纺丝机故障预测方法、装置和服务器制造方法及图纸

本发明专利技术提供一种纺丝机故障预测方法、装置和服务器，该纺丝机故障预测方法包括：根据纺丝机的历史故障信息建立初始故障预测模型；获取纺丝机预定区域的故障前的历史图像，并将故障前的历史图像作为输入，相应故障发生标识作为输出对故障预测模型进行训练，获得训练后故障预测模型；在预测纺丝机故障时，将预测之前的纺丝机预定区域的图像输入训练后故障预测模型，利用训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障。本发明专利技术的纺丝机故障预测方法，可以根据纺丝机预定区域的历史图像预测纺丝机的故障，从而使纺丝机维护人员可以提前做好维护工作，及时维护故障的纺丝机，减少故障带来的损失。

【技术实现步骤摘要】
纺丝机故障预测方法、装置和服务器
本专利技术涉及工业纺丝
，具体而言，涉及一种纺丝机故障预测方法、装置、服务器和计算机存储介质。
技术介绍
目前，在纺丝车间中，对于纺丝机的故障一般都是通过人工的方式进行监测，或者在纺丝机出丝线的下游安装特殊的硬件光电传感器或机械感应器进行丝线质量的监测，从而对故障进行监测。但是并没有一种预测纺丝机故障的有效方法，只有在纺丝机发生故障后，维护人员才可知道故障的发生，因此不能及时排除纺丝机的故障，对生产过程带来一定的损失。
技术实现思路
鉴于上述问题，本专利技术提供了一种纺丝机故障预测方法、装置、服务器和计算机存储介质，以使纺丝机维护人员可以提前做好维护工作，及时维护故障的纺丝机，减少故障带来的损失。为了实现上述目的，本专利技术采用如下的技术方案：一种纺丝机故障预测方法，包括：根据纺丝机的历史故障信息建立初始故障预测模型；获取所述纺丝机预定区域的故障前的历史图像，并将所述故障前的历史图像作为输入，相应故障发生标识作为输出对所述故障预测模型进行训练，获得训练后故障预测模型；在预测纺丝机故障时，将预测之前的纺丝机预定区域的图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障。优选地，所述的纺丝机故障预测方法，还包括：利用未发生故障的随机时刻的所述纺丝机预定区域的历史图像作为输入，相应故障未发生标识作为输出对所述故障预测模型进行训练。优选地，所述“将预测之前的纺丝机预定区域的图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障”包括：获取所述预测之前的纺丝机预定区域的图像，对所述预测之前的纺丝机预定区域的图像进行预处理，生成预处理图像；将所述预处理图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对所述预处理图像进行分析，根据分析结果获得相应标识的输出。优选地，所述“获取所述预测之前的纺丝机预定区域的图像，对所述预测之前的纺丝机预定区域的图像进行预处理，生成预处理图像”包括：获取所述预测之前的纺丝机预定区域的图像；根据预设的帧数间隔和/或时间间隔，对所述预测之前的纺丝机预定区域的图像进行帧采样，获得至少一个帧采样图像；将所述至少一个帧采样图像按照预设规则进行拼接，生成所述预处理图像。优选地，所述故障预测模型包括卷积神经网络和深度学习模型。本专利技术还提供一种纺丝机故障预测装置，包括：预测模型建立模块，用于根据纺丝机的历史故障信息建立初始故障预测模型；预测模型训练模块，用于获取所述纺丝机预定区域的故障前的历史图像，并将所述故障前的历史图像作为输入，相应故障发生标识作为输出对所述故障预测模型进行训练，获得训练后故障预测模型；故障预测模块，用于在预测纺丝机故障时，将预测之前的纺丝机预定区域的图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障。优选地，所述的纺丝机故障预测装置，还包括：未故障训练模块，用于利用未发生故障的随机时刻的所述纺丝机预定区域的历史图像作为输入，相应故障未发生标识作为输出对所述故障预测模型进行训练。优选地，所述故障预测模块包括：图像预处理单元，用于获取所述预测之前的纺丝机预定区域的图像，对所述预测之前的纺丝机预定区域的图像进行预处理，生成预处理图像；故障预测单元，用于将所述预处理图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对所述预处理图像进行分析，根据分析结果获得相应标识的输出。本专利技术还提供一种服务器，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述服务器执行所述的纺丝机故障预测方法。本专利技术还提供一种计算机存储介质，其存储有所述的服务器中所使用的计算机程序。本专利技术提供一种纺丝机故障预测方法，该纺丝机故障预测方法包括：根据纺丝机的历史故障信息建立初始故障预测模型；获取所述纺丝机预定区域的故障前的历史图像，并将所述故障前的历史图像作为输入，相应故障发生标识作为输出对所述故障预测模型进行训练，获得训练后故障预测模型；在预测纺丝机故障时，将预测之前的纺丝机预定区域的图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障。本专利技术的纺丝机故障预测方法，可以根据纺丝机预定区域的历史图像预测纺丝机的故障，从而使纺丝机维护人员可以提前做好维护工作，及时维护故障的纺丝机，减少故障带来的损失。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对本专利技术范围的限定。图1是本专利技术实施例1提供的一种纺丝机故障预测方法的流程图；图2是本专利技术实施例2提供的一种纺丝机故障预测方法的流程图；图3是本专利技术实施例3提供的一种纺丝机故障预测方法的预测故障流程图；图4是本专利技术实施例3提供的一种纺丝机故障预测方法的图像预处理流程图；图5是本专利技术实施例4提供的一种纺丝机故障预测装置的结构示意图；图6是本专利技术实施例4提供的另一种纺丝机故障预测装置的结构示意图；图7是本专利技术实施例4提供的一种纺丝机故障预测装置的故障预测模块的结构示意图。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1图1是本专利技术实施例1提供的一种纺丝机故障预测方法的流程图，该方法包括如下步骤：步骤S11：根据纺丝机的历史故障信息建立初始故障预测模型。本专利技术实施例中，可以在服务器中根据纺丝机的历史故障信息建立初始的故障预测模型。其中，该历史故障信息可以由工作人员上传至服务器中，该历史故障信息包括有纺丝机故障时预设区域的图像，以及故障后纺丝机输出的参数等。该服务器也可以连接该纺丝机，在纺丝机发生故障时接收纺丝机输出的参数，以及连接设置在纺丝机上的传感器，利用传感器采集纺丝机故障时的信息等。本专利技术实施例中，该故障预测模型包括卷积神经网络和深度学习模型。也即，该故障预测模型可以由卷积神经网络和深度学习模型组成，该预测模型的输入端连接该卷积神经网络，卷积神经网络通过输入端获取图像进行卷积处理，提取图像的特征，并将该图像特征传输至连接的深度学习模型进行训练及分析，最终从输出端输出结果。步骤S12：获取纺丝机预定区域的故障前的历史图像，并将故障前的历史图像作为输入，相应故障发生标识作为输出对故障预测模型进行训练，获得训练后故障预测模型。本专利技术实施例中，该服务本文档来自技高网...

【技术保护点】
1.一种纺丝机故障预测方法，其特征在于，包括：根据纺丝机的历史故障信息建立初始故障预测模型；获取所述纺丝机预定区域的故障前的历史图像，并将所述故障前的历史图像作为输入，相应故障发生标识作为输出对所述故障预测模型进行训练，获得训练后故障预测模型；在预测纺丝机故障时，将预测之前的纺丝机预定区域的图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障。

【技术特征摘要】
1.一种纺丝机故障预测方法，其特征在于，包括：根据纺丝机的历史故障信息建立初始故障预测模型；获取所述纺丝机预定区域的故障前的历史图像，并将所述故障前的历史图像作为输入，相应故障发生标识作为输出对所述故障预测模型进行训练，获得训练后故障预测模型；在预测纺丝机故障时，将预测之前的纺丝机预定区域的图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障。2.根据权利要求1所述的纺丝机故障预测方法，其特征在于，还包括：利用未发生故障的随机时刻的所述纺丝机预定区域的历史图像作为输入，相应故障未发生标识作为输出对所述故障预测模型进行训练。3.根据权利要求1所述的纺丝机故障预测方法，其特征在于，所述“将预测之前的纺丝机预定区域的图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对预测之前的纺丝机预定区域的图像进行分析，根据分析结果预测纺丝机是否会发生故障”包括：获取所述预测之前的纺丝机预定区域的图像，对所述预测之前的纺丝机预定区域的图像进行预处理，生成预处理图像；将所述预处理图像输入所述训练后故障预测模型，利用所述训练后故障预测模型对所述预处理图像进行分析，根据分析结果获得相应标识的输出。4.根据权利要求3所述的纺丝机故障预测方法，其特征在于，所述“获取所述预测之前的纺丝机预定区域的图像，对所述预测之前的纺丝机预定区域的图像进行预处理，生成预处理图像”包括：获取所述预测之前的纺丝机预定区域的图像；根据预设的帧数间隔和/或时间间隔，对所述预测之前的纺丝机预定区域的图像进行帧采样，获得至少一个帧采样图像；将所述至少一个帧采样图像按照预设规则进行拼...

【专利技术属性】
技术研发人员：马修·罗伯特·斯科特，黄鼎隆，董登科，刘政杰，夏冰，
申请(专利权)人：深圳码隆科技有限公司，
类型：发明
国别省市：广东,44