一种纺织加弹机制造技术

本申请涉及智能控制领域，其具体地公开了一种纺织加弹机，其通过采用基于深度学习的人工智能控制技术，使用作为特征提取器的卷积神经网络模型来提取热红外隐含特征，再使用基于转换器的上下文编码器获得热红外分布变化的上下文语义关联特征，进一步通过多尺度邻域特征提取模块提取出电热板加热功率的多尺度邻域特征，以所述加热功率的多尺度邻域特征相对于所述热红外变化的上下文语义关联特征的转移矩阵作为分类特征矩阵通过分类器，得到用于表示电热板的当前时间点的加热功率值应增大或应减小的分类结果。这样，在纺织加弹机能够满足应用需求的同时，提高能量利用率且避免对工作人员造成伤害。工作人员造成伤害。工作人员造成伤害。

【技术实现步骤摘要】
一种纺织加弹机


[0001]本申请涉及智能控制领域，且更为具体地，涉及一种纺织加弹机。

技术介绍

[0002]加弹机是一种可将涤纶(POY)，丙纶等无捻丝，通过假捻变形加工成为具有中弹、低弹性能的弹力丝的一种纺织机械。目前，市场上的无捻丝主要采用热电箱进行加热，即机体内并排设有多块电热板，电热板产生的高温使机体内的温度过高引起热电箱外部受热，热量散失严重，且容易烫伤工作人员。
[0003]因此，期待一种优化的纺织加弹机。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种纺织加弹机，其通过采用基于深度学习的人工智能控制技术，使用作为特征提取器的卷积神经网络模型来提取热红外隐含特征，再使用基于转换器的上下文编码器获得热红外分布变化的上下文语义关联特征，进一步通过多尺度邻域特征提取模块提取出电热板加热功率的多尺度邻域特征，以所述加热功率的多尺度邻域特征相对于所述热红外变化的上下文语义关联特征的转移矩阵作为分类特征矩阵通过分类器，得到用于表示电热板的当前时间点的加热功率值应增大或应减小的分类结果。这样，在纺织加弹机能够满足应用需求的同时，提高能量利用率且避免对工作人员造成伤害。
[0005]根据本申请的一个方面，提供了一种纺织加弹机，其包括：
[0006]热监控模块，用于获取热电箱的各个电热板在预定时间段内多个预定时间点的加热功率值以及所述多个预定时间点的所述热电箱的热红外图像；
[0007]热红外特征提取模块，用于将所述多个预定时间点的所述热电箱的热红外图像分别输入使用空间注意力机制的第一卷积神经网络模型以得到多个热红外特征矩阵；
[0008]热变化模块，用于计算所述多个热红外特征矩阵中每两个热红外特征矩阵之间的差分以得到多个热红外差分特征矩阵；
[0009]维度变化模块，用于将所述多个热红外差分特征矩阵中各个热红外差分特征矩阵分别展开为一维特征向量以得到多个热红外差分展开特征向量；
[0010]热变化模式特征提取模块，用于将所述多个热红外差分展开特征向量输入基于转换器的上下文编码器以得到热红外变化语义特征向量；
[0011]加热功率特征提取模块，用于将所述各个电热板在预定时间段内多个预定时间点的加热功率值分别按照时间维度排列为加热功率输入向量后通过多尺度邻域特征提取模块以得到对应于各个电热板的多尺度加热功率特征向量；
[0012]转移模块，用于计算所述对应于各个电热板的多尺度加热功率特征向量相对于所述热红外变化语义特征向量的转移矩阵以得到分类特征矩阵；以及
[0013]控制结果生成模块，用于将所述分类特征矩阵分别通过分类器以得到分类结果，
所述分类结果用于表示电热板的当前时间点的加热功率值应增大或应减小。
[0014]在上述纺织加弹机中，所述热红外特征提取模块，包括:深度卷积编码单元，用于使用所述第一卷积神经网络模型的各层在层的正向传递中分别对所述多个预定时间点的所述热电箱的热红外图像进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述第一卷积神经网络模型的最后一层输出多个初始热红外特征矩阵；以及，空间注意力单元，用于将所述初始热红外特征矩阵输入所述第一卷积神经网络模型的空间注意力层以得到所述多个热红外特征矩阵。
[0015]在上述纺织加弹机中，所述热变化模块，进一步用于：以如下公式计算所述多个热红外特征矩阵中每两个热红外特征矩阵之间的差分以得到多个热红外差分特征矩阵；其中，所述公式为：其中，M1、M2表示所述多个热红外特征矩阵中的两个热红外特征矩阵，M
c
表示所述多个热红外差分特征矩阵，表示按位置差分。
[0016]在上述纺织加弹机中，所述维度变化模块，沿着行向量或者列向量进行展开。
[0017]在上述纺织加弹机中，所述热变化模式特征提取模块，包括：查询向量构造单元，用于将所述多个热红外差分展开特征向量进行一维排列以得到全局热红外差分特征向量；自注意单元，用于计算所述全局热红外差分特征向量与所述多个热红外差分展开特征向量中各个热红外差分展开特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；注意力施加单元，用于分别以所述多个概率值中各个概率值作为权重对所述多个热红外差分展开特征向量中各个局部展开特征向量进行加权以得到所述多个上下文语义热红外差分展开特征向量；级联单元，用于将所述多个上下文语义热红外差分展开特征向量进行级联以得到所述热红外变化语义特征向量。
[0018]在上述纺织加弹机中，所述加热功率特征提取模块，包括：第一尺度特征提取单元，用于将所述加热功率输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度加热功率特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取单元，用于将所述加热功率输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度加热功率特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，多尺度级联单元，用于将所述第一邻域尺度加热功率特征向量和所述第二邻域尺度加热功率特征向量进行级联以得到所述多尺度加热功率特征向量。
[0019]在上述纺织加弹机中，所述第一尺度特征提取单元，进一步用于：使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述加热功率输入向量进行一维卷积编码以得到第一邻域尺度加热功率特征向量；
[0020]其中，所述公式为：
[0021][0022]其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X表示所述加热功率输入向量。所述第二尺度特征提取单元，进一步用于：使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述加热功率输入向量进行一维卷积编码以得到所述第二邻域尺度加热功率特征向量；
[0023]其中，所述公式为：
[0024][0025]其中，b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、G(x
‑
b)为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X表示所述加热功率输入向量。
[0026]在上述纺织加弹机中，所述转移模块，进一步用于：以如下公式计算所述对应于各个电热板的多尺度加热功率特征向量相对于所述热红外变化语义特征向量的转移矩阵以得到分类特征矩阵；其中，所述公式为：
[0027][0028]其中V
c
表示所述对应于各个电热板的多尺度加热功率特征向量，V表示所述热红外变化语义特征向量，M表示所述分类特征矩阵。
[0029]在上述纺织加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种纺织加弹机，其特征在于，包括：热监控模块，用于获取热电箱的各个电热板在预定时间段内多个预定时间点的加热功率值以及所述多个预定时间点的所述热电箱的热红外图像；热红外特征提取模块，用于将所述多个预定时间点的所述热电箱的热红外图像分别输入使用空间注意力机制的第一卷积神经网络模型以得到多个热红外特征矩阵；热变化模块，用于计算所述多个热红外特征矩阵中每两个热红外特征矩阵之间的差分以得到多个热红外差分特征矩阵；维度变化模块，用于将所述多个热红外差分特征矩阵中各个热红外差分特征矩阵分别展开为一维特征向量以得到多个热红外差分展开特征向量；热变化模式特征提取模块，用于将所述多个热红外差分展开特征向量输入基于转换器的上下文编码器以得到热红外变化语义特征向量；加热功率特征提取模块，用于将所述各个电热板在预定时间段内多个预定时间点的加热功率值分别按照时间维度排列为加热功率输入向量后通过多尺度邻域特征提取模块以得到对应于各个电热板的多尺度加热功率特征向量；转移模块，用于计算所述对应于各个电热板的多尺度加热功率特征向量相对于所述热红外变化语义特征向量的转移矩阵以得到分类特征矩阵；以及控制结果生成模块，用于将所述分类特征矩阵分别通过分类器以得到分类结果，所述分类结果用于表示电热板的当前时间点的加热功率值应增大或应减小。2.根据权利要求1所述的纺织加弹机，其特征在于，所述热红外特征提取模块，包括:深度卷积编码单元，用于使用所述第一卷积神经网络模型的各层在层的正向传递中分别对所述多个预定时间点的所述热电箱的热红外图像进行卷积处理、沿通道维度的池化处理和非线性激活处理以由所述第一卷积神经网络模型的最后一层输出多个初始热红外特征矩阵；以及空间注意力单元，用于将所述初始热红外特征矩阵输入所述第一卷积神经网络模型的空间注意力层以得到所述多个热红外特征矩阵。3.根据权利要求2所述的纺织加弹机，其特征在于，所述热变化模块，进一步用于：以如下公式计算所述多个热红外特征矩阵中每两个热红外特征矩阵之间的差分以得到多个热红外差分特征矩阵；其中，所述公式为：其中，M1、M2表示所述多个热红外特征矩阵中的两个热红外特征矩阵，M
c
表示所述多个热红外差分特征矩阵，表示按位置差分。4.根据权利要求3所述的纺织加弹机，其特征在于，所述维度变化模块，沿着行向量或者列向量进行展开。5.根据权利要求4所述的纺织加弹机，其特征在于，所述热变化模式特征提取模块，包括：查询向量构造单元，用于将所述多个热红外差分展开特征向量进行一维排列以得到全局热红外差分特征向量；
自注意单元，用于计算所述全局热红外差分特征向量与所述多个热红外差分展开特征向量中各个热红外差分展开特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；注意力施加单元，用于分别以所述多个概率值中各个概率值作为权重对所述多个热红外差分展开特征...

【专利技术属性】
技术研发人员：蒋玲芳，丁泽田，
申请(专利权)人：浙江鸿屹智能装备科技有限公司，
类型：发明
国别省市：