纱线断线预警监测方法、系统、装置及可读存储介质
技术领域
本发明涉及纺织加工技术领域，尤其是涉及一种纱线断线预警监测方法、系统、装置及可读存储介质。
背景技术
纱线是用各种纺织纤维加工成的具有一定细度的产品，用于织布、制绳、制线、针织和刺绣等，分为短纤维纱、连续长丝等。在实际的纺织生产作业中，需要用到纱线和纺织机械，纱线在进入纺织机械前，经常遇到纱线的牵拉力度过大或速度过快的情况，超过纱线的承受能力，导致纱线绷断，造成生产中断；所以通常会在纺织设备上设置断线检测的检测装置，用于在纱线断线时报警和/或停止纺织机械的运作。
例如，现有的公开号为CN110592784A的中国专利公开文本就提供了一种织机用断线检测方法，其包括：步骤S100、识别织机的操作人员；步骤S200、通过光电检测装置对纱线进行检测并输出光电检测信号，然后通过光电检测信号的对比分析判断是否出现断线；步骤S300、在出现断线的时候及时停止织机的运作并及时通知操作人员续线。实现了对断线现象的及时检测判断，并且及时通知到工作人员续线。
但是，上述中的现有技术方案存在以下缺陷：上述技术方案只能在断线发生后进行报警，不能对可能断线的情况进行提前预警，所以没法给到工作人员调整和处理的机会，而一旦发生断线事故，为了使纺织生产正常进行，工作人员不仅需要对设备进行调整和处理，还需要花费大量时间完成断线部位的接线工作，严重影响了生产效率。
发明内容
针对现有技术存在的不足，本发明的目的是提供一种纱线断线预警监测方法、系统、装置及可读存储介质。
发明目的一是提供一种纱线断线预警监测方法，其优点是能够对断线情况进行提前预警，并且有助于减少断线；
发明目的二是提供一种纱线断线预警监测系统，其能够根据设备端的生产参数实时对断线情况进行提前预警，有效保证了生产效率；
发明目的三是提供一种纱线断线预警监测装置，其能够进行断线情况的预警分析，减少断线事故的发生；
发明目的四是提供一种可读存储介质，能够存储相应的程序，具有能够对断线情况进行提前预警的特点。
本发明的上述发明目的一是通过以下技术方案得以实现的：
一种纱线断线预警监测方法，包括以下步骤：
S100、数据采集：获取纺纱设备的多种类别的生产数据，多种类别的所述生产数据包括但不限于纱线断线时的断线确认信息、纱线的粗细数据以及送线辊所受的纱线压力数据；
S200、数据处理：根据通用数学处理方法对步骤S100中获取的生产数据进行处理和分类，并根据预设的判断引擎对处理和分类后的数据进行合理性判断；
S300、数据分析：根据预设的数学模型对步骤S200中判断为合理的数据进行分类判断并得出结果数据；
S400、结果反馈：将步骤S300中得出的结果数据反馈至纺纱设备的控制器，所述结果数据包括但不限于参数正常指令、停机指令、报警信号、预警信号以及控制接线装置就位的触发信号。
通过采用上述技术方案，能够根据采集到的纺纱设备的生产数据对纺纱设备的生产情况进行实时分析，当纺纱设备的生产数据异常例如纱线的粗细数据以及送线辊所受的纱线压力数据在预设的阈值范围外时，能够控制纺纱设备立即停机并发出报警或预警信号，实现了断线前的提前预警，有助于减少断线情况的发生。
本发明在一较佳示例中可以进一步配置为：在步骤S100中，获取纺纱设备的生产数据的方式包括：
通过断纱检测器获取纱线断线时的断线确认信息；通过视觉检测装置获取纱线的粗细数据；以及，通过纱线张力检测仪获取送线辊所受的纱线压力数据；
其中，所述视觉检测装置包括多个置于纱线外侧的机器视觉工业相机，多个所述机器视觉工业相机沿纱线的周向均匀分布。
通过采用上述技术方案，能够准确的检测纺纱设备在生产过程中是否发生断线、纱线是否过细或断股、纱线压力是否过大，从而很好的为断线预警判断作数据支撑。
本发明在一较佳示例中可以进一步配置为：步骤S200包括以下子步骤：
S201、数据分类：将步骤S100中获取的生产数据按照类别进行分类标记；
S202、数据获取：依次获取或同时获取标记后的多种类别的生产数据中的每类生产数据的特征参数；
S203、数据检验：根据预设的判断引擎以及步骤S201中的分类标记去检测步骤S202中所获取的特征参数的有效性和完整性，并剔除无效参数和损坏参数，剩余的特征参数即为合理的特征参数；
S204、数据传递：将步骤S203中得到的合理的特征参数与对应的生产数据的分类标记进行绑定，随后进入步骤S300。
通过采用上述技术方案，能够剔除掉数据采集过程中的无效和损坏的数据，减轻了数据处理的压力，也避免了对设备生产状况的误判。
本发明在一较佳示例中可以进一步配置为：子步骤S204具体包括：
将步骤S203中得到的合理的特征参数与对应的生产数据的分类标记进行绑定，随后进入步骤S300并同时将合理的特征参数发送至预设的云端进行存储；
其中，步骤S300中所用的数学模型由云端下发，所述云端周期性的根据存储的所有的特征参数数据对建立的数学模型进行修正，并在模型修正完成后将修正后的数学模型应用至步骤S300中。
通过采用上述技术方案，能够根据实际工业运行中的设备数据对数学模型进行修正和更新，使得数学模型与实际应用环境的匹配度更好。
本发明的上述发明目的二是通过以下技术方案得以实现的：
一种纱线断线预警监测系统，包括：
设备端，用于进行纱线生产并检测生产过程中的多种类别的生产参数，多种类别的所述生产参数包括但不限于纱线的断线确认信息、纱线的粗细数据和送线辊所受的纱线压力数据；
边缘端，用于获取所述设备端采集到的生产参数，同时根据预设的数学模型和获取到的生产参数得出结果数据并将结果数据反馈至纺纱设备的控制器，所述结果数据包括但不限于停机指令、报警信号、预警信号和控制接线装置就位的触发信号；以及，
云端，用于根据存储的生产参数历史数据建立用于判断生产参数所对应的结果数据的数学模型，并将建立的数学模型发送至所述边缘端进行应用；
其中，所述边缘端还用于在获取设备端采集到的生产参数后，根据通用数学处理方法对获取的生产参数进行处理和分类，并将处理和分类后的生产参数发送至所述云端进行存储；所述云端周期性的根据存储的所有的生产参数数据对建立的数学模型进行修正，并在模型修正完成后将修正后的数学模型更新至所述边缘端。
通过采用上述技术方案，将系统分为设备端、边缘端、云端三个层次，边缘端能够实时检测设备端的运行情况，在断线发生前能够进行实时的预警，而云端能够根据实际的设备运行数据及时修正数学模型并更新至边缘端，保证了数学模型与实际纺纱设备的匹配度，也保证了预警判断结果的准确度。
本发明在一较佳示例中可以进一步配置为：所述边缘端包括数据采集模块、数据处理模块和数据分析模块；
所述数据采集模块与设备端的纺纱设备的控制器通信连接并用于获取纺纱设备的生产参数，所述纺纱设备所对应的生产参数存储在其控制器中；
所述数据处理模块与数据采集模块相连，用于对所述数据采集模块获取的生产参数进行处理和分类，并根据预设的判断引擎对处理和分类后的数据进行合理性判断，且在判断为合理后将合理数据发送至所述数据分析模块；
所述数据分析模块用于根据预设的数学模型将接收到的合理数据进行分类判断并得出结果数据，同时将结果数据反馈至对应所述纺纱设备的控制器。
通过采用上述技术方案，数据处理模块能够将一些不符合工业实际的数据剔除掉后发至数据分析模块，消除了由于明显的数据错误而造成的判断误差，保证了段线预警判断的准确性。
本发明在一较佳示例中可以进一步配置为：所述云端包括：
数据库，其内存储有生产参数历史数据且用于存储边缘端发送过来的生产参数；
模型构建模块，用于根据纺纱设备的参数特性建立学习数学模型；以及，
模型训练模块，用于根据所述数据库内所有的生产参数数据以及预设的训练算法对所述模型构建模块建立的学习数学模型进行训练，并得到数学模型的参数项；
其中，所述模型训练模块得到模型的参数项后，实时将训练完成的数学模型更新至所述边缘端。
通过采用上述技术方案，能够根据数据库内存储的生产参数的历史数据建立学习数学模型并对数学模型进行训练，使得最终得到的数学模型与实际设备运行场景的匹配度更高，从而使得系统最终的预警判断准确度也更高。
本发明在一较佳示例中可以进一步配置为：所述云端还包括模型验证模块和缓存库；所述模型验证模块用于判断模型训练模块得到的数学模型的参数项是否合理，并将判断为合理的数学模型更新至所述边缘端，同时将判断为不合理的数学模型存储至所述缓存库。
通过采用上述技术方案，在修正完数学模型后能够对修正后得到的数学模型进行验证，验证通过的数学模型才会更新至边缘端，保证了边缘端的正常工作。
本发明的上述发明目的三是通过以下技术方案得以实现的：
一种纱线断线预警监测装置，包括存储器和处理器，所属存储器上存储有能够被处理器加载并执行如上述任一种纱线断线预警监测方法的计算机程序。
通过采用上述技术方案，其具有能够对纺纱设备的断线情况进行提前预警的特点，方便工作人员及时了解到设备异常情况，提高了工作效率。
本发明的上述发明目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，存储有能够被处理器加载并执行如上述任一种纱线断线预警监测方法的计算机程序。
通过采用上述技术方案，能够存储相应的程序，具有能够对纺纱设备的断线情况进行提前预警的特点。
综上所述，本发明包括以下至少一种有益技术效果：
1.通过纺纱设备的多种类别的生产数据进行实时采集和分析，结合根据纺纱设备的历史生产参数数据训练的数学模型，能够快速得出反应纺纱设备的运行状况的结果数据，例如在纱线的粗细数据或送线辊所受的纱线压力数据在预设的阈值范围外时，能够控制纺纱设备立即停机并发出报警或预警信号，实现了对断线情况进行提前预警，有助于减少断线情况，而且有效提高了纺纱生产的工作效率；
2.通过将纺纱设备的生产参数发至云端并存储，云端能够周期性的根据存储的所有的特征参数数据对建立的数学模型进行修正，并在模型修正完成后将修正后的数学模型应用至用于对纺纱设备进行实时预警判断的边缘端，使得边缘端的断线预警判断机制更符合纺纱设备的实际生产环境，提高了断线预警判断的准确性。
附图说明
图1是实施例一示出的纱线断线预警监测系统的结构框图；
图2是用于体现实施例一中纱线设备与智能移动终端连接关系的结构框图；
图3是实施例二示出的纱线断线预警监测方法的流程图；
图4是用于体现实施例二中机器视觉工业相机与纱线的位置关系的结构示意图。
图中，1、纺纱设备；11、控制器；12、机器视觉工业相机；13、纯色挡板；14、预警装置；15、报警装置；16、接线装置；17、通信模块；2、设备端；3、边缘端；31、数据采集模块；32、数据处理模块；33、数据分析模块；4、云端；41、数据库；42、模型构建模块；43、模型训练模块；44、模型验证模块；45、缓存库；5、智能移动终端；51、触摸显示屏。
具体实施方式
在下面的详细描述中，提出了许多具体细节，以便于对本发明的全面理解。但是，对于本领域技术人员来说很明显的是，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好地理解。
下面将结合附图，对本发明实施例的技术方案进行描述。
实施例一
参照图1，为本发明公开的一种纱线断线预警监测系统，包括设备端2、边缘端3和云端4。设备端2用于进行纱线生产并检测生产过程中的多种类别的生产参数。其中，多种类别的生产参数包括但不限于纱线的断线确认信息、纱线的粗细数据和送线辊所受的纱线压力数据。
参照图1和图2，边缘端3用于获取设备端2采集到的各种类别的生产参数，同时根据预设的数学模型和获取到的生产参数得出结果数据，并将结果数据反馈至设备端2的纺纱设备1的控制器11。边缘端3得出的结果数据包括但不限于参数正常指令、停机指令、报警信号、预警信号和控制接线装置16就位的触发信号。具体的，当边缘端3获取到纱线的断线确认信息时，边缘端3得出的结果数据为停机指令、报警信号以及控制接线装置16就位的触发信号；当边缘端3获取到纱线的粗细值在预设的粗细阈值范围外和/或送线辊所受的纱线压力值在预设的压力阈值范围外时，边缘端3得出的结果数据为停机指令、预警信号以及控制接线装置16就位的触发信号；当边缘端3未获取到纱线的断线确认信息且纱线的粗细值以及送线辊所受的纱线压力值均在正常范围内时，边缘端3得出的结果数据为参数正常指令。
参照图1，云端4用于根据存储的生产参数的历史数据建立用于判断生产参数所对应的结果数据的数学模型，云端4在建立数学模型后，会实时将建立的数学模型发送至边缘端3进行应用。
参照图1和图2，纺纱设备1的控制器11连接有预警装置14、报警装置15和接线装置16。当控制器11接收到边缘端3发来的参数正常指令时，则不进行预警和/或报警和/或停机的动作，此时，纺纱设备1保持正常生产运作。当控制器11接收到停机指令时，则控制器11控制纺纱设备1停止运作。当控制器11接收到报警信号时，控制器11控制报警装置15报警。当控制器11接收到预警信号时，控制器11控制预警装置14预警。当控制器11接收到控制接线装置16就位的触发信号时，控制器11控制接线装置16启动和/或控制承载有接线装置16的运输小车移动到指定设备位置。需要说明的是，报警装置15发出的报警信号以及预警装置14发出的预警信号为报警灯长亮、报警灯闪烁、蜂鸣信号等的一种或多种的组合，而在本实施例中，接线装置16采用便于在断线情况下进行接线的纱线断纱接线机。
参照图2，设备端2还包括智能移动终端5，智能移动终端5上设置有触摸显示屏51。控制器11还连接有通信模块17，控制器11通过通信模块17与智能移动终端5无线通信连接。当控制器11控制预警装置14运作和/或报警装置15运作和/或接线装置16运作时，同时通过通信模块17向智能移动终端5发送对应的显示信息。智能移动终端5在接收到通信模块17发送的显示信息后，会在触摸显示屏51上显示对应纺纱设备1的故障情况，且智能移动终端5会同时发出例如报警灯亮、蜂鸣器响的提示信号，有助于工作人员快速了解到设备异常情况以便快速做出处理。
参照图1，边缘端3包括数据采集模块31、数据处理模块32和数据分析模块33。结合图2，数据采集模块31与设备端2的纺纱设备1的控制器11通过通信模块17通信连接并用于获取纺纱设备1的生产参数，纺纱设备1所对应的生产参数均存储在其控制器11中并由控制器11通过通信模块17发送至边缘端3的数据采集模块31。
参照图1，数据处理模块32与数据采集模块31相连，用于根据预设的通用数学处理方法以及判断引擎对数据采集模块31获取的生产参数进行处理和分类后，再对数据进行合理性判断，且在判断为合理后将合理数据发送至数据分析模块33。具体的，通用数学处理方法采用聚类、回归或拟合，判断引擎采用上下限规则引擎。以送线辊所受的纱线压力数据为例，当纱线压力值超过上下限规则引擎中的压力上下限值和/或纱线压力值在单位时间内的增长速率超出上下限规则引擎中的压力增长速率上下限值时，则判断为合理，反之，则判断为不合理。需要说明的时，上下限规则引擎中所含的压力上下限值范围内以外的值以及压力增长速率上下限值范围内以外的值均为纱线的工业生产过程中不会出现的值。
参照图1，数据分析模块33与数据处理模块32连接，用于根据云端4发过来的数学模型将接收到的合理数据进行分类判断并得出结果数据，同时将结果数据反馈至对应纺纱设备1的控制器11。其中，数据处理模块32将判断为合理的数据发送至数据分析模块33时，同时将其发送至云端4进行存储，而云端4会周期性的根据存储的所有的生产参数数据对建立的数学模型进行修正，并在模型修正完成后将修正后的数学模型更新至边缘端3的数据分析模块33。
参照图1，云端4包括数据库41、模型构建模块42和模型训练模块43。数据库41内存储有生产参数的历史数据且用于存储边缘端3发送过来的生产参数。模型构建模块42用于根据纺纱设备1的参数特性建立学习数学模型。模型训练模块43用于根据数据库41内所有的生产参数数据以及预设的训练算法对模型构建模块42建立的学习数学模型进行训练，并得到数学模型的参数项。需要说明的是，模型构建模块42建立的学习数学模型为线性回归模型或遗传算法数学模型，模型训练模块43用于根据数据库41内所有生产参数数据对建立的学习数学模型采用梯度下降算法进行训练，并得到模型的参数项。
参照图1，云端4还包括模型验证模块44和缓存库45，模型验证模块44与模型训练模块43连接并用于判断模型训练模块43得到的数学模型的参数项是否合理。具体的，模型验证模块44在验证模型训练模块43得到的数学模型是否合理时，会获取预先设定的用于模型验证的纺纱设备1正常运行时的生产参数以及纺纱设备1非正常运行时的生产参数，若将生产参数带入数学模型时得出的结果均正确，则将该数学模型定义为合理，反之，则定义为不合理。最后，模型验证模块44将判断为合理的数学模型实时更新至边缘端3的数据分析模块33中，同时将判断为不合理的数学模型存储至缓存库45以供后续分析。
实施例二
基于实施例一中的纱线断线预警监测系统，本实施例提供了一种纱线断线预警监测方法，参照图2和图3，其包括以下步骤：
S100、数据采集：获取纺纱设备1的多种类别的生产数据，多种类别的生产数据包括但不限于纱线断线时的断线确认信息、纱线的粗细数据以及送线辊所受的纱线压力数据。
S200、数据处理：根据通用数学处理方法对步骤S100中获取的生产数据进行处理和分类，并根据预设的判断引擎对处理和分类后的数据进行合理性判断。
S300、数据分析：根据预设的数学模型对步骤S200中判断为合理的数据进行分类判断并得出结果数据。
S400、结果反馈：将步骤S300中得出的结果数据反馈至纺纱设备1的控制器11（参照图2），该结果数据包括但不限于参数正常指令、停机指令、报警信号、预警信号以及控制接线装置16就位的触发信号。
参照图3，在步骤S100中，获取纺纱设备1的生产数据的方式包括：通过断纱检测器获取纱线断线时的断线确认信息；通过视觉检测装置获取纱线的粗细数据；以及，通过纱线张力检测仪获取送线辊所受的纱线压力数据。结合图4，视觉检测装置包括多个置于纱线外侧的机器视觉工业相机12，多个机器视觉工业相机12沿纱线的周向均匀分布。
具体的，本实施例中的机器视觉工业相机12设置有三个，相邻两个机器视觉工业相机12之间均连接有纯色挡板13，相邻两个纯色挡板13之间的角度均为60度，使得每一个机器视觉工业相机12的两侧均具有一块纯色挡板13且该机器视觉工业相机12的对面也具有一块与其拍摄方向垂直的纯色挡板13。在机器视觉工业相机12拍摄纱线的照片时，能够拍摄到底色为纯色的纱线照片，从而更有助于对纱线的粗细进行判断。而且由于机器视觉工业相机12设置了三个，三个机器视觉工业相机12检测出来的纱线粗细值可以相互校准，从而得到较为精准的纱线粗细值。具体的，可以将三个机器视觉工业相机12得出的纱线粗细值求平均作为最终的纱线粗细值，也可以通过其中一个或多个纱线粗细值来判断纱线是否有断丝、断股现象。
参照图3，步骤S200包括以下子步骤：
S201、数据分类：根据通用数学处理方法将步骤S100中获取的生产数据按照类别进行分类并标记，通用数学处理方法可采用聚类、回归或拟合方法。
S202、数据获取：依次获取或同时获取标记后的多种类别的生产数据中的每类生产数据的特征参数，例如生产数据是纱线压力数据时，特征参数则是送线辊所受的纱线压力数据中的压力值和纱线压力值在单位时间内的增长速率。
S203、数据检验：根据预设的判断引擎以及步骤S201中的分类标记去检测步骤S202中所获取的特征参数的有效性和完整性，并剔除无效参数和损坏参数，剩余的特征参数即为合理的特征参数；需要说明的是，本实施中的判断引擎采用上下限规则引擎。
S204、数据传递：将步骤S203中得到的合理的特征参数与对应的生产数据的分类标记进行绑定，随后进入步骤S300并同时将合理的特征参数发送至预设的云端4进行存储。
参照图1和图3，步骤S300中所采用的数学模型由云端4下发，云端4周期性的根据存储的所有的特征参数数据对建立的数学模型进行修正，并在模型修正完成后将修正后的数学模型应用至步骤S300中。具体的，模型修正的方式为：根据云端4内存储的所有生产参数数据以及预设的训练算法对已经建立的学习数学模型进行重新训练，从而得到修正后的数学模型的参数项。需要说明的是，已经建立的学习数学模型为线性回归模型或遗传算法数学模型，模型训练时采用梯度下降算法对建立的学习数学模型进行训练。
实施例三
一种纱线断线预警监测装置，其包括存储器和处理器，存储器上存储有能够被处理器加载并执行如实施例二中的纱线断线预警监测方法的计算机程序。
实施例四
一种计算机可读存储介质，其存储有能够被处理器加载并执行如实施例二中的纱线断线预警监测方法的计算机程序，所述计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本发明的技术方案，而非对发明的保护范围进行限制。显然，所描述的实施例仅仅是本发明部分实施例，而不是全部实施例。基于这些实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明，本领域普通技术人员依然可以在不冲突的情况下，不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整，从而得到不同的、本质未脱离本发明的构思的其他技术方案，这些技术方案也同样属于本发明所要保护的范围。
