一种无缝内衣机控制系统及控制方法技术方案

本发明专利技术公开了一种无缝内衣机控制系统及控制方法，其获取预定时间段内多个预定时间点的纱线张力值和针筒转速值；采用基于深度学习的人工智能技术，进行所述纱线张力值的时序变化特征和所述针筒转速的时序变化特征之间的关联性特征分布信息进行充分表达，以此来进行无缝内衣机工作状态的准确检测，进而及时发现问题并采取相应的措施，提高生产效率和产品质量。量。量。

【技术实现步骤摘要】
一种无缝内衣机控制系统及控制方法


[0001]本专利技术涉及智能化控制
，尤其涉及一种无缝内衣机控制系统及控制方法。

技术介绍

[0002]随着人们对健康和舒适度的追求，内衣行业发展迅速。无缝内衣机是内衣制造中的一种重要设备，其主要作用是将弹性布料制成无缝内衣。然而，在生产过程中，无缝内衣机会受到多种因素的干扰，如纱线张力不合适、针筒转速异常等，导致产品质量下降或损坏设备。也就是说，无缝内衣机的工作状态是否正常直接影响到产品的质量和产量，因此，对于无缝内衣机的工作状态进行实时监测和控制具有重要意义。
[0003]然而，传统的无缝内衣机方法通常采用阈值法判断无缝内衣机的工作状态，但这种方法存在以下问题：一是阈值需要进行手动调整，无法自适应地根据工作条件进行调整；二是准确度受到限制，无法完全排除误判的情况。
[0004]因此，期望一种优化的无缝内衣机控制系统。

技术实现思路

[0005]本专利技术实施例提供一种无缝内衣机控制系统及控制方法，其获取预定时间段内多个预定时间点的纱线张力值和针筒转速值；采用基于深度学习的人工智能技术，进行所述纱线张力值的时序变化特征和所述针筒转速的时序变化特征之间的关联性特征分布信息进行充分表达，以此来进行无缝内衣机工作状态的准确检测，进而及时发现问题并采取相应的措施，提高生产效率和产品质量。
[0006]本专利技术实施例还提供了一种无缝内衣机控制系统，其包括：数据采集模块，用于获取预定时间段内多个预定时间点的纱线张力值和针筒转速值；数据参数时序排列模块，用于将所述多个预定时间点的纱线张力值和针筒转速值分别按照时间维度排列为纱线张力时序输入向量和针筒转速时序输入向量；参数时序变化特征提取模块，用于将所述纱线张力时序输入向量和所述针筒转速时序输入向量通过基于一维卷积神经网络模型的时序特征提取器以得到纱线张力时序特征向量和针筒转速时序特征向量；特征表达强化模块，用于使用高斯密度图对所述纱线张力时序特征向量和所述针筒转速时序特征向量进行特征表达强化以得到纱线张力时序特征矩阵和针筒转速时序特征矩阵；响应性关联模块，用于计算所述纱线张力时序特征向量相对于所述针筒转速时序特征向量的响应性估计以得到关联特征矩阵；特征融合模块，用于融合所述纱线张力时序特征矩阵、所述针筒转速时序特征矩阵和所述关联特征矩阵以得到多参数特征图；通道注意力模块，用于将所述多参数特征图通过通道注意力模块以得到分类特征图；以及工作状态检测模块，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示无缝内衣机的工作状态是否正常。
[0007]本专利技术实施例中，述参数时序变化特征提取模块，用于：使用所述基于一维卷积神
经网络模型的时序特征提取器的各层在层的正向传递中对输入数据分别进行一维卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述基于一维卷积神经网络模型的时序特征提取器的最后一层的输出为所述纱线张力时序特征向量和所述针筒转速时序特征向量，其中，所述基于一维卷积神经网络模型的时序特征提取器的第一层的输入为所述纱线张力时序输入向量和所述针筒转速时序输入向量。
[0008]本专利技术实施例中，所述特征表达强化模块，包括：第一高斯增强单元，用于以如下第一高斯公式构造所述纱线张力时序特征向量的第一高斯密度图；其中，所述第一高斯公式为：，其中，表示所述纱线张力时序特征向量，且的每个位置的值表示所述纱线张力时序特征向量中相应两个位置的特征值之间的方差；第二高斯增强单元，用于以如下第二高斯公式构造所述针筒转速时序特征向量的第二高斯密度图；其中，所述第二高斯公式为：，其中，表示所述针筒转速时序特征向量，且
ꢀꢀ
的每个位置的值表示所述针筒转速时序特征向量中相应两个位置的特征值之间的方差；以及,高斯离散单元，用于分别对所述第一高斯密度图和所述第二高斯密度图中各个位置的高斯分布进行高斯离散化以得到所述纱线张力时序特征矩阵和所述针筒转速时序特征矩阵。
[0009]本专利技术实施例中，所述响应性关联模块，用于：以如下响应性公式计算所述纱线张力时序特征向量相对于所述针筒转速时序特征向量的响应性估计以得到关联特征矩阵；其中，所述响应性公式为：，其中，
ꢀꢀ
表示所述纱线张力时序特征向量，表示所述针筒转速时序特征向量，表示所述关联特征矩阵，表示矩阵相乘。
[0010]本专利技术实施例中，所述特征融合模块，包括：融合单元，用于以如下融合公式来融合所述纱线张力时序特征矩阵、所述针筒转速时序特征矩阵和所述关联特征矩阵以得到多参数特征矩阵；其中，所述融合公式为：，其中，，，表示所述纱线张力时序特征矩阵、所述针筒转速时序特征矩阵和所述关联特征矩阵，表示级联函数，表示所述多参数特征矩阵；以及，排列单元，用于将所述多参数特征矩阵排列为所述多参数特征图。
[0011]本专利技术实施例中，所述通道注意力模块，包括：卷积单元，用于将所述多参数特征图输入所述通道注意力模块的多层卷积层以得到卷积特征图；均值计算单元，用于计算所述卷积特征图的沿通道维度的各个特征矩阵的全局均值以得到通道特征向量；激活单元，用于将所述通道特征向量输入所述Sigmoid激活函数以得到通道注意力权重向量；以及，加权单元，用于以所述通道注意力权重向量中各个位置的特征值作为权重分别对所述卷积特征图的沿通道维度的各个特征矩阵进行加权以得到所述分类特征图。
[0012]本专利技术实施例中，还包括用于对所述基于一维卷积神经网络模型的时序特征提取器、所述通道注意力模块和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练数据采集单元，用于获取训练数据，所述训练数据包括预定时间段内多个预定时间点的训练纱线张力值和训练针筒转速值，以及，所述无缝内衣机的工作状态是否正常的真实值；训练数据参数时序排列单元，用于将所述多个预定时间点的训练纱线张力值和训练针筒转速值分别按照时间维度排列为训练纱线张力时序输入向量和训练针筒转速时序输入向量；
训练参数时序变化特征提取单元，用于将所述训练纱线张力时序输入向量和所述训练针筒转速时序输入向量通过所述基于一维卷积神经网络模型的时序特征提取器以得到训练纱线张力时序特征向量和训练针筒转速时序特征向量；训练特征表达强化单元，用于使用高斯密度图对所述训练纱线张力时序特征向量和所述训练针筒转速时序特征向量进行特征表达强化以得到训练纱线张力时序特征矩阵和训练针筒转速时序特征矩阵；训练响应性关联单元，用于计算所述训练纱线张力时序特征向量相对于所述训练针筒转速时序特征向量的响应性估计以得到训练关联特征矩阵；训练特征融合单元，用于融合所述训练纱线张力时序特征矩阵、所述训练针筒转速时序特征矩阵和所述训练关联特征矩阵以得到多参数特征图；训练通道注意力单元，用于将所述训练多参数特征图通过所述通道注意力模块以得到训练分类特征图；分类损失单元，用于将所述训练分类特征图通过所述分类器以得到分类损失函数值；以及，模型训练单元，用于基于所述分类损失函数值并通过梯度下降的方向传播来对所述基于一维卷积神经网络模型的时序特征提取器、所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无缝内衣机控制系统，其特征在于，包括：数据采集模块，用于获取预定时间段内多个预定时间点的纱线张力值和针筒转速值；数据参数时序排列模块，用于将所述多个预定时间点的纱线张力值和针筒转速值分别按照时间维度排列为纱线张力时序输入向量和针筒转速时序输入向量；参数时序变化特征提取模块，用于将所述纱线张力时序输入向量和所述针筒转速时序输入向量通过基于一维卷积神经网络模型的时序特征提取器以得到纱线张力时序特征向量和针筒转速时序特征向量；特征表达强化模块，用于使用高斯密度图对所述纱线张力时序特征向量和所述针筒转速时序特征向量进行特征表达强化以得到纱线张力时序特征矩阵和针筒转速时序特征矩阵；响应性关联模块，用于计算所述纱线张力时序特征向量相对于所述针筒转速时序特征向量的响应性估计以得到关联特征矩阵；特征融合模块，用于融合所述纱线张力时序特征矩阵、所述针筒转速时序特征矩阵和所述关联特征矩阵以得到多参数特征图；通道注意力模块，用于将所述多参数特征图通过通道注意力模块以得到分类特征图；以及工作状态检测模块，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示无缝内衣机的工作状态是否正常。2.根据权利要求1所述的无缝内衣机控制系统，其特征在于，所述参数时序变化特征提取模块，用于：使用所述基于一维卷积神经网络模型的时序特征提取器的各层在层的正向传递中对输入数据分别进行一维卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述基于一维卷积神经网络模型的时序特征提取器的最后一层的输出为所述纱线张力时序特征向量和所述针筒转速时序特征向量，其中，所述基于一维卷积神经网络模型的时序特征提取器的第一层的输入为所述纱线张力时序输入向量和所述针筒转速时序输入向量。3.根据权利要求2所述的无缝内衣机控制系统，其特征在于，所述特征表达强化模块，包括：第一高斯增强单元，用于以如下第一高斯公式构造所述纱线张力时序特征向量的第一高斯密度图；其中，所述第一高斯公式为：，其中，表示所述纱线张力时序特征向量，且的每个位置的值表示所述纱线张力时序特征向量中相应两个位置的特征值之间的方差；第二高斯增强单元，用于以如下第二高斯公式构造所述针筒转速时序特征向量的第二高斯密度图；其中，所述第二高斯公式为：，其中，表示所述针筒转速时序特征向量，且 的每个位置的值表示所述针筒转速时序特征向量中相应两个位置的特征值之间的方差；以及高斯离散单元，用于分别对所述第一高斯密度图和所述第二高斯密度图中各个位置的高斯分布进行高斯离散化以得到所述纱线张力时序特征矩阵和所述针筒转速时序特征矩阵。4.根据权利要求3所述的无缝内衣机控制系统，其特征在于，所述响应性关联模块，用于：以如下响应性公式计算所述纱线张力时序特征向量相对于所述针筒转速时序特征向量的响应性估计以得到关联特征矩阵；其中，所述响应性公式为：，其中，
ꢀꢀ
表示所述纱线张力时序特征向量，表示所述针筒转速时序特征向量，表示所述关联特征矩阵，表示矩阵相乘。5.根据权利要求4所述的无缝内衣机控制系统，其特征在于，所述特征融合模块，包括：
融合单元，用于以如下融合公式来融合所述纱线张力时序特征矩阵、所述针筒转速时序特征矩阵和所述关联特征矩阵以得到多参数特征矩阵；其中，所述融合公式为：，其中，，，表示所述纱线张力时序特征矩阵、所述针筒转速时序特征矩阵和所述关联特征矩阵，表示级联函数，表示所述多参数特征矩阵；以及排列单元，用于将所述多参数特征矩阵排列为所述多参数特征图。6.根据权利要求5所述的无缝内衣机控制系统，其特征在于，所述通道注意力模块，包括：卷积单元，用于将所述多参数特征图输入所述通道注意力模块的多层卷积层以得到卷积特征图；均值计算单元，用于计算所述卷积特征图的沿通道维度的各个特征矩阵的全局均值以得到通道特征向量；激活单元，用于将所述通道特征向量输入所述Sigmoid激活函数以得到通道注意力权重向量；以及...

【专利技术属性】
技术研发人员：向桦，陈峰，
申请(专利权)人：杭州高腾机电科技有限公司，
类型：发明
国别省市：