本發(fā)明涉及自動(dòng)拉鏈縫制控制系統(tǒng)，尤其是涉及一種自動(dòng)拉鏈縫制控制系統(tǒng)及其裝置。

背景技術(shù)：

1、在現(xiàn)有技術(shù)中，服裝拉鏈縫制于布料上時(shí)，需要多道工序，首先需要人工將拉鏈和下布料縫在一起為第一道縫制，再把帶有拉鏈的下布料與上布料縫在一起為第二道縫制，拉鏈處于下布料與上布料中間，需要對(duì)上布料、下布料及拉料進(jìn)行第三道和第四道的縫制，具體的，將下布料向拉鏈外側(cè)翻轉(zhuǎn)和壓線，然后拉鏈第三道的縫制，再將上布料向拉鏈外側(cè)進(jìn)行翻邊和定位及壓線，進(jìn)行拉鏈第四道的縫制，最后拉鏈才從上布料和下布料中間留出拉鏈的邊緣；

2、為此公告號(hào)為cn106930009a的發(fā)明具體公開(kāi)了一種自動(dòng)拉鏈縫制裝置、縫紉機(jī)及縫制方法，屬于工業(yè)縫紉自動(dòng)化領(lǐng)域，本發(fā)明通過(guò)將待縫制的上布料、下布料及拉鏈放置于縫紉基板上，通過(guò)翹動(dòng)氣缸將滑動(dòng)架翹離縫紉基板，通過(guò)推送組件使活動(dòng)大板移動(dòng)至縫制拉鏈的位置，以實(shí)現(xiàn)送料的目的，通過(guò)吸風(fēng)組件、拉鏈定位槽、拉鏈固定組件及吹氣組件完成對(duì)拉鏈的固定及上布料和下布料的折邊，解決了多道縫制工序不能一次完成而導(dǎo)致生產(chǎn)效率低及品質(zhì)不穩(wěn)定的問(wèn)題；

3、在現(xiàn)有技術(shù)中自動(dòng)拉鏈縫制控制系統(tǒng)是一種應(yīng)用于服裝制造、箱包制作等行業(yè)，專(zhuān)門(mén)針對(duì)拉鏈縫制工序進(jìn)行自動(dòng)化控制的系統(tǒng)，但是傳統(tǒng)自動(dòng)拉鏈縫制控制系統(tǒng)在實(shí)際應(yīng)用過(guò)程中存在一些潛在的故障，例如電機(jī)過(guò)載、傳感器精度漂移、控制系統(tǒng)內(nèi)部邏輯錯(cuò)誤等，導(dǎo)致在實(shí)際生產(chǎn)過(guò)程中增加企業(yè)維修成本和停機(jī)時(shí)間，影響加工效率。

4、為此，提出一種自動(dòng)拉鏈縫制控制系統(tǒng)及其裝置。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種自動(dòng)拉鏈縫制控制系統(tǒng)及其裝置，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種自動(dòng)拉鏈縫制控制系統(tǒng)，包括傳感器陣列單元、實(shí)時(shí)數(shù)據(jù)采集與處理模塊、故障檢測(cè)與診斷模塊、自適應(yīng)控制算法、故障預(yù)測(cè)與報(bào)警單元、控制單元；

3、其中傳感器陣列單元包括應(yīng)用于電機(jī)過(guò)載檢測(cè)的電流傳感器、用于監(jiān)控電機(jī)和控制系統(tǒng)溫度的溫度傳感器、用于檢測(cè)拉鏈布料拉力的張力傳感器以及監(jiān)測(cè)拉鏈運(yùn)動(dòng)的位移傳感器；

4、其中實(shí)時(shí)數(shù)據(jù)采集與處理模塊，采用實(shí)時(shí)操作系統(tǒng)，采集并分析各類(lèi)傳感器數(shù)據(jù)，包括電機(jī)電流、傳感器精度、拉鏈運(yùn)動(dòng)狀態(tài)，實(shí)時(shí)反饋至控制單元；

5、其中故障檢測(cè)與診斷模塊，對(duì)系統(tǒng)進(jìn)行智能故障分析，預(yù)測(cè)潛在故障并及時(shí)報(bào)警，該模塊具有自適應(yīng)能力，根據(jù)不同生產(chǎn)條件和設(shè)備狀態(tài)自動(dòng)調(diào)整診斷模型；

6、其中自適應(yīng)控制算法，基于pid控制和模糊控制相結(jié)合的自適應(yīng)控制算法，保障縫制過(guò)程中的拉鏈與布料之間的張力保持穩(wěn)定，并能夠自動(dòng)補(bǔ)償電機(jī)輕微過(guò)載異常情況；

7、其中故障預(yù)測(cè)與報(bào)警單元，利用歷史數(shù)據(jù)和傳感器信息，通過(guò)預(yù)測(cè)模型預(yù)測(cè)故障，在系統(tǒng)運(yùn)行時(shí)，實(shí)時(shí)監(jiān)測(cè)每個(gè)傳感器的反饋，若檢測(cè)到電機(jī)電流、電壓、溫度參數(shù)異常，則觸發(fā)報(bào)警。

8、優(yōu)選的，所述故障預(yù)測(cè)模型具體處理步驟如下：

9、步驟一、數(shù)據(jù)收集，從自動(dòng)拉鏈縫制控制系統(tǒng)中收集多種傳感器數(shù)據(jù)，包括電流、電壓、溫度、張力以及電機(jī)轉(zhuǎn)速，并將采集到的數(shù)據(jù)進(jìn)行預(yù)處理；

10、數(shù)據(jù)預(yù)處理，通過(guò)低通濾波、移動(dòng)平均濾波方法去除噪聲，對(duì)于時(shí)序數(shù)據(jù)，采用的濾波方法有滑動(dòng)平均、中值濾波；

11、其中滑動(dòng)平均公式：其中，k為滑動(dòng)窗口的大小，為時(shí)刻i的原始傳感器值，為滑動(dòng)平均后的值；

12、其中標(biāo)準(zhǔn)化：為了提高模型訓(xùn)練的效率，通常對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化或歸一化處理，使數(shù)據(jù)均值為0，方差為1：其中，x為原始數(shù)據(jù)，為均值，為標(biāo)準(zhǔn)差；

13、步驟二、構(gòu)建時(shí)序預(yù)測(cè)模型：

14、模型設(shè)計(jì)，采用lstm模型，通過(guò)引入遺忘門(mén)、輸入門(mén)和輸出門(mén)來(lái)學(xué)習(xí)時(shí)間序列數(shù)據(jù)中的長(zhǎng)期依賴(lài)關(guān)系，然后進(jìn)行模型訓(xùn)練，其中損失函數(shù)采用均方誤差：

15、

16、其中，為真實(shí)值，為預(yù)測(cè)值，n為樣本數(shù)量；

17、步驟三、自編碼器異常檢測(cè)：

18、自編碼器中編碼器將輸入數(shù)據(jù)，即傳感器數(shù)據(jù)映射到低維空間：

19、，

20、其中，和為編碼器的權(quán)重矩陣和偏置項(xiàng)，為激活函數(shù)，即sigmoid、relu；

21、采用解碼器將低維特征z重構(gòu)為原始輸入數(shù)據(jù):，然后計(jì)算原始輸入數(shù)據(jù)與重構(gòu)數(shù)據(jù)之間的誤差：，

22、其中，n為樣本數(shù)量，和分別表示第個(gè)輸入樣本及其重構(gòu)輸出；

23、當(dāng)重構(gòu)誤差超過(guò)預(yù)設(shè)閾值時(shí)，標(biāo)記該時(shí)刻為異常，閾值通過(guò)歷史數(shù)據(jù)的誤差分布來(lái)設(shè)定。

24、步驟四、基于聚類(lèi)和預(yù)測(cè)的混合模型：使用聚類(lèi)算法對(duì)歷史數(shù)據(jù)進(jìn)行聚類(lèi)，識(shí)別出設(shè)備的不同工作狀態(tài)。

25、k-means算法：其中，為樣本i屬于簇k的概率，為數(shù)據(jù)點(diǎn)，為簇k的中心，k為簇的數(shù)量，結(jié)合聚類(lèi)分析結(jié)果與lstm預(yù)測(cè)，若某個(gè)工作狀態(tài)發(fā)生較大偏離且lstm模型的預(yù)測(cè)誤差超出閾值，則判定為故障；

26、步驟五、集成學(xué)習(xí)與強(qiáng)化學(xué)習(xí)優(yōu)化：將多個(gè)故障預(yù)測(cè)模型，即lstm自編碼器進(jìn)行集成，使用加權(quán)平均或投票機(jī)制來(lái)確定最終的預(yù)測(cè)結(jié)果：

27、加權(quán)平均：

28、其中，為每個(gè)模型的權(quán)重，為第i個(gè)模型的預(yù)測(cè)結(jié)果，m為模型的數(shù)量，使用強(qiáng)化學(xué)習(xí)優(yōu)化系統(tǒng)的控制策略，在實(shí)際生產(chǎn)過(guò)程中，系統(tǒng)會(huì)根據(jù)故障預(yù)測(cè)的結(jié)果選擇不同的控制動(dòng)作，并通過(guò)獎(jiǎng)勵(lì)機(jī)制逐步優(yōu)化控制策略，具體包括對(duì)于正確的故障預(yù)測(cè)和及時(shí)響應(yīng)，給予系統(tǒng)正獎(jiǎng)勵(lì)；對(duì)于未能預(yù)測(cè)到故障，給予負(fù)獎(jiǎng)勵(lì)。

29、優(yōu)選的，所述步驟五、集成學(xué)習(xí)與強(qiáng)化學(xué)習(xí)優(yōu)化，具體還包括模型加權(quán)策略?xún)?yōu)化、集成學(xué)習(xí)的進(jìn)一步優(yōu)化兩部分，其中模型加權(quán)策略?xún)?yōu)化分為模型加權(quán)策略?xún)?yōu)化和自適應(yīng)投票機(jī)制；

30、所述模型加權(quán)策略?xún)?yōu)化基于各個(gè)子模型在不同環(huán)境中的預(yù)測(cè)性能，動(dòng)態(tài)調(diào)整每個(gè)模型的權(quán)重，使用模型的精度評(píng)估指標(biāo)，即auc、f1-score、均方誤差來(lái)調(diào)整權(quán)重：

31、其中，為第i個(gè)模型在某一時(shí)間段或工況下的預(yù)測(cè)精度，m為集成模型的總數(shù)，在不同的時(shí)間窗口內(nèi)，根據(jù)當(dāng)前故障預(yù)測(cè)的效果動(dòng)態(tài)調(diào)整權(quán)重，當(dāng)模型在短時(shí)間內(nèi)成功預(yù)測(cè)了多次故障，系統(tǒng)將給予優(yōu)先的權(quán)重；

32、自適應(yīng)投票機(jī)制，通過(guò)引入加權(quán)投票機(jī)制，根據(jù)模型的權(quán)重來(lái)做出預(yù)測(cè)：

33、其中，是模型的權(quán)重，是第i個(gè)模型的預(yù)測(cè)結(jié)果。權(quán)重較大的模型將在投票中占據(jù)更大的份額。

34、優(yōu)選的，所述集成學(xué)習(xí)的進(jìn)一步優(yōu)化具體分為強(qiáng)化學(xué)習(xí)中的狀態(tài)空間和動(dòng)作空間擴(kuò)展、獎(jiǎng)勵(lì)函數(shù)的優(yōu)化；

35、所述強(qiáng)化學(xué)習(xí)中的狀態(tài)空間和動(dòng)作空間擴(kuò)展中采用傳感器的歷史數(shù)據(jù)、故障模式的演變，擴(kuò)展?fàn)顟B(tài)空間；

36、所述獎(jiǎng)勵(lì)函數(shù)的優(yōu)化，對(duì)于時(shí)間序列數(shù)據(jù)，獎(jiǎng)勵(lì)根據(jù)系統(tǒng)狀態(tài)持續(xù)時(shí)間來(lái)設(shè)計(jì)，通過(guò)增加對(duì)未及時(shí)預(yù)測(cè)故障的懲罰，強(qiáng)化模型的學(xué)習(xí)能力，避免遺漏潛在的故障模式。

37、一種自動(dòng)拉鏈縫制裝置，包括激光開(kāi)袋平臺(tái)、激光切割機(jī)構(gòu)、面料抓取上料機(jī)構(gòu)、面料放置平臺(tái)以及面料縫紉機(jī)；

38、其中激光開(kāi)袋平臺(tái)的上端面從左往右依次分布有面料放置平臺(tái)、面料抓取上料機(jī)構(gòu)、激光切割機(jī)構(gòu)以及面料縫紉機(jī)；

39、面料放置于面料放置平臺(tái)通過(guò)面料抓取上料機(jī)構(gòu)將面料抓取至激光切割機(jī)構(gòu)，通過(guò)激光切割機(jī)構(gòu)對(duì)下方面料激光裁剪，隨后將裁剪后的面料通過(guò)面料縫紉機(jī)進(jìn)行縫紉操作。

40、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

41、設(shè)計(jì)一種新型的自動(dòng)拉鏈縫制控制系統(tǒng)，能夠高效、精確地進(jìn)行故障檢測(cè)，尤其是能夠及時(shí)發(fā)現(xiàn)一些潛在故障，如電機(jī)過(guò)載、傳感器精度漂移、控制系統(tǒng)內(nèi)部邏輯錯(cuò)誤等，從而減少故障擴(kuò)展、維修成本和停機(jī)時(shí)間。該系統(tǒng)結(jié)合了先進(jìn)的故障檢測(cè)技術(shù)、智能控制算法以及多層次的監(jiān)測(cè)與反饋機(jī)制。