CN111552243B - 一种智能纺纱打包生产线故障检测*** - Google Patents
一种智能纺纱打包生产线故障检测*** Download PDFInfo
- Publication number
- CN111552243B CN111552243B CN202010320366.2A CN202010320366A CN111552243B CN 111552243 B CN111552243 B CN 111552243B CN 202010320366 A CN202010320366 A CN 202010320366A CN 111552243 B CN111552243 B CN 111552243B
- Authority
- CN
- China
- Prior art keywords
- module
- fault
- layer
- packaging
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004806 packaging method and process Methods 0.000 title claims abstract description 111
- 238000001514 detection method Methods 0.000 title claims abstract description 90
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 50
- 238000009987 spinning Methods 0.000 title claims abstract description 31
- 230000005540 biological transmission Effects 0.000 claims abstract description 73
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000003860 storage Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 17
- 238000012856 packing Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 16
- 238000010191 image analysis Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 14
- 238000005303 weighing Methods 0.000 claims description 12
- 230000007306 turnover Effects 0.000 claims description 11
- 239000003086 colorant Substances 0.000 claims description 6
- 238000005507 spraying Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 239000003638 chemical reducing agent Substances 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 4
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 3
- 235000017491 Bambusa tulda Nutrition 0.000 description 3
- 241001330002 Bambuseae Species 0.000 description 3
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000011425 bamboo Substances 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012858 packaging process Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000009450 smart packaging Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
- G05B19/4186—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication by protocol, e.g. MAP, TOP
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Filamentary Materials, Packages, And Safety Devices Therefor (AREA)
Abstract
本发明公开了一种智能纺纱打包生产线故障检测***,包括数据采集模块、控制模块、故障检测模块、存储模块、状态显示模块和信息传输模块,所述控制模块通过所述信息传输模块与所述数据采集模块、故障检测模块、存储模块和状态显示模块分别连接;所述数据采集模块用于实时采集各纱筒的传送状态及其进行单纱包装前后的图像,并由所述故障检测模块进行分析,检测故障原因。通过上述方式,本发明能够对打包生产线上各环节的传送状态进行实时监测,及时发现故障并自动分析,便于及时采取措施,降低故障的影响;本发明还能够对单纱包装前后的纱筒进行图像采集与分析,进一步检测翻转和单纱包装环节的故障,提高其故障检出率,保证产品包装质量。
Description
技术领域
本发明涉及纺纱故障检测技术领域,特别是涉及一种智能纺纱打包生产线故障检测***。
背景技术
近年来,随着纺织行业智能化、数字化进程的不断加快,越来越多的数字化智能纺纱设备被应用于纺纱生产,而纺纱打包过程作为纺纱生产环节的最后一道工序,也逐渐由传统的人工打包发展为自动化智能打包,大幅提高了打包效率。然而,打包生产线上的各自动化设备在长期运转过程中,不可避免地会发生故障,如果没有得到及时的检测和处理,则会影响打包质量及生产效率,进而影响企业的信誉及经济效益。因此,对智能纺纱打包生产线进行故障检测对纺纱企业具有重要意义。
目前,智能纺纱打包生产线主要包括单纱称重、选择性翻转、单纱包装、整袋包装、整袋称重及喷码等环节,各环节相互配合、有序进行,才能保障打包过程顺利进行,若其中任一环节发生故障,都会影响打包生产线的整体运转。当前对纺纱打包生产线的故障检测主要通过监测各主要设备的运行参数和纱筒的重量来进行,该方法主要用于检测由主要设备非正常运行引起的故障,并对重量不符合要求的纱筒进行筛选,但对于由其他零部件损坏、运行环境变化或操作管理不当等因素引起的故障则难以检测,整体故障检出率较低。
同时,智能纺纱打包生产线中选择性翻转和单纱包装环节由于操作过程相对繁琐、涉及机械部件较多且较易受影响等原因,通常具有较高的故障率和较低的故障检出率,因此需要由人工进行进一步故障检测。但人工进行故障检测则存在成本高、效率低的问题,且单调的检测工作也容易使工人疲劳,产生误判,使得检测结果不够准确。因此,当前仍有必要研发一种更为全面、准确的智能纺纱打包生产线故障检测***,以及时检出故障,降低故障对打包生产线及产品包装效果的影响。
发明内容
本发明的目的在于针对上述问题,提供一种智能纺纱打包生产线故障检测***,通过对打包生产线上各环节的传送状态进行实时监测,及时发现故障并自动进行分析,便于及时采取措施,降低故障对打包生产线的影响;并通过对单纱包装前后的纱筒产品进行图像采集与分析,进一步检测翻转和单纱包装环节的故障,提高其故障检出率,保证产品包装质量。
为实现上述目的,本发明采用的技术方案是:
一种智能纺纱打包生产线故障检测***,包括数据采集模块、控制模块、故障检测模块、存储模块、状态显示模块和信息传输模块,所述控制模块通过所述信息传输模块与所述数据采集模块、故障检测模块、存储模块和状态显示模块分别连接;所述数据采集模块包括传送状态采集单元和图像采集单元,分别用于实时采集各纱筒的传送状态及其进行单纱包装前后的图像;所述故障检测模块用于对所述数据采集模块采集的信息进行分析,检测故障是否发生并分析故障原因;所述存储模块用于对历史数据以及***运行过程中各模块采集、传输的信息进行分类存储。
进一步地,所述传送状态采集单元包括若干个光电传感器,所述光电传感器设置于每条传送带的一侧,高度与纱筒中部一致,且不随传送带移动,用于采集打包生产线各环节的传送带上纱筒的传送状态信息,并传输至所述控制模块;所述图像采集单元包括若干个由工业相机和光源组成的图像采集装置,所述图像采集装置设置于打包生产线上单纱包装环节前部和后部的传送带两侧,且不随传送带移动,分别用于对单纱包装前和单纱包装后的纱筒进行图像采集,并传输至所述控制模块。
进一步地,所述故障检测模块包括传送状态分析单元、图像分析单元、故障识别单元、特征提取单元和故障分析单元;所述传送状态分析单元和所述图像分析单元的一端分别与所述控制模块连接,用于对输入控制模块的传送状态信息和图像信息进行分析;所述传送状态分析单元和所述图像分析单元的另一端与所述故障识别单元、特征提取单元和故障分析单元依次连接,用于检测并分析故障;所述故障识别单元和所述故障分析单元分别与所述控制模块连接,用于输出故障识别及分析结果。
进一步地,所述传送状态分析单元包括信号识别层、时间检测层和参数计算层;所述信号识别层用于识别并区分设置于不同环节的光电传感器发出的信号,并将其分别传输至所述时间检测层;所述时间检测层用于检测各光电传感器发出信号的持续时长及两次发出信号间的间隔时长,并将其分别传输至所述参数计算层;所述参数计算层用于对各环节内纱筒的传送速度及相邻纱筒间的间距进行计算,将其传输至所述故障识别单元,并对单纱包装环节内纱筒的传送频率进行计算,将其传输至所述控制模块。
进一步地,所述图像分析单元包括图像识别层、图像处理层、大小头检测层和包装检测层;所述图像识别层用于识别并区分设置于不同位置的图像采集单元发出的信号,并将其分别传输至所述图像处理层;所述图像处理层用于将模拟信号转换为数字信号,并对其进行滤波去噪及灰度化处理,得到单纱包装前后纱筒的灰度图像;所述大小头检测层用于对单纱包装前的灰度图像进行边缘提取,并比较上下边缘中像素点的个数;所述包装检测层用于将单纱包装前后的灰度图像进行差分,识别图像灰度的变化情况。
进一步地,所述故障识别单元包括参数匹配层、翻转识别层、包装匹配层和统计输出层;所述参数匹配层、翻转识别层和包装匹配层分别用于接收所述参数计算层、大小头检测层和包装检测层输出的结果,并将其与设定的标准状态进行对比,判断是否存在故障,并将结果输出至所述统计输出层;所述统计输出层用于接收并统计所述参数匹配层、翻转识别层和包装匹配层输入的判断结果,当结果均为不存在故障时,则将正常指令输出至控制模块,否则将统计结果输出至特征提取单元。
进一步地,所述特征提取单元用于接收所述统计输出层输出的故障结果,并提取其中的故障元素,组成特征向量,再将其传输至故障分析单元;所述故障分析单元用于接收所述特征提取单元输出的特征向量,并根据训练好的模型对其进行故障分析。
进一步地,所述控制模块包括主控制单元和图像采集频率控制单元,所述主控制单元于所述数据采集模块、故障检测模块、存储模块和状态显示模块分别连接,用于协调控制各模块的运行;所述图像采集频率控制单元与所述主控制单元和图像采集单元分别连接,用于接收主控制单元发出的指令,对所述图像采集单元的图像采集频率进行控制。
进一步地,所述状态显示模块包括显示单元和反馈单元,所述显示单元用于接收所述控制模块传输的信息,并在显示屏上进行显示,所述显示屏上设有多组信号灯,每组信号灯对应打包生产线中的一个环节;所述打包生产线中,翻转环节和单纱包装环节对应的每组信号灯包括红、黄、绿三色,分别用于表示传送故障、其他故障和正常状态,其他环节对应的每组信号灯包括红、绿两色,分别用于表示传送故障和正常状态;所述反馈单元用于接收对故障的反馈信息,并传输至控制模块。
进一步地,所述信息传输模块包括工业以太网和以太网交换机,所述数据采集模块、故障检测模块和状态显示模块分别利用以太网交换机与所述控制模块通过工业以太网连接。
与现有技术相比,本发明的有益效果是:
1、本发明提供的智能纺纱打包生产线故障检测***能够对打包生产线上各环节的传送状态进行实时监测,及时发现故障并自动进行分析,便于及时采取措施,降低故障对打包生产线的影响;同时,本发明还能够对单纱包装后的纱筒产品进行图像采集与分析,进一步检测翻转和单纱包装环节的故障,提高其故障检出率,保证产品包装质量。
2、本发明采用光电传感器对纱筒的传送速度及其间距进行实时监测,通过将实际监测数据与设定参数进行比对,能够及时发现并定位故障;并通过提取故障特征、建立故障模型,进一步对故障原因进行分析,便于相关工作人员及时采取相应措施,尽快解决故障,以保障打包生产线的顺利运行。
3、本发明还利用纱筒的传送速度及其间距确定对纱筒进行图像采集的频率,实现对单纱包装前后每个纱筒图像的准确采集;同时,本发明通过对单纱包装前的纱筒图像进行分析,判断纱筒的大小头状态;并通过对单纱包装后的纱筒图像进行分析,判断纱筒的包装情况;从而检测翻转和单纱包装环节是否发生故障,提高其故障检出率,便于及时处理,降低故障对产品质量的影响。
附图说明
图1是本发明一种智能纺纱打包生产线故障检测***的结构示意图;
图2是本发明一种智能纺纱打包生产线故障检测***使用时的主要流程图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
实施例
请参阅图1,本实施例提供了一种智能纺纱打包生产线故障检测***,包括数据采集模块、控制模块、故障检测模块、存储模块、状态显示模块和信息传输模块,所述控制模块通过所述信息传输模块与所述数据采集模块、故障检测模块、存储模块和状态显示模块分别连接;所述数据采集模块包括传送状态采集单元和图像采集单元,分别用于实时采集各纱筒的传送状态及其进行单纱包装前后的图像;所述故障检测模块用于对所述数据采集模块采集的信息进行分析,检测故障是否发生并分析故障原因;所述存储模块用于对历史数据以及***运行过程中各模块采集、传输的信息进行分类存储。
其中,所述传送状态采集单元包括六个光电传感器,分别设置于单纱称重、翻转、单纱包装、整袋包装、整袋称重及喷码环节的传送带一侧,高度与纱筒中部一致,且不随传送带移动,用于采集纱筒在各环节的传送状态信息,并传输至所述控制模块。
所述图像采集单元包括四个由工业相机和光源组成的图像采集装置,所述图像采集装置分别设置于打包生产线上单纱包装环节前部和后部的传送带两侧,且不随传送带移动,分别用于对单纱包装前和单纱包装后的纱筒进行图像采集,并传输至所述控制模块。
所述故障检测模块包括传送状态分析单元、图像分析单元、故障识别单元、特征提取单元和故障分析单元;所述传送状态分析单元和所述图像分析单元的一端分别与所述控制模块连接,用于对输入控制模块的传送状态信息和图像信息进行分析;所述传送状态分析单元和所述图像分析单元的另一端与所述故障识别单元、特征提取单元和故障分析单元依次连接,用于检测并分析故障;所述故障识别单元和所述故障分析单元分别与所述控制模块连接,用于输出故障识别及分析结果。
其中,所述传送状态分析单元包括信号识别层、时间检测层和参数计算层;所述信号识别层用于识别并区分设置于不同环节的光电传感器发出的信号,并将其分别传输至所述时间检测层;所述时间检测层用于检测各光电传感器发出信号的持续时长及两次发出信号间的间隔时长,并将其分别传输至所述参数计算层;所述参数计算层用于对各环节内纱筒的传送速度及相邻纱筒间的间距进行计算,将其传输至所述故障识别单元,并对单纱包装环节内纱筒的传送频率进行计算,将其传输至所述控制模块。
所述图像分析单元包括图像识别层、图像处理层、大小头检测层和包装检测层;所述图像识别层用于识别并区分设置于不同位置的图像采集单元发出的信号,并将其分别传输至所述图像处理层;所述图像处理层用于将模拟信号转换为数字信号,并对其进行滤波去噪及灰度化处理,得到单纱包装前后纱筒的灰度图像;所述大小头检测层用于对单纱包装前的灰度图像进行边缘提取,并比较上下边缘中像素点的个数;所述包装检测层用于将单纱包装前后的灰度图像进行差分,识别图像灰度的变化情况。
所述故障识别单元包括参数匹配层、翻转识别层、包装匹配层和统计输出层;所述参数匹配层、翻转识别层和包装匹配层分别用于接收所述参数计算层、大小头检测层和包装检测层输出的结果,并将其与设定的标准状态进行对比,判断是否存在故障,并将结果输出至所述统计输出层;所述统计输出层用于接收并统计所述参数匹配层、翻转识别层和包装匹配层输入的判断结果,当结果均为不存在故障时,则将正常指令输出至控制模块,否则将统计结果输出至特征提取单元。
所述特征提取单元用于接收所述统计输出层输出的故障结果,并提取其中的故障元素,组成特征向量,再将其传输至故障分析单元;所述故障分析单元用于接收所述特征提取单元输出的特征向量,并根据训练好的模型对其进行故障分析。
所述控制模块包括主控制单元和图像采集频率控制单元,所述主控制单元于所述数据采集模块、故障检测模块、存储模块和状态显示模块分别连接,用于协调控制各模块的运行;所述图像采集频率控制单元与所述主控制单元和图像采集单元分别连接,用于接收主控制单元发出的指令,对所述图像采集单元的图像采集频率进行控制。
所述状态显示模块包括显示单元和反馈单元,所述显示单元用于接收所述控制模块传输的信息,并在显示屏上进行显示,所述显示屏上设有多组信号灯,每组信号灯对应打包生产线中的一个环节;所述打包生产线中,翻转环节和单纱包装环节对应的每组信号灯包括红、黄、绿三色,分别用于表示传送故障、其他故障和正常状态,其他环节对应的每组信号灯包括红、绿两色,分别用于表示传送故障和正常状态;所述反馈单元用于接收对故障的反馈信息,并传输至控制模块。
所述信息传输模块包括工业以太网和以太网交换机,所述数据采集模块、故障检测模块和状态显示模块分别利用以太网交换机与所述控制模块通过工业以太网连接。
结合参阅图2,本实施例提供的智能纺纱打包生产线故障检测***在使用时,通过在打包生产线上单纱称重、翻转、单纱包装、整袋包装、整袋称重及喷码环节的传送带上分别设置光电传感器,当传送带上的纱筒经过光电传感器所在位置时,对应的光电传感器持续发出信号;当纱筒离开光电传感器所在位置且后一纱筒还未经过时,对应的光电传感器则停止发出信号;由此对各环节纱筒的传送状态信息进行采集,并通过工业以太网将其传输至控制模块,由主控制单元读取后,将其传输至存储模块进行分类存储,并控制传送状态分析单元对其进行传送状态分析,计算出各环节中纱筒的传送速度、相邻纱筒间的间距以及单纱包装环节内纱筒的传送频率,主要包括如下步骤:
S1.1、在信号识别层内,对设置于不同环节的光电传感器发出的信号进行识别区分,并将其分别传输至时间检测层进行时间检测;
S1.2、在时间检测层内,对各光电传感器发出信号的持续时长tai及其两次发出信号间的间隔时长tbi进行实时检测,并将其传输参数计算层进行计算;
其中,i的取值范围为1~6,分别用于表示设置于单纱称重、翻转、单纱包装、整袋包装、整袋称重、喷码环节的光电传感器发出的信号;
S1.3、在参数计算层内,将所述时间检测层输入的各时长与预存的纱筒中部外径d0相结合,对各环节内纱筒的传送速度Vi、相邻纱筒间的间距Si以及单纱包装环节内纱筒的传送频率f3进行计算,其计算公式分别如下所示:
Si=Vi·tbi
其中,所得纱筒的传送速度Vi和相邻纱筒间的间距Si传输至故障识别单元;所得单纱包装环节内纱筒的传送频率f3传输至控制模块,由主控制单元读取后向图像采集频率控制单元发出指令,通过所述图像采集频率控制单元对图像采集装置的图像采集频率进行控制,使其与单纱包装环节内纱筒的传送频率f3一致,从而对单纱包装后每个纱筒的图像进行准确采集。
所述图像采集装置设置于单纱包装环节前部和后部的传送带两侧,用于采集单纱包装前和单纱包装后纱筒的两侧图像,并通过工业以太网将其传输至控制模块,由主控制单元读取后,将其传输至存储模块进行分类存储,并控制图像分析单元对其进行图像分析,用于检测纱筒的大小头状态和包装情况,主要包括如下步骤:
S2.1、在图像识别层内,对设置于不同位置的图像采集单元发出的信号进行识别区分,并将其分别传输至图像处理层进行高斯滤波和灰度化处理;
其中,图像采集单元的位置分为单纱包装的前部左侧、前部右侧、后部左侧和后部右侧,所述前部左侧和前部右侧的图像采集单元用于采集包装前的纱筒图像,后部左侧和后部右侧的图像采集单元用于采集包装后的纱筒图像。
S2.2、通过大小头检测层对单纱包装前的纱筒灰度图像中各像素点(x,y)的梯度幅值|G|进行计算,其计算公式如下:
式中,Gx、Gy分别表示x、y方向的梯度密度;
再对梯度幅值进行非极大值抑制,提取图像边缘,并对图像上、下边缘的像素点个数进行统计,比较其数量大小,若上边缘的像素点个数大于下边缘的个数,则将大头朝上的指令输出至故障识别单元;反之,则将小头朝上的指令输出至故障识别单元。
S2.3、通过对单纱包装前后的纱筒灰度图像进行差分处理,得到差值图像,并传输至故障识别单元;所述差分处理可以表示为:
C(x,y)=|A(x,y)-B(x′,y′)|
式中:C(x,y)为差值图像,A(x,y)为单纱包装后的纱筒灰度图像,B(x',y')为单纱包装前的纱筒灰度图像。
由于单纱包装后纱筒表面覆有一层透明薄膜,其表面的反射率增加,使得相同拍摄条件下进入工业相机中的光能增加,所得的图像的灰度值更高;因此,按照步骤S2.3的方法对包装前后的纱筒灰度图像进行差分,再将差值图像与正常状况下的标准差值图像进行对比,即可判断纱筒的包装情况,所述判断纱筒的包装情况在故障识别单元中进行。
具体地,所述故障识别单元用于接收所述参数计算层、大小头检测层和包装检测层输出的结果,并判断是否存在故障,主要方法如下:
S3.1、由参数匹配层接收参数计算层输出的纱筒传输速度Vi和相邻纱筒间的间距Si,并将其与设定的参数范围进行匹配;当两个参数都匹配成功时,则输出“不存在故障”;当任一参数匹配不成功时,则输出“故障”,并将故障参数值一同输出;
S3.2、由翻转识别层接收大小头检测层输出的指令,并对相邻纱筒对应的指令进行比较;当相邻纱筒的指令均相反时,表明相邻纱筒朝向相反,符合包装要求,则输出“不存在故障”;当存在相邻纱筒的指令相同时,表明翻转环节存在异常,则输出“故障”;
S3.3、由包装匹配层接收包装检测层输出的差值图像,并将其与预存的标准差值图像进行匹配,判断其相似程度;当相似程度不低于设定阈值时,表明匹配成功,则输出“不存在故障”;当相似程度低于设定阈值时,表明单纱包装环境存在异常,则输出“故障”;
S3.4、由所述统计输出层对所述参数匹配层、翻转识别层和包装匹配层输出的结果进行接收与统计;当各输出结果均为“不存在故障”时,则将正常指令输出至控制模块;否则,将统计的“故障”结果输出至特征提取单元。
当所述统计输出层将正常指令输出至控制模块时,由主控制单元对其进行读取,并控制显示单元上各环节对应的绿色信号灯亮起,表明当前打包生产线上各环节均处于正常状态;当所述统计输出层将存在故障的结果输出至特征提取单元时,则由特征提取单元对故障特征进行提取,并通过故障分析单元进行故障原因分析,具体步骤如下:
S4.1、由特征提取单元对统计输出层输出的故障结果进行接收与识别,并提取其中的故障元素,组成特征向量T=(V1,V2,…,V6,S1,S2,…,S6,M,N),其中,V1~V6和S1~S6分别用于表示六个环节中纱筒的传送速度和间距,M、N分别用于表示翻转环节和单纱包装环节的故障情况,当对应环节不存在故障时,其取值为0,反之,取值为1;
S4.2、由故障分析单元对所述特征提取单元输出的特征向量进行接收,并通过训练好的神经网络模型对其进行故障分析;其中,所述神经网络模型基于存储模块中的历史数据进行训练,获得故障原因集合R(rxy)与特征向量T的对应关系及置信度;
S4.3、根据神经网络模型输出的故障原因集合R(rxy)识别对应的故障,并将故障分析结果输出至控制模块;其中,x的取值范围为1~8,分别对应单纱称重、翻转、单纱包装、整袋包装、整袋称重、喷码环节的传送故障以及翻转、单纱包装环节的其他故障。
当控制模块接收到故障分析单元输出的故障分析结果时,由主控制单元对其进行读取,若存在传送故障,则控制对应故障环节的红色指示灯亮起,并显示故障原因;若存在其他故障,则控制对应故障环节的黄色指示灯亮起,并显示故障原因,便于相关人员及时进行处理。
此外,当相关人员根据状态显示模块显示的情况进行处理后,可以通过所述状态显示模块的反馈单元进行反馈,反馈内容包括故障已处理、故障报错和故障漏检,所述反馈信息由主控制单元读取后将其传输至存储模块中,可用于统计分析,生成相应报表。
通过上述方式,本发明提供的一种智能纺纱打包生产线故障检测***能够对打包生产线上各环节的传送状态进行实时监测,及时发现故障并自动分析,便于及时采取措施,降低故障的影响;本发明还能够对单纱包装后的纱筒产品进行图像采集与分析,进一步检测翻转和单纱包装环节的故障,提高其故障检出率,保证产品包装质量。
以上所述仅用以说明本发明的技术方案,而非对其进行限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种智能纺纱打包生产线故障检测***,其特征在于:包括数据采集模块、控制模块、故障检测模块、存储模块、状态显示模块和信息传输模块,所述控制模块通过所述信息传输模块与所述数据采集模块、故障检测模块、存储模块和状态显示模块分别连接;所述数据采集模块包括传送状态采集单元和图像采集单元,分别用于实时采集各纱筒的传送状态及其进行单纱包装前后的图像;所述故障检测模块用于对所述数据采集模块采集的信息进行分析,检测故障是否发生并分析故障原因;所述存储模块用于对历史数据以及***运行过程中各模块采集、传输的信息进行分类存储;
所述传送状态采集单元包括六个光电传感器,分别设置于单纱称重、翻转、单纱包装、整袋包装、整袋称重及喷码环节的传送带一侧,高度与纱筒中部一致,且不随传送带移动,用于采集纱筒在各环节的传送状态信息,并传输至所述控制模块;所述图像采集单元包括若干个由工业相机和光源组成的图像采集装置,所述图像采集装置设置于打包生产线上单纱包装环节前部和后部的传送带两侧,且不随传送带移动,分别用于对单纱包装前和单纱包装后的纱筒进行图像采集,并传输至所述控制模块;所述故障检测模块包括传送状态分析单元、图像分析单元、故障识别单元、特征提取单元和故障分析单元;
所述传送状态分析单元用于计算出各环节中纱筒的传送速度、相邻纱筒间的间距以及单纱包装环节内纱筒的传送频率。
2.根据权利要求1所述的一种智能纺纱打包生产线故障检测***,其特征在于:所述传送状态分析单元和所述图像分析单元的一端分别与所述控制模块连接,用于对输入控制模块的传送状态信息和图像信息进行分析;所述传送状态分析单元和所述图像分析单元的另一端与所述故障识别单元、特征提取单元和故障分析单元依次连接,用于检测并分析故障;所述故障识别单元和所述故障分析单元分别与所述控制模块连接,用于输出故障识别及分析结果。
3.根据权利要求2所述的一种智能纺纱打包生产线故障检测***,其特征在于:所述传送状态分析单元包括信号识别层、时间检测层和参数计算层;所述信号识别层用于识别并区分设置于不同环节的光电传感器发出的信号,并将其分别传输至所述时间检测层;所述时间检测层用于检测各光电传感器发出信号的持续时长及两次发出信号间的间隔时长,并将其分别传输至所述参数计算层;所述参数计算层用于对各环节内纱筒的传送速度及相邻纱筒间的间距进行计算,将其传输至所述故障识别单元,并对单纱包装环节内纱筒的传送频率进行计算,将其传输至所述控制模块。
4.根据权利要求3所述的一种智能纺纱打包生产线故障检测***,其特征在于:所述图像分析单元包括图像识别层、图像处理层、大小头检测层和包装检测层;所述图像识别层用于识别并区分设置于不同位置的图像采集单元发出的信号,并将其分别传输至所述图像处理层;所述图像处理层用于将模拟信号转换为数字信号,并对其进行滤波去噪及灰度化处理,得到单纱包装前后纱筒的灰度图像;所述大小头检测层用于对单纱包装前的灰度图像进行边缘提取,并比较上下边缘中像素点的个数;所述包装检测层用于将单纱包装前后的灰度图像进行差分,识别图像灰度的变化情况。
5.根据权利要求4所述的一种智能纺纱打包生产线故障检测***,其特征在于:所述故障识别单元包括参数匹配层、翻转识别层、包装匹配层和统计输出层;所述参数匹配层、翻转识别层和包装匹配层分别用于接收所述参数计算层、大小头检测层和包装检测层输出的结果,并将其与设定的标准状态进行对比,判断是否存在故障,并将结果输出至所述统计输出层;所述统计输出层用于接收并统计所述参数匹配层、翻转识别层和包装匹配层输入的判断结果,当结果均为不存在故障时,则将正常指令输出至控制模块,否则将统计结果输出至特征提取单元。
6.根据权利要求5所述的一种智能纺纱打包生产线故障检测***,其特征在于:所述特征提取单元用于接收所述统计输出层输出的故障结果,并提取其中的故障元素,组成特征向量,再将其传输至故障分析单元;所述故障分析单元用于接收所述特征提取单元输出的特征向量,并根据训练好的模型对其进行故障分析。
7.根据权利要求3所述的一种智能纺纱打包生产线故障检测***,其特征在于:所述控制模块包括主控制单元和图像采集频率控制单元,所述主控制单元于所述数据采集模块、故障检测模块、存储模块和状态显示模块分别连接,用于协调控制各模块的运行;所述图像采集频率控制单元与所述主控制单元和图像采集单元分别连接,用于接收主控制单元发出的指令,对所述图像采集单元的图像采集频率进行控制。
8.根据权利要求1所述的一种智能纺纱打包生产线故障检测***,其特征在于:所述状态显示模块包括显示单元和反馈单元,所述显示单元用于接收所述控制模块传输的信息,并在显示屏上进行显示,所述显示屏上设有多组信号灯,每组信号灯对应打包生产线中的一个环节;所述打包生产线中,翻转环节和单纱包装环节对应的每组信号灯包括红、黄、绿三色,分别用于表示传送故障、其他故障和正常状态,其他环节对应的每组信号灯包括红、绿两色,分别用于表示传送故障和正常状态;所述反馈单元用于接收对故障的反馈信息,并传输至控制模块。
9.根据权利要求1所述的一种智能纺纱打包生产线故障检测***,其特征在于:所述信息传输模块包括工业以太网和以太网交换机,所述数据采集模块、故障检测模块和状态显示模块分别利用以太网交换机与所述控制模块通过工业以太网连接。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010064042 | 2020-01-20 | ||
CN2020100640427 | 2020-01-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111552243A CN111552243A (zh) | 2020-08-18 |
CN111552243B true CN111552243B (zh) | 2022-06-17 |
Family
ID=71998336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010320366.2A Active CN111552243B (zh) | 2020-01-20 | 2020-04-22 | 一种智能纺纱打包生产线故障检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111552243B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112977985B (zh) * | 2021-02-19 | 2022-05-06 | 北京中都星徽物流有限公司 | 一种智能运输包装线 |
CN113610788B (zh) * | 2021-07-27 | 2023-03-07 | 上海众壹云计算科技有限公司 | 图像采集装置的故障监测方法、装置、电子设备及存储介质 |
CN113620119B (zh) * | 2021-08-31 | 2023-03-24 | 上海兰宝传感科技股份有限公司 | 一种纱管数量检测***及其方法 |
CN113568391B (zh) * | 2021-09-26 | 2021-12-17 | 深圳市迪壹六电子有限公司 | 一种可选择性同步式远程控制方法、***及计算机可读存储介质 |
CN115947181B (zh) * | 2022-12-09 | 2024-01-23 | 苏州世祥生物纤维有限公司 | 打包机混纱处理方法、处理装置及处理*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1961687A2 (en) * | 2007-02-20 | 2008-08-27 | SAVIO MACCHINE TESSILI S.p.A. | Device for distinguishing spools on the basis of their yarn content |
CN102519980A (zh) * | 2011-12-15 | 2012-06-27 | 广东工业大学 | 一种工业***药卷包装外观质量检测***及检测方法 |
CN104475344A (zh) * | 2014-11-04 | 2015-04-01 | 上海维宏电子科技股份有限公司 | 基于机器视觉实现纺织纱管分拣的方法 |
CN104709770A (zh) * | 2013-12-16 | 2015-06-17 | 索若德国两合股份有限公司 | 操作络筒机的方法以及络筒机 |
CN105256420A (zh) * | 2015-11-30 | 2016-01-20 | 天津仁众人机械自动化技术有限公司 | 粗纱机在线监控装置 |
CN105562362A (zh) * | 2015-12-30 | 2016-05-11 | 上海日耀机械有限公司 | 纱管分拣设备及其控制方法 |
CN207507851U (zh) * | 2017-09-18 | 2018-06-19 | 魏桥纺织股份有限公司 | 一种质量视觉检测*** |
CN110371788A (zh) * | 2019-06-27 | 2019-10-25 | 武汉裕大华纺织服装集团有限公司 | 一种智能纺纱生产线输送装置 |
CN110407031A (zh) * | 2019-07-30 | 2019-11-05 | 清华大学 | 基于图像识别的自动络筒机自动上纱***与方法 |
CN110597212A (zh) * | 2019-09-27 | 2019-12-20 | 红云红河烟草(集团)有限责任公司 | 一种基于设备震动成像诊断的卷包设备故障预警的方法 |
-
2020
- 2020-04-22 CN CN202010320366.2A patent/CN111552243B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1961687A2 (en) * | 2007-02-20 | 2008-08-27 | SAVIO MACCHINE TESSILI S.p.A. | Device for distinguishing spools on the basis of their yarn content |
CN102519980A (zh) * | 2011-12-15 | 2012-06-27 | 广东工业大学 | 一种工业***药卷包装外观质量检测***及检测方法 |
CN104709770A (zh) * | 2013-12-16 | 2015-06-17 | 索若德国两合股份有限公司 | 操作络筒机的方法以及络筒机 |
CN104475344A (zh) * | 2014-11-04 | 2015-04-01 | 上海维宏电子科技股份有限公司 | 基于机器视觉实现纺织纱管分拣的方法 |
CN105256420A (zh) * | 2015-11-30 | 2016-01-20 | 天津仁众人机械自动化技术有限公司 | 粗纱机在线监控装置 |
CN105562362A (zh) * | 2015-12-30 | 2016-05-11 | 上海日耀机械有限公司 | 纱管分拣设备及其控制方法 |
CN207507851U (zh) * | 2017-09-18 | 2018-06-19 | 魏桥纺织股份有限公司 | 一种质量视觉检测*** |
CN110371788A (zh) * | 2019-06-27 | 2019-10-25 | 武汉裕大华纺织服装集团有限公司 | 一种智能纺纱生产线输送装置 |
CN110407031A (zh) * | 2019-07-30 | 2019-11-05 | 清华大学 | 基于图像识别的自动络筒机自动上纱***与方法 |
CN110597212A (zh) * | 2019-09-27 | 2019-12-20 | 红云红河烟草(集团)有限责任公司 | 一种基于设备震动成像诊断的卷包设备故障预警的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111552243A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111552243B (zh) | 一种智能纺纱打包生产线故障检测*** | |
CN110366031A (zh) | 一种数字化车间mes***基于视觉的异常状态监测与故障诊断方法 | |
CN109772724B (zh) | 一种铸件重点表面及内部缺陷的柔性检测分析*** | |
CN105444891A (zh) | 一种基于机器视觉的纱线印染色差检测*** | |
CN104897366B (zh) | 一种色环光纤在线检测方法及装置、*** | |
CN103234980A (zh) | 一种基于机器视觉的在线织物瑕疵检测与报警*** | |
CN110238078A (zh) | 分拣方法、装置、***及存储介质 | |
CN110018172A (zh) | 产品检测***及方法 | |
CN111591715A (zh) | 一种皮带纵向撕裂检测方法及装置 | |
CN105562362A (zh) | 纱管分拣设备及其控制方法 | |
CN113682762A (zh) | 基于机器视觉和深度学习的皮带撕裂检测的方法与*** | |
CN110802042A (zh) | 基于机器视觉的锂电池智能检测与控制*** | |
US20220284699A1 (en) | System and method of object detection using ai deep learning models | |
CN111683227A (zh) | 一种基于视频异常监测的皮带操作智能辅助方法和*** | |
CN202351182U (zh) | 一种马口铁表面缺陷在线高速检测*** | |
CN113592852A (zh) | 一种碳纤维碳丝质量在线检测***和方法 | |
CN110813795B (zh) | 一种化纤丝锭纸筒破损在线检测装置及方法 | |
CN101482927A (zh) | 基于自动视觉检测的异性纤维模糊分类***及其方法 | |
CN111646315A (zh) | 一种基于计算机视觉的纺纱管颜色识别方法及装置 | |
CN111733498A (zh) | 一种智能纺纱细纱故障检测*** | |
CN116147697B (zh) | 一种氢氧化铝无人值守监测方法及*** | |
CN107121063A (zh) | 检测工件的方法 | |
CN212316325U (zh) | 一种智能纺纱粗纱故障检测*** | |
CN104346807A (zh) | 基于机器视觉的在线织物瑕疵检测与报警***的检测方法 | |
CN111842216A (zh) | 一种基于机器视觉的农产品质量检测自动化分拣管理*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |