基于数据处理的凉感面料制造智能化控制系统及方法与流程

本发明涉及制造控制的，具体为基于数据处理的凉感面料制造智能化控制系统及方法。

背景技术：

1、传统的凉感面料制造方法，多使用生产线制造，无法灵活地调度资源，在能耗和空间利用等方面存在限制，也不能智能化控制面料制造时的纱线直接间距和面料密度等生产参数；同时没有使用神经网络、人工智能等高新技术，给面料制造生产带来不便。

技术实现思路

1、针对相关技术中的问题，本发明提供了基于数据处理的凉感面料制造智能化控制系统及方法，以克服现有相关技术所存在的上述技术问题。

2、为解决上述技术问题，本发明是通过以下技术方案实现的：

3、本发明为基于数据处理的凉感面料制造智能化控制方法，包括如下步骤：

4、s1、获取凉感面料表面图像，对所述凉感面料表面图像进行预处理，计算凉感面料纱线间距和凉感面料密度，并获取凉感面料制造过程参数，组成初始凉感面料制造参数集合，对所述初始凉感面料制造参数集合进行异常数据清洗，得到凉感面料制造参数集合；

5、s2、比较所述凉感面料制造参数集合和凉感面料制造目标参数集合的偏差，调整凉感面料制造参数并实现凉感面料制造实时控制；

6、s3、对所述凉感面料制造参数集合中凉感面料制造参数进行降维处理后，训练rbf神经网络得到rbf神经网络模型，输出凉度预测值，完成对凉感面料的凉感预测；

7、s4、根据所述凉度预测值，使用瞪羚优化算法不断优化调整所述凉感面料制造参数集合中凉感面料纱线间距、凉感面料密度和纱线捻度，达到最佳凉度值，实现凉感面料制造智能化控制。

8、该发明通过获取凉感面料表面图像，经过灰度化处理后，使用维纳滤波对灰度化凉感面料表面图像进行滤波处理，再进行分解重构，最后经过平滑处理，完成图像预处理；以上方法减少了图像处理过程中的计算量，提高了计算速度，可以有效减少图像噪音，将复杂图像简化成可计算的二值化图像；再使用密度的聚类方法对感面料制造参数数据进行异常数据清洗，排除异常数据干扰，便于后续神经网络处理；其次，将凉感面料制造参数和凉感面料制造目标参数进行偏差比较，对于有偏差部分进行实时控制；再训练rbf神经网络得到rbf神经网络模型，将凉感面料制造参数进行降维处理后，输入rbf神经网络模型，输出凉度预测值；对数据进行降维处理，有效保留了原始数据特征，删除数据中冗余部分，加快神经网络处理速度，rbf神经网络学习速度快，普遍应用于大样本的非线性问题；最后，提取凉感面料制造参数集合中凉感面料纱线间距、凉感面料密度和纱线捻度，使用瞪羚优化算法进行优化调整，通过寻找最佳适应度函数值，达到最佳凉度值，实现凉感面料制造智能化控制；该算法全局搜索能力强，可以有效解决凉感面料制造过程中凉感达不到最优的情况。

9、优选地，所述s1包括以下步骤：

10、s11、在凉感面料制造过程中，获取初始凉感面料表面图像，组成初始凉感面料表面图像集合，并在初始凉感面料表面图像上选取样本点，量化处理样本点，将样本点视为像素点，将初始凉感面料表面图像转化为凉感面料表面图像矩阵a如下：

11、；

12、其中，表示凉感面料表面图像矩阵横向第m、纵向第n个像素点；

13、基于所述凉感面料表面图像矩阵，对初始凉感面料表面图像集合中的初始凉感面料表面图像进行图像预处理，得到处理好的凉感面料表面图像集合，具体步骤如下：

14、s111、设定初始凉感面料表面图像的红色通道信号强度值、绿色通道信号强度值和蓝色通道信号强度值，并分别赋予权值，根据权值对初始凉感面料表面图像的三个通道信号强度值进行加权平均处理，得到灰度化凉感面料表面图像；

15、s112、在所述凉感面料表面图像矩阵中选取尺寸为的局部邻域，计算局部邻域内像素点灰度值的均值和方差，分别记为和；在局部邻域内选取任意像素点灰度值为，设定灰度化凉感面料表面图像的噪音方差为，则使用维纳滤波器进行滤波处理，计算公式如下：

16、；

17、其中，表示滤波处理后的像素点灰度值；

18、使用滤波处理后的像素点灰度值替换局部邻域内像素点灰度值，直至凉感面料表面图像矩阵中全部像素点替换完毕，得到滤波后的凉感面料表面图像矩阵，生成滤波后的凉感面料表面图像；

19、s113、对所述滤波后的凉感面料表面图像进行小波变换，设定小波基函数为，分解级数为，每级分解系数为，每级分解系数长度为，对滤波后的凉感面料表面图像进行级分解并重构，得到分解重构后的凉感面料表面图像；

20、s114、将所述分解重构后的凉感面料表面图像进行二值化处理，得到二值化凉感面料表面图像，统计二值化凉感面料表面图像中每行像素点灰度值为1和0的像素点个数，分别记为第一行像素点个数和第二行像素点个数，若所述第一行像素点个数大于二值化凉感面料表面图像中每行像素点总数，将二值化凉感面料表面图像中每行像素点置为1；若所述第二行像素点个数大于二值化凉感面料表面图像中每行像素点总数，将二值化凉感面料表面图像中每行像素点置为0；同时统计二值化凉感面料表面图像中每列像素点灰度值为1和0的像素点个数，分别记为第一列像素点个数和第二列像素点个数，若所述第一列像素点个数大于二值化凉感面料表面图像中每列像素点总数，将二值化凉感面料表面图像中每列像素点置为1；若所述第二列像素点个数大于二值化凉感面料表面图像中每列像素点总数，将二值化凉感面料表面图像中每列像素点置为0；完成图像平滑处理，得到处理好的凉感面料表面图像，组成处理好的凉感面料表面图像集合；

21、s12、设定所述处理好的凉感面料表面图像集合中处理好的凉感面料表面图像的宽度和长度分别为和，水平方向上的纱线根数为，竖直方向上的纱线根数为，每个单位面积内像素点个数为，则凉感面料纱线间距和凉感面料密度计算公式如下：

22、，；

23、其中，表示凉感面料纱线间距，表示凉感面料密度；

24、获取凉感面料制造过程中的参数，所述参数包括纱线捻度、纱线强度等，结合凉感面料纱线间距和凉感面料密度组成初始凉感面料制造参数集合，其中表示第d个凉感面料制造参数，每个凉感面料制造参数包括e个凉感面料制造参数数据；

25、s13、基于密度的聚类方法对所述凉感面料制造参数数据进行异常数据清洗，得到凉感面料制造参数集合，具体步骤如下：

26、s131、对第个凉感面料制造参数下的e个凉感面料制造参数数据，设定邻域半径为，在凉感面料制造参数数据中选取任意数据记为聚类数据点，以所述聚类数据点为核心，标记邻域半径内全部密度相连数据点；选取任意密度相连数据点作为核心，遍历邻域半径内全部数据点，标记标记邻域半径内全部密度相连数据点；

27、s132、重复s131直至没有新的密度相连数据点作为核心，将没有被标记的凉感面料制造参数数据作为异常点，并将异常点删除，得到凉感面料制造参数集合。

28、该发明通过获取凉感面料表面图像，经过灰度化处理，可以减少了图像处理过程中的计算量，提高了计算速度；使用维纳滤波进行滤波处理，有效减少图像噪音；再对滤波后的凉感面料表面图像进行分解重构后通过平滑处理将复杂图像简化成可计算的二值化图像；使用密度的聚类方法对感面料制造参数数据进行异常数据清洗，可以排除异常数据干扰。

29、优选地，所述s2包括以下步骤：

30、s21、设定凉感面料制造目标参数集合，偏差阈值集合为，其中表示第d个偏差阈值，比较所述凉感面料制造参数集合和凉感面料制造目标参数集合，选取凉感面料制造参数集合中第个凉感面料制造参数，选取凉感面料制造目标参数集合中第个凉感面料制造目标参数，存在第个凉感面料制造参数对应的凉感面料制造参数数据和第个凉感面料制造目标参数对应的凉感面料制造目标参数数据的差的绝对值大于第个偏差阈值，则第个凉感面料制造参数存在偏差，此时对凉感面料制造过程进行调整；

31、s22、计算气温、湿度等气候因素和凉感面料纱线间距以及凉感面料密度之间的关系，随着气温和湿度的升降，自动控制凉感面料纱线间距和凉感面料密度，实现凉感面料制造实时控制。

32、优选地，所述s3包括以下步骤：

33、s31、对所述凉感面料制造参数集合中凉感面料制造参数，设定第个凉感面料制造参数对应的凉感面料制造参数数据的平均值和标准差分别为和，第个凉感面料制造参数对应的凉感面料制造参数数据的平均值和标准差分别为和，凉感面料制造参数数据个数为，则相关系数计算公式如下：

34、；

35、其中，表示相关系数，且，表示第g个凉感面料制造参数数据，；

36、得到凉感面料制造参数集合中凉感面料制造参数的相关系数，将相关系数进行降序排序后，选取前维作为降维后的参数特征，得到降维后的参数特征集合；

37、s32、获取新的凉感面料表面图像，经过预处理和归一化处理后提取得到参数特征样本集合，使用参数特征样本集合训练rbf（径向基函数）神经网络，得到rbf神经网络模型，具体步骤如下：

38、s321、设定rbf神经网络的映射函数为高斯核函数，径向基函数为，输入层个数为，神经元个数为，输出层个数为1；将所述参数特征样本集合分成参数特征样本训练集和参数特征样本测试集，将所述参数特征样本训练集输入到rbf神经网络中，不断迭代，直至rbf神经网络收敛，得到训练好的rbf神经网络；

39、s322、将所述参数特征样本测试集输入到训练好的rbf神经网络中，设定精度阈值为，当输出结果精度小于精度阈值时，得到rbf神经网络模型；否则调整权值直至输出结果精度小于精度阈值；

40、s33、将所述降维后的参数特征集合进行归一化处理，得到归一化参数特征集合，将所述归一化参数特征集合输入到rbf神经网络模型中，输出凉度预测值，所述凉度预测值介于之间；当凉度预测值介于，表示无凉感，当凉度预测值介于，表示凉感一般，当凉度预测值介于，表示凉感明显，当凉度预测值介于，表示凉感较强烈，当凉度预测值介于，表示凉感强烈；完成凉感面料的凉感预测。

41、该发明通过训练rbf神经网络得到rbf神经网络模型，rbf神经网络学习速度快，适用于大样本复杂问题；再将凉感面料制造参数进行降维处理后，有效保留了原始数据特征，删除数据中冗余部分，加快神经网络处理速度，实现凉感面料的凉感预测。

42、优选地，所述s4包括以下步骤：

43、s41、在所述凉感面料制造参数集合中选取凉感面料纱线间距、凉感面料密度和纱线捻度作为调整参数，分别赋予凉感面料纱线间距、凉感面料密度和纱线捻度不同权重计算凉感面料制造成本，得到凉感面料制造成本函数，将所述凉感面料制造成本函数作为适应度函数；设定最佳凉度值为，当所述凉度预测值不能达到最佳凉度值时，使用瞪羚优化算法对凉感面料纱线间距、凉感面料密度和纱线捻度进行调整优化，达到最佳凉度值，具体步骤如下：

44、s411、在瞪羚种群初始化阶段，设定瞪羚种群个数为i，瞪羚个体维度为j，生成初始化种群矩阵如下：

45、；

46、其中，表示瞪羚种群中第i个瞪羚个体在第j维的位置；

47、设定表示随机数且，瞪羚种群维度上界为，维度下界为，则瞪羚种群中第只瞪羚个体位置；

48、对瞪羚种群中瞪羚个体位置进行迭代，将每次迭代得到最佳适应度函数值对应的瞪羚个体位置对应的瞪羚个体记为精英瞪羚个体，得到精英瞪羚个体矩阵；对瞪羚个体位置进行更新的过程就是对凉感面料纱线间距、凉感面料密度和纱线捻度进行调整优化的过程；

49、s412、在瞪羚种群开发阶段，设定当前迭代次数为k，第k次迭代精英瞪羚个体矩阵为，第k次迭代第只瞪羚个体位置为，设定瞪羚在进食时以布朗运动进行活动，瞪羚个体速度为q，布朗运动的随机数向量为，表示随机数向量且，则第k+1次迭代第只瞪羚个体位置计算公式如下：

50、；

51、通过每次迭代后比较适应度函数值，寻找最佳适应度函数值，并更新精英瞪羚个体矩阵；

52、s413、在瞪羚种群探索阶段，引入莱维飞行，当迭代次数为奇数时，瞪羚种群中瞪羚个体向一个方向移动，当迭代次数为偶数时，瞪羚种群中瞪羚个体向另外一个方向移动，且运动过程按照布朗运动后再莱维飞行；设定莱维飞行的随机数向量为，瞪羚个体最快速度为q，表示常数，当瞪羚发现捕食者后，对第k+1次迭代第只瞪羚个体位置进行更新，计算公式如下：

53、；

54、设定最大迭代次数为k，捕食者开始追逐瞪羚，追逐系数，此时瞪羚种群中瞪羚个体开始移动，再次对第k+1次迭代第只瞪羚个体位置进行更新，计算公式如下：

55、；

56、s414、设定捕食成功率，瞪羚种群中瞪羚个体根据所述捕食成功率进行移动，当当前迭代次数得到最大迭代次数时，停止迭代，得到最终瞪羚个体位置，所述最终瞪羚个体位置的三维坐标值分别为调整优化后的凉感面料纱线间距、凉感面料密度和纱线捻度，此时达到最佳凉度值；

57、s42、按照调整优化后的凉感面料纱线间距、凉感面料密度和纱线捻度作为最佳凉感面料制造参数，得到凉感面料制造参数集合，实现凉感面料制造智能化控制。

58、该发明通过提取凉感面料制造参数集合中凉感面料纱线间距、凉感面料密度和纱线捻度，使用瞪羚优化算法进行优化调整，达到最佳凉度值，实现凉感面料制造智能化控制；该算法全局搜索能力强，可以有效解决凉感面料制造过程中凉感达不到最优的情况。

59、本实施例还公开基于数据处理的凉感面料制造智能化控制方法的系统，具体包括：凉感面料制造参数处理模块、凉感面料制造实时控制模块、凉感面料凉感预测模块和凉感面料制造参数调整优化模块；

60、所述凉感面料制造参数处理模块用于对凉感面料表面图像进行预处理，获取凉感面料制造参数；

61、所述凉感面料制造实时控制模块用于比较凉感面料制造参数和凉感面料制造目标参数的偏差，实时控制凉感面料制造；

62、所述凉感面料凉感预测模块用于使用rbf神经网络模型对凉感面料进行凉感预测；

63、所述凉感面料制造参数调整优化模块用于使用瞪羚优化算法优化调整凉感面料制造参数。

64、本发明具备以下有益效果：

65、1.该发明通过获取凉感面料表面图像，经过灰度化处理，可以减少了图像处理过程中的计算量，提高了计算速度；使用维纳滤波对灰度化凉感面料表面图像进行滤波处理，有效减少图像噪音；

66、2.该发明通过对滤波后的凉感面料表面图像进行分解重构，使用小波分解法得到细节分量，便于后续处理，再通过平滑处理将复杂图像简化成可计算的二值化图像。

67、3.该发明使用密度的聚类方法对感面料制造参数数据进行异常数据清洗，识别异常值并进行剔除，排除异常数据干扰，便于后续处理。

68、4.该发明通过训练rbf神经网络得到rbf神经网络模型，rbf神经网络学习速度快，适用于大样本复杂问题；再将凉感面料制造参数进行降维处理后，有效保留了原始数据特征，删除数据中冗余部分，加快神经网络处理速度。

69、5.该发明通过使用瞪羚优化算法对凉感面料制造参数集合中凉感面料纱线间距、凉感面料密度和纱线捻度进行优化调整，该算法全局搜索能力强，可以有效解决凉感面料制造过程中凉感达不到最优的情况。

70、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。