一种数字化纺织机远程监测方法及系统与流程

本发明涉及纺织机运行监测，具体涉及一种数字化纺织机远程监测方法及系统。背景技术：1、纺织机中的经线是纺织品中负责承受拉力的部分，它提供了纺织品的强度和稳定性，同时经线的张力也能够反映出纺织机各个部件之间的协调性，故可通过纺织机中经线的张力远程监测纺织机的运行状态；但由于纺织机中的综框会拉扯着经线，使经线的张力发生变化，即经线的张力数据变化存在一定的周期性，因此传统的通过固定阈值的方式不能准确的判断张力数据是否异常，即无法准确的监测纺织机的运行状态。技术实现思路1、本发明提供一种数字化纺织机远程监测方法及系统，以解决现有的问题：传统的根据经线受到的张力大小难以准确的对纺织机的运行状态进行监测。2、本发明的一种数字化纺织机远程监测方法及系统采用如下技术方案：3、本发明一个实施例提供了一种数字化纺织机远程监测方法，该方法包括以下步骤：4、获取纺织机中所有经线在每个时刻下的张力数据；5、从所有经线在每个时刻下的张力数据中，筛选出每个时刻下的核心张力数据以及基准张力数据；根据每个时刻下的核心张力数据的数据分布，获取每个时刻下的基准张力数据的正常程度；根据所有时刻下的基准张力数据，结合基准张力数据的正常程度，获取所有时刻下的预测数据；6、根据所有经线在每个时刻下的张力数据，与预测数据在数据幅值上的差异，获取所有经线在每个时刻下的张力数据的幅值异常程度；根据所有经线在每个时刻下的张力数据，与预测数据在数据变化上的差异，获取所有经线在每个时刻下的张力数据的趋势异常程度；7、根据所有经线在每个时刻下的张力数据的幅值异常程度，结合趋势异常程度，获取所有经线在每个时刻下的张力数据的异常程度；根据所有经线在每个时刻下的张力数据的异常程度，监测纺织机的运行状态。8、优选的，所述从所有经线在每个时刻下的张力数据中，筛选出每个时刻下的核心张力数据以及基准张力数据，包括的具体方法为：9、对于任意一个时刻，获取所有经线在所述时刻下的张力数据均值与标准差；预设一个筛选数量，将所述时刻下所有经线的张力数据中，与张力数据均值之间的差异小于或等于筛选数量个标准差的张力数据，记为所述时刻下的核心张力数据；将所述时刻下的所有核心张力数据均值，记为所述时刻下的基准张力数据。10、优选的，所述根据每个时刻下的核心张力数据的数据分布，获取每个时刻下的基准张力数据的正常程度，包括的具体方法为：11、对于任意一个时刻，将所述时刻下的所有核心张力数据方差的倒数，作为所述时刻下的基准张力数据的正常程度。12、优选的，所述根据所有时刻下的基准张力数据，结合基准张力数据的正常程度，获取所有时刻下的预测数据，包括的具体方法为：13、根据每个时刻下的基准张力数据的正常程度，对所有时刻下的基准张力数据进行加权拟合，得到正常数据拟合曲线；14、预设一个局部范围；对于任意一个时刻，将所述时刻的之前的所述局部范围内的时刻，作为所述时刻的局部范围；对于正常数据拟合曲线中任意一个时刻下的数据点，根据所述数据点的局部范围内的曲线段，预测所述时刻下的张力数据，得到所述时刻下的预测数据。15、优选的，所述根据所有经线在每个时刻下的张力数据，与预测数据在数据幅值上的差异，获取所有经线在每个时刻下的张力数据的幅值异常程度，包括的具体方法为：16、预设一个监测数据数量，对于任意一个经线在任意一个时刻下的张力数据，将所述张力数据的前张力数据，作为所述张力数据的监测数据；17、对张力数据的每个监测数据进行反比例归一化，将每个归一化结果作为张力数据的每个监测数据的计算权重；18、根据张力数据的每个监测数据的计算权重，对张力数据的每个监测数据与对应时刻下预测数据之间的差异进行加权，得到张力数据的每个监测数据的幅值异常程度；对张力数据的所有监测数据的幅值异常程度进行融合，得到张力数据的幅值异常程度。19、优选的，所述根据所有经线在每个时刻下的张力数据，与预测数据在数据变化上的差异，获取所有经线在每个时刻下的张力数据的趋势异常程度，包括的具体方法为：20、对于任意一个经线在任意一个时刻下的张力数据，将所述张力数据与所述张力数据的前一个时刻下的张力数据之间的差，作为所述张力数据的变化程度；21、对于任意一个时刻下的预测数据，将所述预测数据与所述预测数据的前一个时刻下的预测数据之间的差，作为所述预测数据的变化程度；22、对于任意一个经线在任意一个时刻下的张力数据，将所述张力数据的每个监测数据与对应时刻下预测数据，在变化程度上的差异，作为每个监测数据的趋势异常程度；23、对张力数据的所有监测数据的趋势异常程度进行融合，得到张力数据的趋势异常程度。24、优选的，所述根据所有经线在每个时刻下的张力数据的幅值异常程度，结合趋势异常程度，获取所有经线在每个时刻下的张力数据的异常程度，包括的具体方法为：25、对于任意一个经线在任意一个时刻下的张力数据，将所述张力数据的幅值异常程度与趋势异常程度的积，作为所述张力数据的异常程度。26、优选的，所述根据所有经线在每个时刻下的张力数据的异常程度，监测纺织机的运行状态，包括的具体方法为：27、预设一个异常程度阈值，对于任意一个经线在任意一个时刻下的张力数据，当所述张力数据的异常程度大于异常程度阈值时，则通过后台显示器进行预警。28、优选的，将所述张力数据的异常程度进行归一化处理后，所述异常程度阈值设置为0.3。29、本发明另一个实施例提供了一种数字化纺织机远程监测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项一种数字化纺织机远程监测方法的步骤。30、本发明的技术方案的有益效果是：本发明通过从所有经线在每个时刻下的张力数据中，筛选出每个时刻下的核心张力数据以及基准张力数据，避免当异常数据出现时，异常数据对后续计算异常程度时产生的影响，进一步通过每个时刻下核心张力数据的离散程度，以量化每个时刻下数据的正常程度，作为拟合正常曲线时的权重，使正常数据拟合曲线更加准确，再通过正常数据拟合曲线，获得预测数据，令预测数据更符合纺织机正常运行时的经线张力数据；31、通过所有经线在每个时刻下的张力数据与预测数据，在数据幅值与趋势上的差异，获取所有经线在每个时刻下的张力数据的异常程度，由于预测数据的数据为符合纺织机正常运行时的经线张力数据，因此通过对计算所有经线在每个时刻下的张力数据与预测数据在幅值与趋势之间的差异，能够准确的获取所有经线在每个时刻下的张力数据的异常程度，以此提高监测纺织机的运行状态的准确性。技术特征：1.一种数字化纺织机远程监测方法，其特征在于，该方法包括以下步骤：2.根据权利要求1所述一种数字化纺织机远程监测方法，其特征在于，所述从所有经线在每个时刻下的张力数据中，筛选出每个时刻下的核心张力数据以及基准张力数据，包括的具体方法为：3.根据权利要求1所述一种数字化纺织机远程监测方法，其特征在于，所述根据每个时刻下的核心张力数据的数据分布，获取每个时刻下的基准张力数据的正常程度，包括的具体方法为：4.根据权利要求1所述一种数字化纺织机远程监测方法，其特征在于，所述根据所有时刻下的基准张力数据，结合基准张力数据的正常程度，获取所有时刻下的预测数据，包括的具体方法为：5.根据权利要求1所述一种数字化纺织机远程监测方法，其特征在于，所述根据所有经线在每个时刻下的张力数据，与预测数据在数据幅值上的差异，获取所有经线在每个时刻下的张力数据的幅值异常程度，包括的具体方法为：6.根据权利要求5所述一种数字化纺织机远程监测方法，其特征在于，所述根据所有经线在每个时刻下的张力数据，与预测数据在数据变化上的差异，获取所有经线在每个时刻下的张力数据的趋势异常程度，包括的具体方法为：7.根据权利要求1所述一种数字化纺织机远程监测方法，其特征在于，所述根据所有经线在每个时刻下的张力数据的幅值异常程度，结合趋势异常程度，获取所有经线在每个时刻下的张力数据的异常程度，包括的具体方法为：8.根据权利要求1所述一种数字化纺织机远程监测方法，其特征在于，所述根据所有经线在每个时刻下的张力数据的异常程度，监测纺织机的运行状态，包括的具体方法为：9.根据权利要求8所述一种数字化纺织机远程监测方法，其特征在于，将所述张力数据的异常程度进行归一化处理后，所述异常程度阈值设置为0.3。10.一种数字化纺织机远程监测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9任一项所述的一种数字化纺织机远程监测方法的步骤。技术总结本发明涉及纺织机运行监测技术领域，具体涉及一种数字化纺织机远程监测方法及系统，包括：从所有经线在每个时刻下的张力数据中，筛选出每个时刻下的核心张力数据以及基准张力数据，并获取所有时刻下的预测数据；根据所有经线在每个时刻下的张力数据与预测数据，在数据幅值与趋势上的差异，获取所有经线在每个时刻下的张力数据的异常程度；根据所有经线在每个时刻下的张力数据的异常程度，监测纺织机的运行状态。本发明通过对张力数据进行筛选，并计算每个时刻下的数据的正常程度，使预测的数据更准确，进一步通过实际采集的数据与预测数据之间的差异，获取数据的异常程度，以此准确的对纺织机的运行状态进行监测。技术研发人员：李龙飞,张进受保护的技术使用者：苏州卓晟裕智能科技有限公司技术研发日：技术公布日：2024/8/26