一种纺细纱机纱线断头检测方法与流程

摘要: 本技术涉及纺织机械智能检测的,尤其是涉及一种纺细纱机纱线断头检测方法。背景技术:1、细纱机是纺织生产中的核心设备,其作用是将前道工序生产的粗纱通过牵伸、加捻、卷...
一种纺细纱机纱线断头检测方法与流程

本技术涉及纺织机械智能检测的,尤其是涉及一种纺细纱机纱线断头检测方法。

背景技术:

1、细纱机是纺织生产中的核心设备,其作用是将前道工序生产的粗纱通过牵伸、加捻、卷绕三道基本运动,制成具有一定线密度、强度和捻度的细纱,供后续织造或针织工序使用。细纱机的运行效率和质量直接决定了最终成纱的品质和生产成本。

2、现有的细纱机在粗纱从吊锭上退绕后,依次经过导纱杆、喇叭口进入由三对罗拉组成的牵伸装置。前罗拉与中罗拉之间的主牵伸区将粗纱拉伸至所需线密度,后罗拉与中罗拉之间的后区则对粗纱进行预牵伸。经牵伸后的纤维须条从前罗拉钳口输出,随即进入加捻三角区,在此处受到锭子旋转带动钢丝圈沿钢领高速回转所产生的加捻作用,使松散纤维束获得真捻而形成纱线。加捻后的纱线穿过导纱钩,再经钢丝圈卷绕到套在锭子上的筒管上,完成卷绕成形。在整个过程中,纱线始终承受着由牵伸力、加捻张力和卷绕张力共同构成的动态张力。

3、基于上述工作原理可知,细纱机在高速运转状态下,纱线所承受的动态张力受多种因素耦合影响,包括原料品质波动、牵伸工艺参数设置、机械部件的磨损状态以及车间环境的温湿度变化等。当这些因素的综合效应导致纱线某处的瞬时张力超过其自身动态强力极限时,便会发生断头。然而,现有断头检测手段多为事后检测无法在断头发生前预判风险并进行干预,导致生产效率损失、原料浪费和产品质量波动。

技术实现思路

1、为了解决现有技术中无法在断头发生前综合识别多种致因并进行提前预警干预的问题,本技术提供一种纺细纱机纱线断头检测方法。

2、本技术的上述发明目的一是通过以下技术方案得以实现的:

3、一种纺细纱机纱线断头检测方法,所述纺细纱机纱线断头检测方法包括:

4、获取原材料进料消息,获取粗砂属性信息,对所述粗砂属性信息进行原材料检测;

5、在所述原材料检测通过后,获取细纱机启动初始参数,并根据所述粗砂属性信息对所述细纱机启动初始参数进行调整,得到细纱机启动参数;

6、获取细纱机启动消息,获取设备运行状态,根据预先通过历史断头归因进行训练得到的断头检测模型对所述设备运行状态进行检测,获取对应的检测结果;

7、获取设备运行环境数据,根据所述历史断头归因对所述设备运行环境数据进行检测,根据环境检测结果生成运行环境调节指令。

8、优选地,所述在所述原材料检测通过后,获取细纱机启动初始参数,并根据所述粗砂属性信息对所述细纱机启动初始参数进行调整,得到细纱机启动参数,具体包括:

9、获取所述细纱机启动初始参数中的牵伸倍数、罗拉隔距和捻系数;

10、从所述粗砂属性信息中获取条干变异系数和短绒含量,根据所述条干变异系数和所述短绒含量对所述牵伸倍数、所述罗拉隔距和所述捻系数进行调整,得到所述细纱机启动参数。

11、优选地,所述根据所述条干变异系数和所述短绒含量对所述牵伸倍数、所述罗拉隔距和所述捻系数进行调整,得到所述细纱机启动参数,具体包括:

12、获取预设的工艺适配模型,将所述条干变异系数和所述短绒含量输入至所述工艺适配模型,得到推荐牵伸倍数、推荐罗拉隔距和推荐捻系数;

13、将所述细纱机启动初始参数中的所述牵伸倍数、所述罗拉隔距和所述捻系数分别与所述推荐牵伸倍数、所述推荐罗拉隔距和所述推荐捻系数进行比对;

14、当比对结果为不一致时,将所述细纱机启动初始参数中的所述牵伸倍数、所述罗拉隔距和所述捻系数替换为所述推荐牵伸倍数、所述推荐罗拉隔距和所述推荐捻系数,得到所述细纱机启动参数。

15、优选地,所述获取原材料进料消息,获取粗砂属性信息,对所述粗砂属性信息进行原材料检测,具体包括:

16、从所述粗砂属性信息中获取条干变异系数、细节个数、粗节个数、棉结数量和回潮率;

17、获取历史断头归因,从所述历史断头归因中提取原料属性与断头率之间的关联关系;

18、根据所述关联关系设置所述条干变异系数、所述细节个数、所述粗节个数、所述棉结数量和所述回潮率各自对应的检测阈值,并根据所述检测阈值对所述粗砂属性信息进行所述原材料检测。

19、优选地,所述根据所述关联关系设置所述条干变异系数、所述细节个数、所述粗节个数、所述棉结数量和所述回潮率各自对应的检测阈值,具体包括:

20、从所述历史断头归因中获取每个所述原料属性在不同数值区间内对应的断头率变化曲线;

21、从所述断头率变化曲线中获取断头率突变点,将所述断头率突变点对应的数值设置为所述检测阈值。

22、优选地,所述断头检测模型通过以下方法训练:

23、从所述历史断头归因中获取断头事件发生前的设备运行状态数据,所述设备运行状态数据包括纱线张力数据、锭子振动数据、罗拉振动数据、声纹数据和气圈形态数据;

24、获取每个所述断头事件对应的断头原因标签,将所述设备运行状态数据与所述断头原因标签进行关联,得到训练数据集;

25、将所述训练数据集输入至初始模型进行训练,得到所述断头检测模型。

26、优选地,所述根据预先通过历史断头归因进行训练得到的断头检测模型对所述设备运行状态进行检测,获取对应的检测结果,具体包括:

27、将所述纱线张力数据、所述锭子振动数据、所述罗拉振动数据、所述声纹数据和所述气圈形态数据输入至所述断头检测模型;

28、获取所述断头检测模型输出的断头概率和预测断头原因,将所述断头概率和所述预测断头原因作为所述检测结果。

29、优选地,所述获取设备运行环境数据,根据所述历史断头归因对所述设备运行环境数据进行检测,根据环境检测结果生成运行环境调节指令,具体包括:

30、从所述设备运行环境数据中获取温度和相对湿度;

31、从所述历史断头归因中提取环境因素对断头率的影响权重;

32、当所述温度和所述相对湿度中的至少一个超出预设范围时,根据所述影响权重判断所述温度和所述相对湿度是否为当前断头风险的显著影响因素;

33、若是,则生成所述运行环境调节指令,所述运行环境调节指令包括调节目标温度和调节目标相对湿度。

34、综上所述,本技术包括以下至少一种有益技术效果:

35、1、通过在进料阶段对粗纱的条干变异系数、细节粗节数量、棉结及回潮率进行量化检测,并依据历史断头归因设置动态阈值,将不合格原料拦截在上机之前;同时根据检测到的条干变异系数和短绒含量,利用工艺适配模型自动调整牵伸倍数、罗拉隔距和捻系数,使工艺参数与原料特性精准匹配,从源头减少了因原料缺陷和工艺失配引发的断头;

36、2、利用基于历史断头归因训练的多模态断头检测模型,将纱线张力、锭子与罗拉振动、声纹信号及气圈形态等多维传感数据融合分析,能够提前识别钢丝圈磨损、罗拉偏心、粗纱细节等机械与原料异常,输出断头概率及预测原因,实现了对断头前兆的早期预警和精准定位,提升了预警的及时性和准确性;

37、3、通过实时采集车间温湿度数据,并从历史断头归因中提取环境因素对断头率的影响权重,在环境参数超出预设范围时,结合当前设备运行状态综合判断环境是否为显著影响因素,进而生成针对性的温湿度调节指令,实现了环境调控与设备状态的协同优化,有效降低了环境诱发的断头率,同时避免了盲目调节造成的能源浪费。