一种基于振动数据的纱线故障检测方法及装置制造方法及图纸

本发明专利技术涉及复合材料织造技术领域，提供一种基于振动数据的纱线故障检测方法及装置。该方法包括，使待检测纱线在运动过程中经由弹性体；利用弹性体的振动数据确定待检测纱线的故障状态：首先采集训练振动数据，利用滑动窗口方式对其分组，对每个分组提取训练特征向量，利用带有故障状态标签的训练特征向量构成的训练数据集训练机器学习分类器；然后利用检测振动数据和训练后的机器学习分类器确定待检测纱线的故障状态。该装置包括弹性体，用于感知待检测纱线的运动；运动传感器，用于感知弹性体的振动；微控制器，用于利用弹性体的振动数据确定待检测纱线的故障状态。本发明专利技术能够对纱线故障进行智能化检测，提高检测效率与准确率、降低检测成本。

A Method and Device for Yarn Fault Detection Based on Vibration Data

【技术实现步骤摘要】
一种基于振动数据的纱线故障检测方法及装置
本专利技术涉及复合材料织造
，特别是涉及一种基于振动数据的纱线故障检测方法及装置。
技术介绍
纤维增强复合材料比如玻璃纤维、碳纤维等，在织造过程中经常会遇到断线、跑线、漏线等故障问题。目前织造过程中的故障检测基本上是由人工方式作业，不但效率低下，而且检测人员在长时间集中精力工作后极易疲劳，造成漏检、误检等问题，漏检率大大增加，从而严重影响产品质量。自动化故障检测是提升织造行业生产效率的重要手段，不仅可以提升产品质量，而且可以极大地降低产品制造成本。目前的自动化故障检测技术主要是依赖于机器视觉技术。然而，基于机器视觉的故障检测系统，由于采用人工建模，大多存在使用环境要求苛刻、适应性差等问题，导致设备的成本居高不下。同时，在很多行业只使用传统视觉技术还存在误报率高等因素，如在特种织物织造过程中，纱线的中断会引起织物强度受损，而纱线中断后的一段时间后才能被视觉技术发现，这种延迟会造成较大的经济损失。基于机器视觉的故障检测系统目前在织造行业中普及率非常低。提升故障检测的智能化和检测效率，是织造行业迫切需要解决的关键问题。
技术实现思路
针对现有技术存在的问题，本专利技术提供一种基于振动数据的纱线故障检测方法及装置，能够对纱线故障进行智能化检测，能够提高检测效率与准确率、降低检测成本，而且漏检率与误检率低、通用性强。本专利技术的技术方案为：一种基于振动数据的纱线故障检测方法，其特征在于，包括下述步骤：步骤1：使待检测纱线在运动过程中经由弹性体；步骤2：利用所述弹性体的振动数据确定待检测纱线的故障状态。所述弹性体上开设有一个穿线孔，所述待检测纱线在运动过程中穿过所述穿线孔。所述步骤2包括下述步骤：步骤2.1：训练过程步骤2.1.1：在待检测纱线的不同故障状态下以第一采样率采集所述弹性体在第一预设时长内的振动数据，得到待检测纱线的不同故障状态下的训练振动数据；步骤2.1.2：对待检测纱线的每种故障状态下的训练振动数据，均利用滑动窗口方式按照第二预设时长划分为多个训练振动数据分组；步骤2.1.3：对每个所述训练振动数据分组均提取训练特征向量，将训练特征向量对应的待检测纱线的故障状态作为该训练特征向量的标签，带有标签的所有训练特征向量构成训练数据集；步骤2.1.4：利用所述训练数据集训练机器学习分类器，得到特征向量集到纱线故障状态标签集的映射；步骤2.2：检测过程步骤2.2.1：以第二采样率采集所述弹性体在第三预设时长内的振动数据，得到待检测纱线的检测振动数据；步骤2.2.2：对待检测纱线的检测振动数据，利用滑动窗口方式按照第二预设时长划分为多个检测振动数据分组；步骤2.2.3：对每个所述检测振动数据分组均采用与提取训练特征向量相同的方法来提取检测特征向量，得到检测特征向量集；步骤2.2.4：将所述检测特征向量集输入训练后的所述机器学习分类器，输出纱线故障状态标签，从而确定待检测纱线的故障状态。所述故障状态包括正常状态和异常状态，所述正常状态为纱线正常前行，所述异常状态包括纱线断线、纱线缠绕。一种基于振动数据的纱线故障检测装置，其特征在于，包括弹性体，所述弹性体用于感知待检测纱线的运动；所述弹性体上设置有运动传感器，所述运动传感器用于感知所述弹性体的振动；所述运动传感器连接有微控制器，所述微控制器用于利用所述弹性体的振动数据确定待检测纱线的故障状态。所述弹性体上开设有一个穿线孔；所述穿线孔，用于使待检测纱线在运动过程中经由弹性体。所述微控制器用于利用所述弹性体的振动数据确定待检测纱线的故障状态包括：所述微控制器，用于利用所述弹性体的振动数据训练机器学习分类器；利用所述弹性体的振动数据和训练后的所述机器学习分类器确定待检测纱线的故障状态；所述微控制器用于利用所述弹性体的振动数据训练机器学习分类器包括：所述微控制器，用于在待检测纱线的不同故障状态下以第一采样率采集所述运动传感器感知的所述弹性体在第一预设时长内的振动数据，得到待检测纱线的不同故障状态下的训练振动数据；对待检测纱线的每种故障状态下的训练振动数据，均利用滑动窗口方式按照第二预设时长划分为多个训练振动数据分组；对每个所述训练振动数据分组均提取训练特征向量，将训练特征向量对应的待检测纱线的故障状态作为该训练特征向量的标签，带有标签的所有训练特征向量构成训练数据集；利用所述训练数据集训练机器学习分类器，得到特征向量集到纱线故障状态标签集的映射；所述微控制器，用于利用所述弹性体的振动数据和训练后的所述机器学习分类器确定待检测纱线的故障状态包括：所述微控制器，用于以第二采样率采集所述运动传感器感知的所述弹性体在第三预设时长内的振动数据，得到待检测纱线的检测振动数据；对待检测纱线的检测振动数据，利用滑动窗口方式按照第二预设时长划分为多个检测振动数据分组；对每个所述检测振动数据分组均采用与提取训练特征向量相同的方法来提取检测特征向量，得到检测特征向量集；将所述检测特征向量集输入训练后的所述机器学习分类器，输出纱线故障状态标签，从而确定待检测纱线的故障状态。所述故障状态包括正常状态和异常状态，所述正常状态为纱线正常前行，所述异常状态包括纱线断线、纱线缠绕；所述微控制器还连接有报警单元，所述报警单元用于当确定待检测纱线的故障状态为异常状态时，进行异常状态显示或报警提示。所述微控制器还连接有收发器；所述基于振动数据的纱线故障检测装置利用所述收发器通过通信网络与服务器进行通信，将确定的待检测纱线的故障状态报告至服务器。本专利技术的有益效果为：(1)本专利技术的方法和装置利用弹性体和运动传感器并结合采用机器学习方法，在线学习不同故障状态下的振动数据特征，实现基于振动数据对纱线故障的智能化检测，相对于基于机器视觉的纱线故障检测方法与装置，无需人工建模过程，大大提高了检测效率与检测准确率，降低了漏检率与误检率；(2)本专利技术的方法和装置对光照等环境要求较低，具有很好的适用性和通用性，而且检测中使用的运动传感器其测量精度高、生产成本低，从而降低了检测成本。附图说明图1为本专利技术基于振动数据的纱线故障检测方法的流程图；图2为本专利技术基于振动数据的纱线故障检测方法中训练过程的流程图；图3为本专利技术基于振动数据的纱线故障检测方法中检测过程的流程图；图4为本专利技术实施例一中基于振动数据的纱线故障检测装置的结构示意图；图5为本专利技术实施例二中基于振动数据的纱线故障检测装置的结构示意图；图6为本专利技术实施例二中基于振动数据的纱线故障检测装置与服务器之间的连接关系示意图。图中，500—纱线故障检测装置，502—弹性体，504—运动传感器，506—微控制器，508—穿线孔，510—报警单元，512—收发器。具体实施方式下面将结合附图和具体实施方式，对本专利技术作进一步描述。实施例一如图1所示，为本专利技术基于振动数据的纱线故障检测方法的流程图。本专利技术的基于振动数据的纱线故障检测方法，其特征在于，包括下述步骤：步骤1：使待检测纱线在运动过程中经由弹性体。本实施例一中，所述弹性体上开设有一个穿线孔，所述待检测纱线在运动过程中穿过所述穿线孔，从而使得待检测纱线的运动转化为弹性体的振动。步骤2：利用所述弹性体的振动数据确定待检测纱线的故障状态。所述步骤2包括训练过程和检测过程，分别如图2和图3所示。本文档来自技高网...

【技术保护点】
1.一种基于振动数据的纱线故障检测方法，其特征在于，包括下述步骤：步骤1：使待检测纱线在运动过程中经由弹性体；步骤2：利用所述弹性体的振动数据确定待检测纱线的故障状态。

【技术特征摘要】
1.一种基于振动数据的纱线故障检测方法，其特征在于，包括下述步骤：步骤1：使待检测纱线在运动过程中经由弹性体；步骤2：利用所述弹性体的振动数据确定待检测纱线的故障状态。2.根据权利要求1所述的基于振动数据的纱线故障检测方法，其特征在于，所述弹性体上开设有一个穿线孔，所述待检测纱线在运动过程中穿过所述穿线孔。3.根据权利要求1或2所述的基于振动数据的纱线故障检测方法，其特征在于，所述步骤2包括下述步骤：步骤2.1：训练过程步骤2.1.1：在待检测纱线的不同故障状态下以第一采样率采集所述弹性体在第一预设时长内的振动数据，得到待检测纱线的不同故障状态下的训练振动数据；步骤2.1.2：对待检测纱线的每种故障状态下的训练振动数据，均利用滑动窗口方式按照第二预设时长划分为多个训练振动数据分组；步骤2.1.3：对每个所述训练振动数据分组均提取训练特征向量，将训练特征向量对应的待检测纱线的故障状态作为该训练特征向量的标签，带有标签的所有训练特征向量构成训练数据集；步骤2.1.4：利用所述训练数据集训练机器学习分类器，得到特征向量集到纱线故障状态标签集的映射；步骤2.2：检测过程步骤2.2.1：以第二采样率采集所述弹性体在第三预设时长内的振动数据，得到待检测纱线的检测振动数据；步骤2.2.2：对待检测纱线的检测振动数据，利用滑动窗口方式按照第二预设时长划分为多个检测振动数据分组；步骤2.2.3：对每个所述检测振动数据分组均采用与提取训练特征向量相同的方法来提取检测特征向量，得到检测特征向量集；步骤2.2.4：将所述检测特征向量集输入训练后的所述机器学习分类器，输出纱线故障状态标签，从而确定待检测纱线的故障状态。4.根据权利要求3所述的基于振动数据的纱线故障检测方法，其特征在于，所述故障状态包括正常状态和异常状态，所述正常状态为纱线正常前行，所述异常状态包括纱线断线、纱线缠绕。5.一种基于振动数据的纱线故障检测装置，其特征在于，包括弹性体，所述弹性体用于感知待检测纱线的运动；所述弹性体上设置有运动传感器，所述运动传感器用于感知所述弹性体的振动；所述运动传感器连接有微控制器，所述微控制器用于利用所述弹性体的振动数据确定待检测纱线的故障状态。6.根据权利要求5所述的基于振动数据的纱线故障检测装置，其特征在于，所述弹性体上开设...

【专利技术属性】
技术研发人员：张伟，李世杰，雷为民，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21