自2012年以来,通过系统研究棉纺过程的质量控制技术、装置及系统,在棉纺数据处理、过程监测、质量控制等方面取得了重大突破并实现了产业化,在国内外较早地研发了数据驱动的棉纺质量智能控制技术,具体技术、产品及服务介绍如下。
(1)集成创新了复杂高维棉纺数据的特征提取及知识表达方法
围绕整个棉纺生产流程,研发了面向棉纺设备的无线监测装置、控制装置,构架了纺织大数据存储与管理系统,构建了复杂高维棉纺数据的特征提取及知识表达模型。同时,研究了复杂高维棉纺数据之间的因果、相关及自相关关系,提出了面向高维棉纺数据的特征提取、表示与理解方法。通过应用,该方法使纱线的预报精度从86%提高到92%。
(2)创新形成了基于Softmax回归的棉纺质量关键因素识别方法
依托海量棉纺数据,提出了一种适合棉纺数据挖掘的大数据聚类算法Dk-means,可视化分析了棉纺质量指标之间的关联关系。同时,借助深度学习理论,构建了棉纺环境、设备等识别模型,创新形成了基于Softmax回归的棉纺质量异常波动关键因素识别方法。通过应用,该方法对棉纺质量影响因素的识别率为92%,明显高于Yarnspec系统的83%。
(3)率先研发了复杂高维数据下的棉纺质量控制技术及其系统
围绕整个棉纺流程,提出了基于质量控制点的棉纺数据知识关联分析方法,构建了数据驱动的棉纺质量控制模型。同时,通过质量控制模型,利用海量棉纺数据对无线监测装置、控制装置进行训练,使其具有自我学习功能,最终形成了一套数据驱动的质量智能控制技术,并研发了相应控制系统。通过应用,该质量控制技术的控制精度达到97.85%,高于Yarnspec系统的96%,而且纱线断裂强度提高了3.40%。
(二)未来业务模式介绍
以信息物理融合系统为核心,以工业互联网为基础,以市场、设计、工艺、生产等海量数据为平台,以数据的特征信息、规律知识和应用智能挖掘为手段,建立大数据驱动的纺织智能制造平台,如下图所示。
这样,通过横向集成实现纺织生产车间及纺织供应链的协同优化;纵向集成实现制造过程的互联化、数据化、知识化和智能化;端到端集成实现企业不同部门之间的协同管理。
针对棉纺数据维度高且关联度过低的问题,首先围绕整个棉纺生产流程,研发了面向棉纺设备的无线监测装置、控制装置,构架了纺织大数据存储与管理系统,构建了复杂高维棉纺数据的特征提取及知识表达模型。同时,研究了复杂高维棉纺数据之间的因果、相关及自相关关系,并提出了面向高维棉纺数据的特征提取、表示与理解方法。
(2)创新形成了基于Softmax回归的棉纺质量异常波动关键因素识别方法
针对影响棉纺质量的因素众多且相互交织问题,提出了一种适合棉纺数据挖掘的大数据聚类算法Dk-means,可视化分析了棉纺质量指标之间的关联关系。同时,借助AlexNet深度学习结构,创新形成了基于Softmax回归的棉纺质量异常波动关键因素识别方法,有效地识别了影响棉纺质量的关键因素。
自主研发了棉纺设备无线监测器、控制器,构建了数据驱动的棉纺质量控制模型,通过工艺参数偏差的动态调整、反馈,实现棉纺过程质量的控制。在此基础上,控制软件驱动控制器,将最优质量指标反馈到控制软件的输入端,作为下一工序的输入,形成一个自我学习的质量控制回路,实现棉纺质量的智能控制。
详情请咨询 姚老师
联系电话:029-68518792
如您想进一步了解本项目的详细信息,可以直接拨打大市场服务部了解详情或者可在下方填写相关资讯信息及您的联系方式,我们会有专家对您的咨询进行回复。