细纱机中异常锭子的检测方法、设备及可读存储介质
技术领域
本发明涉及棉纺技术领域，尤其涉及一种细纱机中异常锭子的检测方法、设备及可读存储介质。
背景技术
在棉纺行业中，断纱检测是细纱生产管理的重要组成部分。检测方式有很多种，从结构类型上，检测方式包括定点检测和巡回检测；从检测原理上，可以分为钢丝圈运动光电扫描、钢丝圈摩擦热敏传感、钢丝圈运动电磁感应、导纱钩纱条光路遮断等检测技术。
但是，无论是依据结构类型的检测，还是依据检测原理的检测，都是在细纱生成完成后的检测，属于事后检测，而非事前检测以预防断纱。相对于事前预防，事后检测虽然可以检测出断纱，但因缺少事前预防而导致出现的断纱增加，同时还增加了检测的成本。因此，如何通过预防来减少断纱以及减少检测断纱成本是当前亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种细纱机中异常锭子的检测方法、设备及可读存储介质，旨在解决现有技术中如何通过预防来减少断纱以及减少检测断纱成本的技术问题。
为实现上述目的，本发明提供一种细纱机中异常锭子的检测方法，所述细纱机中异常锭子的检测方法包括以下步骤：
根据细纱机中每个锭子在预设周期内的多个锭速，计算每个所述锭子的锭速均值；
根据各所述锭速均值，确定所述细纱机中的速度正常锭子和速度异常锭子；
根据每个所述锭子的特征数据集，确定每个所述锭子的异常评分；
根据各所述异常评分、各所述速度正常锭子和各所述速度异常锭子，确定所述细纱机中的目标异常锭子。
可选地，所述根据各所述异常评分、各所述速度正常锭子和各所述速度异常锭子，确定所述细纱机中的目标异常锭子的步骤包括：
根据各所述异常评分，确定所述细纱机中的特征正常锭子和特征异常锭子；
根据各所述速度正常锭子和各所述特征正常锭子，确定所述细纱机中的正常锭子，并基于所述正常锭子确定出所述细纱机中的待确定锭子；
根据各所述速度异常锭子和各所述特征异常锭子，确定所述细纱机中的异常锭子和待确定锭子；
根据各所述待确定锭子，对所述细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子。
可选地，所述根据各所述异常评分，确定所述细纱机中的特征正常锭子和特征异常锭子的步骤包括：
将各所述异常评分和预设评分阈值对比，确定各所述异常评分中大于预设评分阈值的第一异常评分，以及小于或等于预设评分阈值的第二异常评分；
将与各所述第一异常评分对应的锭子确定为所述特征异常锭子，并将与各所述第二异常评分对应的锭子确定为所述特征正常锭子。
可选地，所述根据各所述速度正常锭子和各所述特征正常锭子，确定所述细纱机中的正常锭子，并基于所述正常锭子确定出所述细纱机中的待确定锭子的步骤包括：
在各所述速度正常锭子和各所述特征正常锭子进行第一类交集运算，将落入第一类交集运算内的锭子确定为所述细纱机中的正常锭子，并将所述细纱机中除所述正常锭子之外的其他锭子确定为所述待确定锭子；
所述根据各所述速度异常锭子和各所述特征异常锭子，确定所述细纱机中的异常锭子和待确定锭子的步骤包括：
在各所述速度异常锭子和各所述特征异常锭子进行第二类交集运算，将落入第二类交集运算内的锭子确定为所述细纱机中的异常锭子，并将落入第二类交集运算外的锭子确定为所述细纱机中的待确定锭子。
可选地，所述根据各所述待确定锭子，对所述细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子的步骤包括：
每间隔预设检测周期，获取每个所述待确定锭子在所述预设检测周期内的多个待定锭速，并计算每个所述待确定锭子的待定锭速均值；
根据所述待定锭速均值，将各所述待确定锭子划分为待定速度正常锭子和待定速度异常锭子；
根据每个所述待确定锭子的待定特征数据集，确定每个所述待确定锭子的待定异常评分；
根据各所述待定异常评分、各所述待定速度正常锭子和各所述待定速度异常锭子，对所述细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子。
可选地，所述根据每个所述锭子的特征数据集，确定每个所述锭子的异常评分的步骤包括：
获取每个所述锭子在所述预设周期内的断头次数和弱捻次数，并将每个所述锭子的所述锭速均值、断头次数和弱捻次数形成为每个所述锭子的特征数据值；
计算每个所述锭子在所述特征数据集中各个数据上的概率密度，并根据每个所述锭子的各所述概率密度，确定每个所述锭子的总概率密度；
根据每个所述锭子的所述总概率密度，计算每个所述锭子的异常评分。
可选地，所述根据各所述锭速均值，确定所述细纱机中的速度正常锭子和速度异常锭子的步骤包括：
计算各所述锭速均值的整体均值和标准偏差，并确定各所述锭速均值分别和所述整体均值之间的锭速偏差；
基于预设倍数对所述标准偏差进行更新处理，并查找各所述锭速偏差中大于更新后所述标准偏差的第一锭速偏差，以及，小于或等于更新后所述标准偏差的第二锭速偏差；
将与各所述第一锭速偏差对应的锭子确定为所述速度异常锭子，并将与各所述第二锭速偏差对应的锭子确定为所述速度正常锭子。
可选地，所述根据细纱机中每个锭子在预设周期内的多个锭速，计算每个所述锭子的锭速均值的步骤包括：
将所述细纱机中每个锭子在预设周期内的多个锭速按照数值从大到小的顺序排列，形成每个所述锭子的数值序列；
将每个所述锭子的数值序列中的数值传输到预设公式中进行计算，生成每个所述锭子的锭速均值。
进一步地，为实现上述目的，本发明还提供一种细纱机中异常锭子的检测装置，所述细纱机中异常锭子的检测装置包括：
计算模块，用于根据细纱机中每个锭子在预设周期内的多个锭速，计算每个所述锭子的锭速均值；
第一确定模块，用于根据各所述锭速均值，确定所述细纱机中的速度正常锭子和速度异常锭子；
第二确定模块，用于根据每个所述锭子的特征数据集，确定每个所述锭子的异常评分；
第三确定模块，用于根据各所述异常评分、各所述速度正常锭子和各所述速度异常锭子，确定所述细纱机中的目标异常锭子。
进一步地，为实现上述目的，本发明还提供一种细纱机中异常锭子的检测设备，所述细纱机中异常锭子的检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的细纱机中异常锭子的检测程序，所述细纱机中异常锭子的检测程序被所述处理器执行时实现如上述所述的细纱机中异常锭子的检测方法的步骤。
进一步地，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有细纱机中异常锭子的检测程序，所述细纱机中异常锭子的检测程序被处理器执行时实现如上所述的细纱机中异常锭子的检测方法的步骤。
本发明的细纱机中异常锭子的检测方法、设备及可读存储介质，先根据细纱机中每个锭子在预设周期内的多个锭速，计算每个锭子的锭速均值，并依据各个锭速均值，将细纱机中的各个锭子划分为速度正常锭子和速度异常锭子；此后再依据每个锭子的特征数据值，确定每个锭子的异常评分；进而结合每个锭子的异常评分，各个速度正常锭子和各个速度异常锭子，来确定细纱机中的目标异常锭子。由目标异常锭子来预防断纱，进而减少了断纱情况的出现，以及减少断纱的检测成本。并且从锭子的转速和锭子的特征数据等多个维度，来确定细纱机的异常锭子，使得异常锭子的确定更为准确，有利于确保断纱的预防效果。
附图说明
图1为本发明细纱机中异常锭子的检测设备实施例方案涉及的设备硬件运行环境的结构示意图；
图2为本发明细纱机中异常锭子的检测方法第一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供一种细纱机中异常锭子的检测设备，参照图1，图1为本发明细纱机中异常锭子的检测设备实施例方案涉及的设备硬件运行环境的结构示意图。
如图1所示，该细纱机中异常锭子的检测设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
本领域技术人员可以理解，图1中示出的细纱机中异常锭子的检测设备的硬件结构并不构成对细纱机中异常锭子的检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及细纱机中异常锭子的检测程序。其中，操作系统是管理和控制细纱机中异常锭子的检测设备与软件资源的程序，支持网络通信模块、用户接口模块、细纱机中异常锭子的检测程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1004；用户接口模块用于管理和控制用户接口1003。
在图1所示的细纱机中异常锭子的检测设备硬件结构中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；处理器1001可以调用存储器1005中存储的细纱机中异常锭子的检测程序，并执行以下操作：
根据细纱机中每个锭子在预设周期内的多个锭速，计算每个所述锭子的锭速均值；
根据各所述锭速均值，确定所述细纱机中的速度正常锭子和速度异常锭子；
根据每个所述锭子的特征数据集，确定每个所述锭子的异常评分；
根据各所述异常评分、各所述速度正常锭子和各所述速度异常锭子，确定所述细纱机中的目标异常锭子。
进一步地，所述根据各所述异常评分、各所述速度正常锭子和各所述速度异常锭子，确定所述细纱机中的目标异常锭子的步骤包括：
根据各所述异常评分，确定所述细纱机中的特征正常锭子和特征异常锭子；
根据各所述速度正常锭子和各所述特征正常锭子，确定所述细纱机中的正常锭子，并基于所述正常锭子确定出所述细纱机中的待确定锭子；
根据各所述速度异常锭子和各所述特征异常锭子，确定所述细纱机中的异常锭子和待确定锭子；
根据各所述待确定锭子，对所述细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子。
进一步地，所述根据各所述异常评分，确定所述细纱机中的特征正常锭子和特征异常锭子的步骤包括：
将各所述异常评分和预设评分阈值对比，确定各所述异常评分中大于预设评分阈值的第一异常评分，以及小于或等于预设评分阈值的第二异常评分；
将与各所述第一异常评分对应的锭子确定为所述特征异常锭子，并将与各所述第二异常评分对应的锭子确定为所述特征正常锭子。
进一步地，所述根据各所述速度正常锭子和各所述特征正常锭子，确定所述细纱机中的正常锭子，并基于所述正常锭子确定出所述细纱机中的待确定锭子的步骤包括：
在各所述速度正常锭子和各所述特征正常锭子进行第一类交集运算，将落入第一类交集运算内的锭子确定为所述细纱机中的正常锭子，并将所述细纱机中除所述正常锭子之外的其他锭子确定为所述待确定锭子；
所述根据各所述速度异常锭子和各所述特征异常锭子，确定所述细纱机中的异常锭子和待确定锭子的步骤包括：
在各所述速度异常锭子和各所述特征异常锭子进行第二类交集运算，将落入第二类交集运算内的锭子确定为所述细纱机中的异常锭子，并将落入第二类交集运算外的锭子确定为所述细纱机中的待确定锭子。
进一步地，所述根据各所述待确定锭子，对所述细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子的步骤包括：
每间隔预设检测周期，获取每个所述待确定锭子在所述预设检测周期内的多个待定锭速，并计算每个所述待确定锭子的待定锭速均值；
根据所述待定锭速均值，将各所述待确定锭子划分为待定速度正常锭子和待定速度异常锭子；
根据每个所述待确定锭子的待定特征数据集，确定每个所述待确定锭子的待定异常评分；
根据各所述待定异常评分、各所述待定速度正常锭子和各所述待定速度异常锭子，对所述细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子。
进一步地，所述根据每个所述锭子的特征数据集，确定每个所述锭子的异常评分的步骤包括：
获取每个所述锭子在所述预设周期内的断头次数和弱捻次数，并将每个所述锭子的所述锭速均值、断头次数和弱捻次数形成为每个所述锭子的特征数据值；
计算每个所述锭子在所述特征数据集中各个数据上的概率密度，并根据每个所述锭子的各所述概率密度，确定每个所述锭子的总概率密度；
根据每个所述锭子的所述总概率密度，计算每个所述锭子的异常评分。
进一步地，所述根据各所述锭速均值，确定所述细纱机中的速度正常锭子和速度异常锭子的步骤包括：
计算各所述锭速均值的整体均值和标准偏差，并确定各所述锭速均值分别和所述整体均值之间的锭速偏差；
基于预设倍数对所述标准偏差进行更新处理，并查找各所述锭速偏差中大于更新后所述标准偏差的第一锭速偏差，以及，小于或等于更新后所述标准偏差的第二锭速偏差；
将与各所述第一锭速偏差对应的锭子确定为所述速度异常锭子，并将与各所述第二锭速偏差对应的锭子确定为所述速度正常锭子。
进一步地，所述根据细纱机中每个锭子在预设周期内的多个锭速，计算每个所述锭子的锭速均值的步骤包括：
将所述细纱机中每个锭子在预设周期内的多个锭速按照数值从大到小的顺序排列，形成每个所述锭子的数值序列；
将每个所述锭子的数值序列中的数值传输到预设公式中进行计算，生成每个所述锭子的锭速均值。
本发明细纱机中异常锭子的检测设备的具体实施方式与下述细纱机中异常锭子的检测方法各实施例基本相同，在此不再赘述。
本发明还提供一种细纱机中异常锭子的检测方法。
参照图2，图2为本发明细纱机中异常锭子的检测方法第一实施例的流程示意图。
本发明实施例提供了细纱机中异常锭子的检测方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。具体地，本实施例中的细纱机中异常锭子的检测方法包括：
步骤S10，根据细纱机中每个锭子在预设周期内的多个锭速，计算每个所述锭子的锭速均值；
本实施例的细纱机中异常锭子的检测方法应用于细纱机系统的上位机。细纱机企业配置的各台细纱机以及上位机共同形成细纱机系统。细纱机为纺纱过程中把半制品粗纱或条子经牵伸、加拈、卷绕成细纱管纱的纺纱机器。细纱机企业中各台细纱机内部署的诸如控制器、控制芯片、主控台等一类用于控制细纱机运转的元器件，形成了细纱机系统的下位机，上位机通过诸如Modbus、TCP、TCP/IP等通信方式与多台下位机通信连接，一台下位机对应一台细纱机。上位通过机从各台下位机中获取各台细纱机的运转数据，监控各细纱机的运行，实现对细纱机中异常锭子的检测。其中，锭子为纺纱机上加拈卷绕的主要部件之一，是以两点支承的细长回转轴为主体的组合件。本实施例通过锭子的异常性来反应细纱机所产出的纱是否存在断纱的情况。
进一步地，预先依据需求设定有表征检测间隔时间的预设周期，如一个星期、半个月等。每当检测到达该预设周期，上位机通过与各下位机的通信传输，获取各细纱机中每个锭子在该预设周期内的多个锭速。锭速为锭子的转速，各下位机依据设定的读取周期，如3秒，每间隔读取周期读取各自所在细纱机中每个锭子的转速，存储在于各下位机对应的存储单元中。上位机通过向各下位机发送通信请求，来请求获取各下位机中预设周期内存储的转速，作为各细纱机中每个锭子在预设周期内的多个锭速。其中，每台细纱机均包含多个锭子，且上位机对各台细纱机中锭子的检测方式相同，本实施例以一台细纱机为例进行说明。
更进一步地，上位机在获取到细纱机中每个锭子在预设周期内的多个锭速后，对每个锭子在该预设周期内的锭速均值进行计算，以表征细纱机中每个锭子在该预设周期内的转动情况。具体地，根据细纱机中每个锭子在预设周期内的多个锭速，计算每个锭子的锭速均值的步骤包括：
步骤S11，将所述细纱机中每个锭子在预设周期内的多个锭速按照数值从大到小的顺序排列，形成每个所述锭子的数值序列；
步骤S12，将每个所述锭子的数值序列中的数值传输到预设公式中进行计算，生成每个所述锭子的锭速均值。
进一步地，为了便于计算锭速均值的计算，将每个锭子在预设周期内生成的多个锭速按照数值从大到小的顺序进行排列，形成每个锭子的数值序列。并且，也可以设定按照数值从小到达的顺序进行排列，形成每个锭子的数值序列。如，细纱机中某个锭子在预设周期内的锭速为300个，且依据时间先后顺序采集的锭速分别为200转/分钟、220转/分钟，195转/分钟等，则针对该锭子所形成的数值序列的[220、200、195···]。进而依据预先设置的第一预设公式，对每个锭子的数值序列进行计算，将每个锭子的数值序列中的数值传输到第一预设公式，得到每个锭子的锭速均值。其中，第一预设公式如下公式(1)所示。
其中，s为锭速均值，xi表示数值序列中的各个数值，N表示数值序列中所具有数值的数量，i＝1、2、3···。
步骤S20，根据各所述锭速均值，确定所述细纱机中的速度正常锭子和速度异常锭子；
更进一步地，在计算得到每个锭子的锭速均值之后，各锭速均值呈现正态分布。对呈正态分布的各锭速均值进行概率计算，将概率值在一定区间内的锭速均值所对应的锭子，确定为细纱机中在转速维度正常的速度正常锭子。同时将概率值在区间外的锭速均值所对应的锭子，确定为细纱机中在转速维度异常的速度异常锭子。以此，实现将细纱机中的所有锭子划分为速度正常锭子和速度异常锭子。
步骤S30，根据每个所述锭子的特征数据集，确定每个所述锭子的异常评分；
可理解地，除了转速之外，细纱机在运转过程中，断头次数和弱捻次数也表征了锭子的运转状态。断头次数表征了锭子在带动线桶转动过程中，线桶上细纱在预设周期内断裂的次数，如在预设周期内，某个锭子上细纱断裂5次，则其断头次数为5。弱捻次数表征锭子在转动过程中，预设周期内转速低于正常转速转动的次数；如在预设周期内，某个锭子的转速以正常转速的75％～95％转动的次数为10次，该锭子的弱捻次数为10次；其中，锭子从正常转速落入到低于正常转速的范围转动，再从该低于正常转速的范围恢复到正常转速，算作一次弱捻。
进一步地，将预设周期内表征锭子运转状态的断头次数、弱捻次数和锭速均值作为锭子的特征数据，形成为锭子的特征数据集。根据每个锭子的特征数据集，确定每个锭子的异常评分。特征数据集中表征锭子运转异常的可能性越大，则锭子的异常评分越高；反之则异常评分越低。
步骤S40，根据各所述异常评分、各所述速度正常锭子和各所述速度异常锭子，确定所述细纱机中的目标异常锭子。
更进一步地，根据每个锭子的异常评分，以及所划分的速度正常锭子和速度异常锭子，预测细纱机的所有锭子中可能存在异常的锭子。若异常评分表征某一锭子为异常锭子，并且该锭子为速度异常锭子，则说明该锭子在多个维度均表现了异常性，而将其预测为细纱机中存在异常的锭子。若异常评分表征某一锭子为正常锭子，并且该锭子为速度正常锭子，则说明在锭子在多个维度均表现了正常性，而将其预测为细纱机中的正常锭子。在细纱机中的各个锭子均进行预测后，预测为存在异常的锭子即形成细纱机中的目标异常锭子，表征细纱机中运转异常的锭子，运转过程中可能导致细纱出现断纱情况。此后，针对所确定的目标异常锭子输出提示信息，以提醒对各目标异常锭子及时检查，避免因异常而导致断纱，减少断纱次数。同时，还可将各个锭子的锭速均值、速度正常性、速度异常性、特征数据、异常评分等数据，生成为细纱机工作班次报告、特征数据报告、落纱报告等，提供给细纱机企业，以便于对各台细纱机的生产运行情况进行监控。
本发明的细纱机中异常锭子的检测方法，先根据细纱机中每个锭子在预设周期内的多个锭速，计算每个锭子的锭速均值，并依据各个锭速均值，将细纱机中的各个锭子划分为速度正常锭子和速度异常锭子；此后再依据每个锭子的特征数据值，确定每个锭子的异常评分；进而结合每个锭子的异常评分，各个速度正常锭子和各个速度异常锭子，来确定细纱机中的目标异常锭子。由目标异常锭子来预防断纱，进而减少了断纱情况的出现，以及减少断纱的检测成本。并且从锭子的转速和锭子的特征数据等多个维度，来确定细纱机的异常锭子，使得异常锭子的确定更为准确，有利于确保断纱的预防效果。
进一步地，基于本发明细纱机中异常锭子的检测方法的第一实施例，提出本发明细纱机中异常锭子的检测方法第二实施例。
所述细纱机中异常锭子的检测方法第二实施例与所述细纱机中异常锭子的检测方法第一实施例的区别在于，所述根据各所述异常评分、各所述速度正常锭子和各所述速度异常锭子，确定所述细纱机中的目标异常锭子的步骤包括：
步骤S41，根据各所述异常评分，确定所述细纱机中的特征正常锭子和特征异常锭子；
本实施例的异常评分表征了锭子在各个特征数据上的异常性，结合锭子在速度维度上表征的异常性，来确定细纱机中的异常锭子。具体地，各锭子异常评分的高低，体现了各锭子的异常性；异常评分越高，锭子异常性的可能性越大，反之则锭子异常性的可能性越小。预先通过多次试验设定表征异常评分高低的预设评分阈值，如0.9，通过各锭子的异常评分与预设评分阈值之间的大小关系，来确定细纱机包含锭子中的特征正常锭子和特征异常锭子。其中特征正常锭子即为在特征数据上正常的锭子，特征异常锭子为在特征数据上异常的锭子。具体地，根据各异常评分，确定细纱机中的特征正常锭子和特征异常锭子的步骤包括：
步骤S411，将各所述异常评分和预设评分阈值对比，确定各所述异常评分中大于预设评分阈值的第一异常评分，以及小于或等于预设评分阈值的第二异常评分；
步骤S412，将与各所述第一异常评分对应的锭子确定为所述特征异常锭子，并将与各所述第二异常评分对应的锭子确定为所述特征正常锭子。
进一步地，将各异常评分分别和预设评分阈值对比，查找各异常评分中大于预设评分阈值的异常评分作为第一异常评分，及其中小于或等于预设评分阈值的异常评分作为第二异常评分。其中，第一异常评分所体现的异常性相对较高，故将生成各第一异常评分的锭子确定为特征异常锭子。第二异常评分所体现的异常性相对较低，故将生成各第二异常评分的锭子确定为特征正常锭子。
步骤S42，根据各所述速度正常锭子和各所述特征正常锭子，确定所述细纱机中的正常锭子，并基于所述正常锭子确定出所述细纱机中的待确定锭子；
步骤S43，根据各所述速度异常锭子和各所述特征异常锭子，确定所述细纱机中的异常锭子和待确定锭子；
更进一步地，在确定细纱机中在特征数据上正常的特征正常锭子后，则结合细纱机中在速度维度上正常的速度正常锭子，确定细纱机中的正常锭子和待确定锭子。将各速度正常锭子和各特征正常锭子进行交集运算，并将两者之间的交集运算作为第一类交集运算。第一类交集运算所得到的结果为在速度维度和特征数据上均正常的锭子，该类锭子即为落入到第一类交集运算内的锭子，将其确定为细纱机中的正常锭子。对于未在交集运算结果内的锭子，为仅在速度维度或特征数据上正常的锭子；该类锭子即为细纱机中除了正常锭子之外的落入到第一类交集运算外的其他锭子，而将其确定为细纱机中的待确定锭子，以进一步确定其异常性。
同样地，对于细纱机中在特征数据上异常的特征异常锭子，结合细纱机中在速度维度上异常的速度异常锭子，来确定细纱机中的异常锭子和待确定锭子。将各速度异常锭子和各特征异常锭子进行交集运算，并将两者之间的交集运算作为第二类交集运算。第二类交集运算所得到的结果为在速度维度和特征数据上均异常的锭子，该类锭子即为落入到第二类交集运算内的锭子，将其确定为细纱机中的异常锭子。对于未在交集运算结果内的锭子，为仅在速度维度或特征数据上异常的锭子；该类锭子即为落入到第二类交集运算外的锭子，而将其确定为细纱机中的待确定锭子，以进一步确定其异常性。
步骤S44，根据各所述待确定锭子，对所述细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子。
进一步地，在确定细纱机中的正常锭子、异常锭子和待确定锭子后，继续对待确定锭子的异常性进行确定。从待确定锭子中再次确定出的异常锭子，对初始的异常锭子进行更新，形成最终的细纱机中的目标异常锭子。具体地，根据各待确定锭子，对细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子的步骤包括：
步骤S441，每间隔预设检测周期，获取每个所述待确定锭子在所述预设检测周期内的多个待定锭速，并计算每个所述待确定锭子的待定锭速均值；
步骤S442，根据所述待定锭速均值，将各所述待确定锭子划分为待定速度正常锭子和待定速度异常锭子；
步骤S443，根据每个所述待确定锭子的待定特征数据集，确定每个所述待确定锭子的待定异常评分；
步骤S444，根据各所述待定异常评分、各所述待定速度正常锭子和各所述待定速度异常锭子，对所述细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子。
更进一步地，预先设定用于对待确定锭子进行再次检测的预设检测周期。该预设检测周期的周期时间可设定为短于预设周期，以快速确定待确定锭子的异常性。每间隔该预设检测周期，上位机从各细纱机的下位机中获取出待确定锭子在该预设检测周期内生成的待定锭速，进而对各待确定锭子的待定锭速分别进行均值计算，得到每个待确定锭子的待定锭速均值。将各待定锭速均值进行概率计算，依据概率值所分布的区间，将待确定锭子划分为待定速度正常锭子和待定速度异常锭子。
进一步地，形成每个待确定锭子在预设检测周期内的待定特征数据集，并依据每个待确定锭子各自的待定特征数据集，生成每个待确定锭子的待定异常评分。进而依据各待定异常评分和预设评分阈值之间的大小关系，确定待定特征异常锭子和待定特征正常锭子；由待定特征异常锭子与待定速度异常锭子的交集运算，确定待确定锭子中新的异常锭子和新的待确定锭子；并且由待定特征正常锭子与待定速度正常锭子的交集运算，确定待确定锭子中新的正常锭子和新的待确定锭子。将新的异常锭子标记为细纱机的异常锭子，实现通过各待定异常评分、各待定速度正常锭子和各待定速度异常锭子，确定出待确定锭子中的异常锭子，对细纱机中的异常锭子进行更新。依据预设检测周期循环检测，直到待确定锭子均划分为正常锭子和异常锭子，完成细纱机中异常锭子的更新，并将更新后的异常锭子确定为细纱机中的目标异常锭子。
本实施结合在速度维度上异常的锭子和在特征数据上异常的锭子，来确定细纱机中的异常锭子和待确定锭子，并针对待确定锭子设定循环检测的机制，以进一步检测待确定锭子中的异常锭子，实现对细纱机中异常锭子的更新，形成最终的目标异常锭子。通过多维度来确定异常锭子，以及循环检测待确定锭子，提高了最终所确定的目标异常锭子的准确性。
进一步地，基于本发明细纱机中异常锭子的检测方法的第一或第二实施例，提出本发明细纱机中异常锭子的检测方法第三实施例。
所述细纱机中异常锭子的检测方法第三实施例与所述细纱机中异常锭子的检测方法第一或第二实施例的区别在于，所述根据每个所述锭子的特征数据集，确定每个所述锭子的异常评分的步骤包括：
步骤S31，获取每个所述锭子在所述预设周期内的断头次数和弱捻次数，并将每个所述锭子的所述锭速均值、断头次数和弱捻次数形成为每个所述锭子的特征数据值；
步骤S32，计算每个所述锭子在所述特征数据集中各个数据上的概率密度，并根据每个所述锭子的各所述概率密度，确定每个所述锭子的总概率密度；
步骤S33，根据每个所述锭子的所述总概率密度，计算每个所述锭子的异常评分。
在本实施例中，通过表征锭子运转状态的特征数据集，来生成表征锭子异常性的异常评分。具体地，下位机对细纱机中各锭子出现的断头以及弱捻进行检测，并统计在预设周期内所出现的断头次数以及弱捻次数。上位机通过向下位机发送通信请求，来获取每个锭子在预设周期内的断头次数后弱捻次数。进而将每个锭子的锭速均值、断头次数和弱捻次数形成为每个锭子的特征数据集。如，对于锭速均值s、断头次数b和弱捻次数w，锭子xi的特征数据集为Xi＝(si,bi,wi)，各个锭子的特征数据集可形成整体的数据集D，其中，D＝{X1,X2,X3,…,Xm}。
进一步地，基于HOBS(Histogram-based Outlier Score)算法，对表征锭子异常性的异常评分进行计算。HOBS算法中涉及到两部分，第一部分为计算整体数据集中各个特征数据集的概率密度，即每个锭子在其特征数据集上的总概率密度；第二部分由计算的总概率密度来计算每个锭子的异常评分。在计算总概率密度的过程中，对于每个特征数据集，先计算具有该特征数据集的锭子在其中各个数据上的概率密度，以反映该锭子出现转速异常、断头异常和弱捻异常中任意一项的可能性；进而由在各个数据上的概率密度，确定该锭子的总概率密度，通过各概率密度体现各个锭子综合出现转速异常、断头异常和弱捻异常的整体可能性。如对于上述锭速均值s、断头次数b和弱捻次数w，某一定在其特征数据集中各个数据上的概率密度分别为Ps(p)、Pb(p)和Pw(p)；对各个概率密度进行乘法运算，得到该锭子的总概率密度P(p)，即P(p)＝Ps(p)*Pb(p)*Pw(p)。
更进一步地，在HBOS算法中，预先设定有用于计算异常评分的第二预设公式，将计算得到的总概率密度传输到该第二预设公式，即可计算得到锭子的异常评分。其中，第二预设公式及其变形为：
其中，d表示特征数据集中数据的个数，HBOS(p)表示异常评分。
通过第二预设公式对每个锭子总概率密度进行对数运算，并取对数运算结果的负值，来得到每个锭子的异常评分。
需要说明的是，每个锭子通过第二预设公式计算所得到的异常评分可能大于数值1也可能小于预设数值1，为了便于与预设评分阈值进行统一对比，本实施例设置有最大比例更新机制。具体地，在得到每个锭子的异常评分后，在各个异常评分之间对比，确定其中的评分最大值，并将每个锭子的异常评分与该评分最大值做比值运算，将所得到的比值结果作为每个锭子更新的异常评分。
本实施例通过由断头次数、弱捻次数和锭速均值所形成的特征数据值，来计算锭子在其特征数据集上的总概率密度，进而由总概率密度确定异常评分，表征锭子的异常性。实现从多个特征因素来体现锭子的异常性，使得异常锭子的确定更为准确。
进一步地，基于本发明细纱机中异常锭子的检测方法的第一、第二或第三实施例，提出本发明细纱机中异常锭子的检测方法第四实施例。
所述细纱机中异常锭子的检测方法第四实施例与所述细纱机中异常锭子的检测方法第一、第二或第三实施例的区别在于，所述根据各所述锭速均值，确定所述细纱机中的速度正常锭子和速度异常锭子的步骤包括：
步骤S21，计算各所述锭速均值的整体均值和标准偏差，并确定各所述锭速均值分别和所述整体均值之间的锭速偏差；
步骤S22，基于预设倍数对所述标准偏差进行更新处理，并查找各所述锭速偏差中大于更新后所述标准偏差的第一锭速偏差，以及，小于或等于更新后所述标准偏差的第二锭速偏差；
步骤S23，将与各所述第一锭速偏差对应的锭子确定为所述速度异常锭子，并将与各所述第二锭速偏差对应的锭子确定为所述速度正常锭子。
在本实施例中，通过3δ法则对各锭子呈正态分布的锭速均值进行处理，确定细纱机中的速度正常锭子和速度异常锭子。具体地，对呈正态分布的各锭速均值进行整体均值和标准偏差的计算，即计算细纱机中所有锭子在预设周期内转速的整体均值和标准偏差。在得到整体均值后，将各锭速均值分别和整体均值进行偏差计算，得到各个锭速均值与整体均值之间的锭速偏差。进而将预先设定的3倍作为预设倍数，通过该预设倍数对标准偏差进行更新处理，即将标准偏差和预设倍速相乘，得到新的标准偏差。此后将各个锭速偏差和更新后的标准偏差对比，确定其中大于更新后标准偏差的锭速偏差作为第一锭速偏差；以及确定各锭速偏差中小于或等于更新后标准偏差的锭速偏差作为第二锭速偏差。
进一步地，第一锭速偏差表征了锭速均值在3δ法则的异常概率区间内，第二锭速表征锭速均值在3δ法则的正常概率区间内。从而查找生成各第一锭速偏差的各锭速均值，并查找生成该类锭速均值的各锭子，将查找到的各锭子确定为速度异常锭子。同样地，通过查找生成各第二锭速偏差的各锭速均值，来查找生成该类锭速均值的各锭子，并将查找得到的各锭子确定为速度异常锭子。以此，得到表征速度维度上异常的速度异常锭子，以及在速度维度上征程的速度正常锭子。
本实施例通过异常概率区间和正常概率区间，将细纱机中的各锭子划分为速度正常锭子和速度异常锭子，表征各锭子在速度维度上的异常性。以便于结合各锭子在特征数据上的异常性，来从多个维度确定细纱机中最终的目标异常锭子，提高了所确定目标异常锭子的准确性。
本发明还提供一种细纱机中异常锭子的检测装置。所述细纱机中异常锭子的检测装置包括：
计算模块，用于根据细纱机中每个锭子在预设周期内的多个锭速，计算每个所述锭子的锭速均值；
第一确定模块，用于根据各所述锭速均值，确定所述细纱机中的速度正常锭子和速度异常锭子；
第二确定模块，用于根据每个所述锭子的特征数据集，确定每个所述锭子的异常评分；
第三确定模块，用于根据各所述异常评分、各所述速度正常锭子和各所述速度异常锭子，确定所述细纱机中的目标异常锭子。
进一步地，所述第三确定模块包括：
第一确定单元，用于根据各所述异常评分，确定所述细纱机中的特征正常锭子和特征异常锭子；
第二确定单元，用于根据各所述速度正常锭子和各所述特征正常锭子，确定所述细纱机中的正常锭子，并基于所述正常锭子确定出所述细纱机中的待确定锭子；
第三确定单元，用于根据各所述速度异常锭子和各所述特征异常锭子，确定所述细纱机中的异常锭子和待确定锭子；
更新单元，用于根据各所述待确定锭子，对所述细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子。
进一步地，所述第一确定单元还用于：
将各所述异常评分和预设评分阈值对比，确定各所述异常评分中大于预设评分阈值的第一异常评分，以及小于或等于预设评分阈值的第二异常评分；
将与各所述第一异常评分对应的锭子确定为所述特征异常锭子，并将与各所述第二异常评分对应的锭子确定为所述特征正常锭子。
进一步地，所述第二确定单元还用于：
在各所述速度正常锭子和各所述特征正常锭子进行第一类交集运算，将落入第一类交集运算内的锭子确定为所述细纱机中的正常锭子，并将所述细纱机中除所述正常锭子之外的其他锭子确定为所述待确定锭子；
所述第三确定单元还用于：
在各所述速度异常锭子和各所述特征异常锭子进行第二类交集运算，将落入第二类交集运算内的锭子确定为所述细纱机中的异常锭子，并将落入第二类交集运算外的锭子确定为所述细纱机中的待确定锭子。
进一步地，所述更新单元还用于：
每间隔预设检测周期，获取每个所述待确定锭子在所述预设检测周期内的多个待定锭速，并计算每个所述待确定锭子的待定锭速均值；
根据所述待定锭速均值，将各所述待确定锭子划分为待定速度正常锭子和待定速度异常锭子；
根据每个所述待确定锭子的待定特征数据集，确定每个所述待确定锭子的待定异常评分；
根据各所述待定异常评分、各所述待定速度正常锭子和各所述待定速度异常锭子，对所述细纱机中的异常锭子进行更新，形成所述细纱机中的目标异常锭子。
进一步地，所述第二确定模块还包括：
获取单元，用于获取每个所述锭子在所述预设周期内的断头次数和弱捻次数，并将每个所述锭子的所述锭速均值、断头次数和弱捻次数形成为每个所述锭子的特征数据值；
第一计算单元，用于计算每个所述锭子在所述特征数据集中各个数据上的概率密度，并根据每个所述锭子的各所述概率密度，确定每个所述锭子的总概率密度；
第二计算单元，用于根据每个所述锭子的所述总概率密度，计算每个所述锭子的异常评分。
进一步地，所述第一确定模块还包括：
第三计算单元，用于计算各所述锭速均值的整体均值和标准偏差，并确定各所述锭速均值分别和所述整体均值之间的锭速偏差；
查找单元，用于基于预设倍数对所述标准偏差进行更新处理，并查找各所述锭速偏差中大于更新后所述标准偏差的第一锭速偏差，以及，小于或等于更新后所述标准偏差的第二锭速偏差；
第四确定单元，用于将与各所述第一锭速偏差对应的锭子确定为所述速度异常锭子，并将与各所述第二锭速偏差对应的锭子确定为所述速度正常锭子。
进一步地，所述计算模块还包括：
排列单元，用于将所述细纱机中每个锭子在预设周期内的多个锭速按照数值从大到小的顺序排列，形成每个所述锭子的数值序列；
传输单元，用于将每个所述锭子的数值序列中的数值传输到预设公式中进行计算，生成每个所述锭子的锭速均值。
本发明细纱机中异常锭子的检测装置具体实施方式与上述细纱机中异常锭子的检测方法各实施例基本相同，在此不再赘述。
此外，本发明实施例还提出一种可读存储介质。
可读存储介质上存储有细纱机中异常锭子的检测程序，细纱机中异常锭子的检测程序被处理器执行时实现如上所述的细纱机中异常锭子的检测方法的步骤。
本发明可读存储介质可以是计算机可读存储介质，其具体实施方式与上述细纱机中异常锭子的检测方法各实施例基本相同，在此不再赘述。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本发明的保护之内。
