阅读说明：本技术 一种基于在线监测的细纱断头因素实时关联定位方法 (Real-time correlation positioning method for yarn breakage factor based on online monitoring ) 是由 张保威 江豪 王永华 冯立增 魏敬典 王锦 宋久祥 于 2019-09-25 设计创作，主要内容包括：本发明提出了一种基于在线监测的细纱断头因素实时关联定位方法,其步骤为：首先利用断头监测系统实时监测细纱设备是否出现断头,当出现断头时,利用在线监测系统实现对细纱设备参数数据的实时获取和整合,最后,利用数据关联分析方法对细纱设备参数数据进行分析,查找导致细纱断头的因素,定位出细纱断头因素,并指示相关技术人员进行维修。本发明利用在线监测系统实时获取断头数据、设备状态参数、原棉质量数据和环境参数,再结合数据关联分析方法实时分析设备状态参数、环境参数以及原棉质量数据与断头之间的动态关联分析,找出导致细纱断头的因素,并提醒指示相关人员进行处理,降低断头,提高生产效率。(The invention provides a real-time correlation positioning method for yarn breakage factors based on online monitoring, which comprises the following steps: firstly, a broken end monitoring system is used for monitoring whether the spun yarn equipment has broken ends or not in real time, when the broken ends occur, the online monitoring system is used for realizing the real-time acquisition and integration of the parameter data of the spun yarn equipment, finally, a data association analysis method is used for analyzing the parameter data of the spun yarn equipment, searching the factors causing the broken ends of the spun yarns, positioning the broken end factors of the spun yarns, and indicating related technicians to maintain the spun yarns. The invention utilizes an online monitoring system to acquire broken end data, equipment state parameters, raw cotton quality data and environment parameters in real time, and then analyzes the equipment state parameters, the environment parameters and the dynamic correlation analysis between the raw cotton quality data and the broken ends in real time by combining a data correlation analysis method, finds out factors causing the broken ends of spun yarns, and reminds and indicates related personnel to process, thereby reducing the broken ends and improving the production efficiency.)

一种基于在线监测的细纱断头因素实时关联定位方法

技术领域

本发明涉及细纱断头监测技术领域，特别是指一种基于在线监测的细纱断头因素实时关联定位方法。

背景技术

断头是细纱设备中最常见的一种现象，传统方法中，主要用肉眼来判断锭子是否断头，找到断头后由挡车工接头，频繁的纱线断头不仅影响产量，而且会导致生产的纱线质量不合格，因此生产过程中非常关注断头的原因，也就是什么影响了单锭纱线断头，只有找到影响纱线的原因并加以改进才能真正的降低断头提高效率。影响断头的因素很多，主要包括设备状态、纱线本身的质量和车间的温湿度环境等，传统方法模式下，这些数据都是依靠抽样式离线检测来获取，一般都是周期性的人工检测，结合检测的数据可以做到对长期性的断纱因素的定性分析，但是无法做到实时的定量精准分析，更无法做到通过断头情况准确定位断纱的具体原因。

随着技术的进步和发展，现在有了细纱单锭检测技术和设备在线监测系统，可以实时获取单锭断头情况和影响断纱的因素。单锭检测技术是近两年新发展出来的技术，用于实时监测细纱设备每个锭子的当前断头情况，通过监测单个锭子的速度进而判定该锭子是否断头，细纱单锭监测系统能够实时提醒断头的位置和锭子编号。设备在线监测系统可以实时监测到设备的每个状态参数和信号，包括设备的实时运行参数信号、纱线质量数据和车间的环境信号。以前在没有实时设备监测之前这些数据无法获取，也就无从谈起分析断纱因素，现在可以基于获取的数据结合相关算法就可以关联分析设备状态参数、环境参数以及原棉质量数据与断头之间的关系，进而找出对应的原因，从而反向改进生产提高效率。

发明内容

针对目前细纱断头因素的检测方法无法获取设备的状态参数，不能定位出细纱断头的因素，造成生产效率低的技术问题，本发明提出了一种基于在线监测的细纱断头因素实时关联定位方法，通过断头监测系统和在线监测系统可以实时监测到细纱断头和细纱设备参数，结合关联分析方法分析设备状态参数、环境参数以及原棉质量数据与细纱断头之间的关系，找出细纱断头的因素，提高生产效率。

本发明的技术方案是这样实现的：

一种基于在线监测的细纱断头因素实时关联定位方法，包括获取实时参数数据、设计关联分析方法、定位具体因素和指示相关人员维修四部分；其步骤如下：

S1：利用断头监测系统实时监测细纱设备是否出现断头，若是，获取断头数据，执行步骤S2，否则，执行步骤S1；

S2：利用在线监测系统实时获取细纱设备数据，其中，细纱设备包括设备状态参数、设备运行参数、工艺参数、原棉质量参数和环境参数；

S3：利用数据关联分析方法对细纱设备数据进行分析，查找导致细纱断头的因素，定位细纱断头因素，并指示相关人员进行处理及维修。

所述步骤S1中利用断头监测系统对细纱设备进行监测的方法如下：

S11：设置细纱设备的锭子速度的合理工艺参数范围；

S12：利用断头监测系统编码器实时监测锭子的速度是否超出合理工艺参数范围，若是，执行步骤S13，否则，执行步骤S12；

S13：利用细纱单锭监测系统查找该锭子中出现异常的细纱单锭，并记录断头的位置和细纱单锭编号，同时提醒相关人员处理断头。

所述利用在线监测系统对细纱设备数据的监测方法如下：

S21：设置设备状态、设备运行、工艺、原棉质量和环境的合理工艺范围，其中，设备状态包括钢丝圈状态和钢领状态，设备运行包括锭子速度，工艺包括捻度，原棉质量包括粗纱强力和条干，环境包括温度和湿度；

S22：利用在线监测系统实时监测超出合理工艺参数范围的设备数据有几条，若只有一条，执行步骤S23，否则，执行步骤S24；

S23：判定该条设备数据是造成细纱断头的因素，通知工作人员及时调整；

S24：利用数据关联分析方法对所有设备数据进行关联分析，查找导致细纱断头的因素。

所述利用数据关联分析方法查找导致细纱断头的因素的实现方法为：

S31：通过在线监测系统获取细纱设备的相关原始数据，相关原始数据包括钢丝圈状态、钢领状态、锭子速度、捻度、粗纱强力、条干、温度和湿度八个变量；

S32：根据八个变量的各自的工艺参数范围，利用区间值化算子对相关原始数据进行标准化，得到标准化后的变量数据；

S33：根据关联系数公式计算k时刻的标准化后的变量数据与细纱断头之间的关联系数；

S34：根据步骤S33中的关联系数利用关联度公式计算k时刻的标准化后的变量数据与细纱断头之间的关联度；

S35：对步骤S34中的关联度进行排序，将最大的关联度对应的变量作为细纱断头的因素。

所述步骤S32中利用区间值化算子对相关原始数据进行标准化的方法为：X_j(k)D＝(x_j(k-n)d，x_j(k-n+1)d，…，x_j(k)d)，其中，D为区间值化算子，j＝1,2,…,8表示第j个变量，X_j(k)＝(x_j(k-n),x_j(k-n+1),…,x_j(k))为k时刻变量j的值的集合，n为k时刻距离最近细纱设备正常运行的时刻的个数。

所述k时刻的标准化后的变量数据与细纱断头之间的关联系数ξ_oj(k)为：其中，α为分辨系数，α∈(0,1]， xo(k)为k时刻的输出值，输出值为0或1，1表示k时刻细纱断头，0表示k时刻细纱未断头，x_j(k)为k时刻的第j个变量的值，Δ_oj(k)＝|x_o(k)-x_j(k)|为k时刻变量j的值与输出值之间的差值。

所述k时刻的标准化后的变量数据与细纱断头之间的关联度γ_oj(k)为：

本技术方案能产生的有益效果：本发明利用数据关联分析方法实时分析断头数据与设备状态参数、原棉质量数据和环境参数的动态关联分析，及时找出细纱断头的原因，并提醒相关人员进行处理，降低断头。

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为本发明的细纱断头因素实时关联定位系统图。

图2为本发明的细纱断头因素实时关联定位流程图。

图3为本发明的断头监测系统框图。

图4为本发明的在线监测系统框图。

图5为本发明的数据关联分析方法的流程图。

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付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。

一种基于在线监测的细纱断头因素实时关联定位方法，首先，利用断头监测系统实时监测细纱设备是否出现断头，当出现断头时，利用在线监测系统实现对细纱设备参数数据的实时获取和整合，最后，利用数据关联分析方法对细纱设备参数数据进行分析，查找导致细纱断头的因素，定位出细纱断头因素，并指示相关技术人员进行维修。

如图1和图2所示，一种基于在线监测的细纱断头因素实时关联定位方法，包括获取实时参数数据、设计关联分析方法、定位具体因素和指示相关人员维修四部分；具体步骤如下：

S1：利用断头监测系统实时监测细纱设备是否出现断头，若是，获取断头数据，执行步骤S2，否则，执行步骤S1。

如图3所示，断头监测系统通过监测锭子的速度进而判定该锭子是否断头，能够实时提醒断头的位置和单锭的编号；从而实现断头监测系统实时监测细纱设备锭子的当前断头情况。当细纱中某个锭子频繁出现断头情况时，断头监测系统将会根据该锭子中单锭的编号和位置关联在线监控系统实时获取设备状态参数、设备运行参数、工艺参数、原棉质量数据和环境参数的数据，进一步判断细纱断头的因素。利用断头监测系统对细纱设备进行监测的方法如下：

S11：设置细纱设备的锭子速度的合理工艺参数范围为12000-20000转/分钟；

S12：利用断头监测系统的编码器实时监测锭子的速度是否超出合理工艺参数范围，若是，执行步骤S13，否则，执行步骤S12；

S13：利用细纱单锭监测系统能够实时监控该锭子中的细纱单锭是否出现断头现象，若有细纱单锭出现断头，则及时提醒工作人员进行处理，同时记录断头的位置和细纱单锭编号。

S2：利用在线监测系统实时获取细纱设备参数数据，其中，细纱设备包括设备状态参数、设备运行参数、工艺参数、原棉质量参数和环境参数。

如图4所示，在线监控系统是对设备状态参数、设备运行参数、工艺参数、原棉质量数据和环境参数等进行实时的监控，在细纱生产中，设备状态参数、设备运行参数、工艺参数、原棉质量数据和环境参数均具有标准的生产参数范围，将这些细纱设备参数所对应的范围都称为“合理的工艺参数范围”。如果在线监测系统监测到只有某一细纱设备参数的数据超出合理的工艺参数范围，判断该细纱设备参数为造成细纱断头的因素。如果同时出现多个细纱设备参数超出合理的工艺参数范围，此时通过数据关联分析方法分析出导致细纱生产过程频繁出现细纱断头的主要因素。所述利用在线监测系统对细纱设备数据的监测方法如下：

S21：设置设备状态参数、设备运行参数、工艺参数、原棉质量参数和环境参数的合理工艺范围，其中，设备状态包括钢丝圈状态和钢领状态，设备运行包括锭子速度，工艺包括捻度，原棉质量包括粗纱强力和条干，环境包括温度和湿度，钢丝圈的使用时间7-30天和钢领的使用时间12年，锭子速度的合理工艺参数范围为12000-20000转/分钟，粗纱强力和条干的合理工艺参数范围为3.2-4％，温度的合理工艺参数范围为45-65％；湿度合理工艺参数范围为18-40度；

S22：利用在线监测系统实时监测超出合理工艺参数范围的设备数据有几条，若只有一条，执行步骤S23，否则，执行步骤S24；

S23：根据设备参数的合理工艺范围即可判定该条设备数据是造成细纱断头的因素，及时通知相关工作人员进行处理及维修，以免出现频繁断头现象，降低生产效率；

S24：利用数据关联分析方法对所有设备数据进行关联分析，查找导致细纱断头的因素。

S3：利用数据关联分析方法对细纱设备数据进行分析，查找导致细纱断头的因素，定位细纱断头因素。

如图5所示，所述利用数据关联分析方法查找导致细纱断头的因素的实现方法为：

S31：通过在线监测系统获取细纱设备的相关原始数据，相关原始数据包括钢丝圈状态、钢领状态、锭子速度、捻度、粗纱强力、条干、温度和湿度八个变量；

S32：根据八个变量的各自的工艺参数范围，利用区间值化算子对相关原始数据进行标准化，得到标准化后的变量数据；利用区间值化算子对相关原始数据进行标准化的方法为：X_j(k)D＝(x_j(k-n)d,x_j(k-n+1)d,…,x_j(k)d)，其中，D为区间值化算子，j＝1,2,…,8表示第j个变量，X_j(k)＝(x_j(k-n),x_j(k-n+1),…,x_j(k))为k时刻变量j的值的集合，n为k时刻距离最近细纱设备正常运行的时刻的个数。

S33：根据关联系数公式计算k时刻的标准化后的变量数据与细纱断头之间的关联系数；所述k时刻的标准化后的变量数据与细纱断头之间的关联系数ξ_oj(k)为：其中，α为分辨系数，α∈(0,1]， xo(k)为k时刻的输出值，输出值为0或1，1表示k时刻细纱断头，0表示k时刻细纱未断头，x_j(k)为k时刻的第j个变量的值，Δ_oj＝|x_o(k)-x_j(k)|为k时刻变量j的值与输出值之间的差值。分辨系数一般取α≤0.5，也即内取值时具有最大信息和最大信息分辨率。

S34：根据步骤S33中的关联系数利用关联度公式计算k时刻的标准化后的变量数据与细纱断头之间的关联度；所述所述算k时刻的标准化后的变量数据与细纱断头之间的关联度γ_oj(k)为：

S35：对步骤S34中的关联度进行排序，将最大的关联度对应的变量作为细纱断头的因素。

假设输出值x_o与各输入变量的值x_j的关联系数分别为x₁、x₂、x₃、x₄、x₅、x₆、x₇和x₈。当关联系数x_j(j＝1,2,…,8)不为0时，则细纱是由关联系数不为零的对应的因素影响造成细纱断头的。当关联系数中只有一个关联系数不为0，则细纱由该因素影响造成细纱断头的；当有多个因素共同作用时，将关联系数进行排序，得出那个因素影响最大并对其进行处理。假设关联序为x₁>x₂>x₃>x₄>x₅>x₆>x₇>x₈，此时取x₁、x₂、x₃和x₄作为造成细纱断头的主要因素。

灰色关联度分析法是一种多因素统计分析方法，它是以各因素的样本数据为依据用灰色关联度来描述因素间关系的强弱、大小和次序，若样本数据反映出的两因素变化的态势(方向、大小和速度等)基本一致，则它们之间的关联度较大；反之，关联度较小。用灰色关联方法来分析细纱断头因素，可以在发生细纱断头的短时间内数据较少的情况下，减少对数据的需求，减少由于数据不对称而带来的损失，可以快速定位细纱断头因素，其结果与定性分析结果会比较吻合，有良好的定位效果。

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。