[發(fā)明專利]用于監(jiān)視變形過程的方法和設備

有效

• 申請?zhí)枺?/td>: 201980007907.1
• 申請日: 2019-01-02
• 公開（公告）號: CN111566480B
• 公開（公告）日: 2023-01-06
• 發(fā)明（設計）人: J·胡特馬赫爾
• 申請（專利權(quán)）人: 歐瑞康紡織有限及兩合公司
• 主分類號: G01N33/36
• 分類號: G01N33/36;B65H59/40
• 代理公司: 中國貿(mào)促會專利商標事務所有限公司 11038
• 代理人: 俞海舟

1.一種用于監(jiān)視用于制造卷曲紗線的變形過程的方法，在該方法中在變形的紗線上連續(xù)地測量紗線張力并且在該方法中至少在一個時間間隔內(nèi)連續(xù)地測得紗線張力測量信號并進行分析，其特征在于：利用機器學習程序?qū)υ谠摃r間間隔內(nèi)出現(xiàn)的紗線張力測量信號序列進行分析，以提前診斷多個干擾源之一，并且

測得紗線張力測量信號序列并且利用機器學習程序作為分析圖進行分析或者在超過紗線張力的閾值時作為瑕疵圖進行分析，使得將允許的紗線張力變化與不允許的、超過所述閾值的紗線張力變化進行區(qū)別處理。

2.如權(quán)利要求1所述的方法，其特征在于：通過機器學習程序的至少一種機器學習算法執(zhí)行對紗線張力測量信號的分析。

3.如權(quán)利要求2所述的方法，其特征在于：通過機器學習算法從經(jīng)過分析的測量信號序列中或者從經(jīng)過分析的分析圖中或者從經(jīng)過分析的瑕疵圖中辨別出干擾源之一。

4.如權(quán)利要求3所述的方法，其特征在于：給分析圖和/或瑕疵圖配置多個干擾圖，其中干擾源中的每一個通過干擾圖之一確定。

5.如前述權(quán)利要求1至4中任一項所述的方法，其特征在于：機器學習算法在一個學習階段之后已經(jīng)達到學習結(jié)束的運行狀況。

6.如權(quán)利要求5所述的方法，其特征在于：在出現(xiàn)未知干擾源時，為了外部學習的目的更換機器學習算法。

7.如權(quán)利要求1至4中任一項所述的方法，其特征在于：操作失誤、處理機組的誤調(diào)節(jié)、材料缺陷、紗線導向元件磨損和/或紗線結(jié)是干擾源之一。

8.如權(quán)利要求1至4中任一項所述的方法，其特征在于：在辨別出干擾源后或者在配置給干擾圖之一后，觸發(fā)改變過程的控制指令。

9.一種用于監(jiān)視用于制造卷曲紗線的變形過程的設備，其包括用于在測量點測量紗線張力的紗線張力測量裝置(17)和用于對紗線張力測量裝置(17)的測量信號進行分析的數(shù)據(jù)分析裝置，其特征在于：數(shù)據(jù)分析裝置通過診斷單元(18)構(gòu)成，通過該診斷單元能夠利用機器學習程序?qū)喚€張力(T)的測量信號進行分析以辨別出干擾源，并且診斷單元(18)設計用于利用機器學習程序?qū)⒓喚€張力測量信號序列作為分析圖進行分析或者在超過紗線張力的閾值時作為瑕疵圖進行分析，使得將允許的紗線張力變化與不允許的、超過所述閾值的紗線張力變化進行區(qū)別處理。

10.如權(quán)利要求9所述的設備，其特征在于：診斷單元(18)具有可編程的學習處理器(20)，以用于執(zhí)行機器學習程序。

11.如權(quán)利要求10所述的設備，其特征在于：學習處理器(20)可選擇地為了學習的目的與輸入單元(22)聯(lián)接，通過該輸入單元能夠讀取一個或者多個已確定的紗線張力干擾圖。

12.如權(quán)利要求10或11所述的設備，其特征在于：學習處理器(20)與輸出單元(23)聯(lián)接，通過該輸出單元能夠使干擾源的辨別和/或配置給干擾圖之一可視化。

13.如權(quán)利要求10所述的設備，其特征在于：學習處理器(20)具有用于執(zhí)行機器學習程序的神經(jīng)元網(wǎng)絡。

14.如權(quán)利要求10所述的設備，其特征在于：學習處理器(20)在空間上與輸入單元(22)和輸出單元(23)分離。

15.如權(quán)利要求9所述的設備，其特征在于：診斷單元(18)與機器控制單元(16)連接，通過該機器控制單元能夠執(zhí)行用于改變過程的控制指令。