯医疗器械有限公司 | 一种用于膀胱造瘘管的生产加工监督管理方法及系统 |
| CN114926462A (zh) * | 2022-07-19 | 2022-08-19 | 苏州翔楼新材料股份有限公司 | 一种金属材料表面缺陷的智能检测方法及系统 |
| CN217263644U (zh) * | 2022-05-26 | 2022-08-23 | 浙江聚优非织造材料科技有限公司 | 一种非织造布生产用的复合设备 |
| CN115058807A (zh) * | 2022-08-17 | 2022-09-16 | 江苏卓鹏智能机电有限公司 | 一种用于纺纱机的智能控制方法及系统 |
| CN115221796A (zh) * | 2022-08-03 | 2022-10-21 | 工业云制造(四川)创新中心有限公司 | 一种面向云制造模式的工艺流程仿真方法及系统 |
| CN115293629A (zh) * | 2022-08-19 | 2022-11-04 | 福赛轴承（嘉兴）有限公司 | 一种滚动轴承零件的生产加工方法及系统 |
-
2023
- 2023-01-09 CN CN202310023147.1A patent/CN115933574B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002192211A (ja) * | 2000-12-28 | 2002-07-10 | Nippon Steel Corp | ユニバーサル圧延機を用いた多段圧延における製品寸法推定方法及びロール隙設定方法 |
| CN101195282A (zh) * | 2007-12-04 | 2008-06-11 | 东华大学 | 一种弹性层压制品及其制造工艺 |
| CN101979744A (zh) * | 2010-10-11 | 2011-02-23 | 东莞市威骏不织布有限公司 | 3米2幅宽无纺布的自动化生产设备 |
| CN112469649A (zh) * | 2018-06-26 | 2021-03-09 | 意大利技术联盟有限责任公司 | 用于在卷绕成卷的薄产品的中间处理步骤期间预测产品缺陷的存在的方法 |
| CN114330890A (zh) * | 2021-12-30 | 2022-04-12 | 苏州杰力澳自动化设备有限公司 | 一种电子元件的防误切预警方法及系统 |
| CN217263644U (zh) * | 2022-05-26 | 2022-08-23 | 浙江聚优非织造材料科技有限公司 | 一种非织造布生产用的复合设备 |
| CN114863661A (zh) * | 2022-07-05 | 2022-08-05 | 苏州翔楼新材料股份有限公司 | 一种特钢生产车间的监测预警方法及系统 |
| CN114880361A (zh) * | 2022-07-07 | 2022-08-09 | 张家港市欧凯医疗器械有限公司 | 一种用于膀胱造瘘管的生产加工监督管理方法及系统 |
| CN114926462A (zh) * | 2022-07-19 | 2022-08-19 | 苏州翔楼新材料股份有限公司 | 一种金属材料表面缺陷的智能检测方法及系统 |
| CN115221796A (zh) * | 2022-08-03 | 2022-10-21 | 工业云制造(四川)创新中心有限公司 | 一种面向云制造模式的工艺流程仿真方法及系统 |
| CN115058807A (zh) * | 2022-08-17 | 2022-09-16 | 江苏卓鹏智能机电有限公司 | 一种用于纺纱机的智能控制方法及系统 |
| CN115293629A (zh) * | 2022-08-19 | 2022-11-04 | 福赛轴承（嘉兴）有限公司 | 一种滚动轴承零件的生产加工方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| BP和SAE深度神经网络方法的织物缺陷检测研究;严伟等;智能物联技术;20181118;第1卷(第03期);第25-31页 * |
| 医用非织造材料生产技术及设备;鲁谦之等;纺织导报;20200908(第09期);第45-50页 * |
| 图像融合技术在非织造材料纤维取向中的应用;李彩兰等;纺织学报;20131015;第34卷(第10期);第26-34页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115933574A (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115933574B (zh) | 一种生产非织造产品的智能控制方法及系统 | |
| Khanlou et al. | Multi-response analysis in the processing of poly (methyl methacrylate) nano-fibres membrane by electrospinning based on response surface methodology: fibre diameter and bead formation | |
| Sakthivel et al. | Development of needle-punched nonwoven fabrics from reclaimed fibers for air filtration applications | |
| CN102662390B (zh) | 一种随机模糊故障特征融合的旋转机械设备故障诊断方法 | |
| CN107966964A (zh) | 纺纱管理系统及纺纱管理方法 | |
| US5834639A (en) | Method and apparatus for determining causes of faults in yarns, rovings and slivers | |
| EP3754605A1 (de) | Verfahren und vorrichtung zum ermitteln von fehlstellen an einem fasermaterial sowie faserlegeanlage hierzu | |
| CN109634233A (zh) | 工业大数据智能分析决策方法、可读存储介质和终端 | |
| CN116189407B (zh) | 一种基于数据监测的智能预警系统 | |
| EP1899510B1 (de) | Vorrichtung zum herstellen eines spinnvlieses | |
| WO2017079853A1 (de) | Lokales netzwerk für textile qualitätskontrolle | |
| CN115545500B (zh) | 一种用于工程监理的钢筋工程质量检测方法及系统 | |
| CN111041711A (zh) | 一种回收纤维在线成毡方法 | |
| Tian et al. | Preparation and filtration performance of the circular weft-knitted seamless weft-insertion fabric materials | |
| CN101187070A (zh) | 聚苯硫醚短纤维一步法成套设备和生产方法 | |
| CN109682678A (zh) | 一种纤维断裂声的分析方法 | |
| KHEIRKHAH et al. | Modeling the properties of core-compact spun yarn using artificial neural network | |
| CN105548188B (zh) | 基于随机须丛逐步分离模型的纤维短绒率测量计算方法 | |
| CN117147808B (zh) | 基于大数据的水刺无纺布技术进展方向监控系统 | |
| CN205617133U (zh) | 纱线条干不匀率预测装置 | |
| EP3599070A1 (de) | Verfahren und produktionsanlage zur verarbeitung eines werkstoffs | |
| CN113189103B (zh) | Y细旦阳离子涤纶长丝的在线检测系统及故障诊断方法 | |
| CN117273554B (zh) | 一种基于数据识别的纺织品生产质量预测方法 | |
| CN205974750U (zh) | 一种纺丝生产自动温控设备 | |
| CN115247288A (zh) | 一种并列双组份卷曲长丝及其制备方法 |
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 |