织机了机时间预测方法.pdf

《织机了机时间预测方法.pdf》由会员分享，可在线阅读，更多相关《织机了机时间预测方法.pdf（9页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202410021285.0(22)申请日 2024.01.08(71)申请人 江苏恒力化纤股份有限公司地址 215226 江苏省苏州市吴江区盛泽镇南麻工业区恒力路1号(72)发明人 赵金广倪凤军沈建根陈瑞王丽丽王雪李国政张怡(74)专利代理机构 上海统摄知识产权代理事务所(普通合伙)31303专利代理师 刘灯胜(51)Int.Cl.G06Q 10/04(2023.01)G06Q 50/04(2012.01)G06F 18/15(2023.01)G06F 18/20(2023.01)G06F 12。

2、3/02(2023.01)(54)发明名称一种织机了机时间预测方法(57)摘要本发明涉及一种织机了机时间预测方法，（1）织机生产数据的采集；当织机更换好新的织轴并开始正常生产后，对织机当前织轴的生产数据进行采集；（2）织机生产速度的最优估计；设每日生产班次为A、B、C三个班次，三个班次时长分别为SA、SB、SC，计算不同采样点三个班次的生产速度，并对所得生产速度进行最优估计；（3）织机了机时间预测；基于所得生产速度的最优估计，对织机了机时间进行预测。本发明利用对当前织轴的生产数据建模和对不同班次生产速度进行建模，然后进行了机时间的预测，减少对历史数据的依赖的同时能及时修正生产进程变化所带来的滞。

3、后响应问题，且预测的精度和稳定性更好。权利要求书2页 说明书6页CN 117521922 A2024.02.06CN 117521922 A1.一种织机了机时间的预测方法，其特征在于包括如下步骤：（1）织机生产数据的采集；当织机更换好新的织轴并开始正常生产后，对织机当前织轴的生产数据进行采集；设织机生产数据采集时间间隔为T，采集点的时间记为t1,t2,tn，对应采集到的已织长度和织轴剩余长度分别记为p1,p2,pn和z1,z2,zn；（2）织机生产速度的最优估计；设每日生产班次为A、B、C三个班次，三个班次时长分别为SA、SB、SC，计算不同采样点三个班次的生产速度，并对所得生产速度进行最优估。

4、计；（3）织机了机时间预测；基于步骤（2）所得生产速度的最优估计，对织机了机时间进行预测。2.根据权利要求1所述的一种织机了机时间的预测方法，其特征在于，步骤（1）中T为0.751小时。3.根据权利要求1所述的一种织机了机时间的预测方法，其特征在于，步骤（2）中不同采样点三个班次的生产速度计算公式分别如下：班次A生产速度：viA=(p2ip2i1)/(t2it2i1)；班次B生产速度：vjB=(p2jp2j1)/(t2jt2j1)；班次C生产速度：vmC=(p2mp2m1)/(t2mt2m1)；其中，i、j、m为分别对应于A、B、C三个班次的不同采样点，p2i和p2i1分别代表p1,p2,pi。

5、采样点对应的偶数和奇数下标对应的已织长度，t2i和t2i1分别代表t1,t2,ti采样点对应的偶数和奇数下标对应的时间点；p2j和p2j1分别代表p1,p2,pj采样点对应的偶数和奇数下标对应的已织长度，t2j和t2j1分别代表t1,t2,tj采样点对应的偶数和奇数下标对应的时间点；p2m和p2m1分别代表p1,p2,pm采样点对应的偶数和奇数下标对应的已织长度，t2m和t2m1分别代表t1,t2,tm采样点对应的偶数和奇数下标对应的时间点。4.根据权利要求3所述的一种织机了机时间的预测方法，其特征在于，对生产速度进行最优估计的步骤如下：a.任一采样点的生产速度vn=(pn+1pn)/(tn+。

6、1tn)，计算vn的平均值和标准差，分别记为和；b.令q为vn中的任意一个数，如果满足|q|3，说明该数为异常点，则将该数剔除；c.重复步骤a和步骤b，直到没有满足条件的点，记剔除所有异常点后的生产速度为vnn；d.采用一元线性方程y=ax+b对vnn进行最小二乘拟合，进而得到方程的参数a和b，其中自变量x为织机生产数据采样时间间隔，因变量y为vnn，通过该方程所得的y值即为各个采样点对生产速度的最优估计；e.对viA、vjB和vmC，分别应用步骤a和步骤b剔除异常点，并分别记剔除异常点后的平均值为iA、jB和mC，iA、jB和mC分别作为A、B、C三个班次生产速度的最优估计，并分别记为vA、。

7、vB和vC。5.根据权利要求4所述的一种织机了机时间的预测方法，其特征在于，设共有MA个班次A、MB个班次B和MC个班次C，若(SAMAvA+SBMBvB+SCMCvC)(SAMA+SBMB+SCMC)权利要求书1/2 页2CN 117521922 A2(a tn+b)，则预 测的织 机了机时间Ho=；否 则，Ho=；其中，Z为织轴总长度，pn和zn分别为采样时间为tn时的已织长度和织轴剩余长度。权利要求书2/2 页3CN 117521922 A3一种织机了机时间预测方法技术领域0001本发明属于纺织织造加工技术领域，涉及一种织机了机时间预测方法。背景技术0002随着纺织产品向小批量多品种的发。

8、展，智能化的信息技术在纺织企业不断深化应用，企业数字化转型基础日趋坚实，打造织造数字化、智能化企业是未来产业升级和进步的必由之路。对于一个织造企业而言，织机的生产效率直接制约其产能及质量，一般织造企业一个车间织机台数都在200台左右，而如何准确预测或估计每台织机的了机时间是降低织机空置时间，提高其机台利用效率的重要手段。传统的织机了机时间预测主要是根据历史生产数据及人工生产经验，其缺点是预测精度低，尤其是多品种同时生产时，其了机时间预测误差往往大于12小时，难以满足对车间生产整体调度管理的要求。基于此，近几年随着织造车间生产管理系统的应用，通过对生产车间织机生产基础数据采集，并分析和挖掘这些生。

9、产数据与了机时间之间的关联是目前提升了机时间精度主要方式。0003例如，文献1（基于二分Kmeans理论的织机了机预测.纺织学报,2023,44(05):112118.DOI:10.13475 /j.fzxb.20220100801）利用定期不间断地采集织机的产量数据，然后通过二分Kmeans算法对所采集到数据进行聚类后获取织机的当前的平均产量，最后利用该产量进行了机时间预测。0004文献2（基于LSTM循环神经网络的织机了机预测.现代纺织技术,2023,31(03):7080.DOI:10.19398/j.att.202207016）针对现有利用生产的静态参数对织机了机时间预测了机时间存在误。

10、差较大的问题，提出了一种基于长短时记忆(Long short term memory,LSTM)循环神经网络的织机了机预测方法，该方法选取了：生产时间段、挡车工技术等级、经/纬纱成分、经/纬纱纱支、经/纬密合计8个参数作为输入进行LSTM网络训练，并进行了机时间预测。0005专利CN115182083A提供了一种织布机了机智能预测模型的构建方法和构建装置，通过采集大量织机的生产数据、面料品种及挡车工等级进行LSTM网络模型的训练，进而实现了机时间预测。0006专利CN114461704A提供了一种基于织机产能预测织机了机的方法及系统，该方法的核心在于定期采集实时产量数据，并利用二分Kmean算。

11、法进行平均产量预测，从而实现了机时间预测。0007专利CN110331503A提供了一种基于卷径变化预测织机了机的方法，首先利用历史生产数据建立机台产量与织轴卷径值之间的关系，然后通过对比实际卷径值与理论卷径值来预测了机时间。0008综上，现有的织机了机预测方法都是建立在对织机生产历史数据的大量采集下进行的，并通过非线性模型对历史数据进行拟合后实现对了机时间的预测，其缺点是需要大量历史数据进行模型训练，并在此基础上预测未来的生产状态，难以应对瞬息万变实际生产情况。此外，采用测量卷径方式（即专利CN110331503A）进行了机预测的方式，不仅需要额说明书1/6 页4CN 117521922 A。

12、4外增加卷径测量装置，而且其精度也受织轴的卷绕密度及纱线细度影响较大。0009因此，研究一种织机了机时间预测方法，以解决上述问题具有十分重要的意义。发明内容0010为解决现有技术中存在的问题，本发明提供一种织机了机时间预测方法，为达到上述目的，本发明采用的方案如下：0011一种织机了机时间的预测方法，包括如下步骤：0012（1）织机生产数据的采集；0013当织机更换好新的织轴并开始正常生产后，对织机当前织轴的生产数据进行采集；设织机生产数据采集时间间隔为T，采集点的时间记为t1,t2,tn，对应采集到的已织长度和织轴剩余长度分别记为p1,p2,pn和z1,z2,zn；0014（2）织机生产速度。

13、的最优估计；0015设每日（24小时）生产班次为A、B、C三个班次，三个班次时长（小时）分别为SA、SB、SC（SA+SB+SC=24），计算不同采样点三个班次的生产速度，并对所得生产速度进行最优估计；0016（3）织机了机时间预测；0017基于步骤（2）所得生产速度的最优估计，对织机了机时间进行预测。0018作为优选的技术方案：0019如上所述的一种织机了机时间的预测方法，步骤（1）中T为0.751小时。0020如上所述的一种织机了机时间的预测方法，步骤（2）中不同采样点三个班次的生产速度计算公式分别如下：0021班次A生产速度：viA=(p2ip2i1)/(t2it2i1)；0022班次B。

14、生产速度：vjB=(p2jp2j1)/(t2jt2j1)；0023班次C生产速度：vmC=(p2mp2m1)/(t2mt2m1)；0024其中，i、j、m为分别对应于A、B、C三个班次的不同采样点，由于i、j、m的取值是连续的自然数，p2i和p2i1分别代表p1,p2,pi采样点对应的偶数和奇数下标对应的已织长度，t2i和t2i1分别代表t1,t2,ti采样点对应的偶数和奇数下标对应的时间点；p2j和p2j1分别代表p1,p2,pj采样点对应的偶数和奇数下标对应的已织长度，t2j和t2j1分别代表t1,t2,tj采样点对应的偶数和奇数下标对应的时间点；p2m和p2m1分别代表p1,p2,pm采。

15、样点对应的偶数和奇数下标对应的已织长度，t2m和t2m1分别代表t1,t2,tm采样点对应的偶数和奇数下标对应的时间点。0025如上所述的一种织机了机时间的预测方法，对生产速度进行最优估计的步骤如下：0026a.任一采样点的生产速度vn=(pn+1pn)/(tn+1tn)，计算vn的平均值和标准差，分别记为和；0027b.令q为vn中的任意一个数，如果满足|q|3，说明该数为异常点，则将该数剔除；0028c.重复步骤a和步骤b，直到没有满足条件的点，记剔除所有异常点后的生产速度为vnn；0029d.采用一元线性方程y=ax+b对vnn进行最小二乘拟合，进而得到方程的参数a和说明书2/6 页5C。

16、N 117521922 A5b，其中自变量x为织机生产数据采样时间间隔，应变量y为vnn，通过该方程所得的y值即为各个采用点对生产速度的最优估计；0030e.对viA、vjB和vmC，分别应用步骤a和步骤b剔除异常点，并分别记剔除异常点后的平均值为iA、jB和mC，iA、jB和mC分别作为A、B、C三个班次生产速度的最优估计，并分别记为vA、vB和vC。0031如上所述的一种织机了机时间的预测方法，设共有MA个班次A、MB个班次B和MC个班次C，若(SAMAvA+SBMBvB+SCMCvC)(SAMA+SBMB+SCMC)(atn+b)（满足这个条件说明利用班次生产速度最优估计比不考虑班次的速。

17、度（即各个采样点对生产速度的最优估计）快，说明班次间的生产速度差异较大，这就利用班次的平均生产速度进行了机时间预测；否则，就利用总体预测速度+班次最优生产速度进行了机时间预测），则预测的织机了机时间Ho=；否则，Ho=；0032其中，Z为织轴总长度，pn和zn分别为采样时间为tn时的已织长度和织轴剩余长度，a和b为步骤d中一元线性方程y=ax+b中的参数。0033有益效果0034（1）针对现有织机了机预测方式依赖大量历史生产数据，难以应对生产情况多变等问题，本发明的一种织机了机时间的预测方法，利用对当前织轴的生产数据建模后进行了机时间的预测，减少对历史数据的依赖的同时能及时修正生产进程变化所带。

18、来的滞后响应问题；此外，本发明同时考虑了不同班次对生产效率的影响，单独对不同班次生产速度进行建模，提升了机时间预测的合理性和准确度；0035（2）本发明的一种织机了机时间的预测方法，对未知的织造情况变化响应快，简单高效，预测的精度和稳定性更好；0036（3）本发明的一种织机了机时间的预测方法，可以避免织造生产受环境、人、原料、机器、工艺等因素的影响，提供一种织机了机时间预测更灵活的方案。具体实施方式0037下面结合具体实施方式，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些。

19、等价形式同样落于本申请所附权利要求书所限定的范围。0038一种织机了机时间的预测方法，具体步骤如下：0039（1）织机生产数据的采集；0040当织机更换好新的织轴并开始正常生产后，对织机当前织轴的生产数据进行采集；设织机生产数据采集时间间隔为T，T为0.751小时，采集点的时间记为t1,t2,tn，对应采集到的已织长度和织轴剩余长度分别记为p1,p2,pn和z1,z2,zn；0041（2）织机生产速度的最优估计；0042设每日生产班次为A、B、C三个班次，三个班次时长分别为SA、SB、SC，计算不同采样说明书3/6 页6CN 117521922 A6点三个班次的生产速度，并对所得生产速度进行最。

20、优估计；0043不同采样点三个班次的生产速度计算公式分别如下：0044班次A生产速度：viA=(p2ip2i1)/(t2it2i1)；0045班次B生产速度：vjB=(p2jp2j1)/(t2jt2j1)；0046班次C生产速度：vmC=(p2mp2m1)/(t2mt2m1)；0047其中，i、j、m为分别对应于A、B、C三个班次的不同采样点，p2i和p2i1分别代表p1,p2,pi采样点对应的偶数和奇数下标对应的已织长度，t2i和t2i1分别代表t1,t2,ti采样点对应的偶数和奇数下标对应的时间点；p2j和p2j1分别代表p1,p2,pj采样点对应的偶数和奇数下标对应的已织长度，t2j和t。

21、2j1分别代表t1,t2,tj采样点对应的偶数和奇数下标对应的时间点；p2m和p2m1分别代表p1,p2,pm采样点对应的偶数和奇数下标对应的已织长度，t2m和t2m1分别代表t1,t2,tm采样点对应的偶数和奇数下标对应的时间点；0048对生产速度进行最优估计，具体步骤如下：0049a.任一采样点的生产速度vn=(pn+1pn)/(tn+1tn)，计算vn的平均值和标准差，分别记为和；0050b.令q为vn中的任意一个数，如果满足|q|3，说明该数为异常点，则将该数剔除；0051c.重复步骤a和步骤b，直到没有满足条件的点，记剔除所有异常点后的生产速度为vnn；0052d.采用一元线性方程y。

22、=ax+b对vnn进行最小二乘拟合，进而得到方程的参数a和b，其中自变量x为织机生产数据采集时间间隔T，因变量y为vnn，通过该方程所得的y值即为各个采样点对生产速度的最优估计；0053e.对viA、vjB和vmC，分别应用步骤a和步骤b剔除异常点，并分别记剔除异常点后的平均值为iA、jB和mC，标准差为iA、jB和mC，iA、jB和mC分别作为A、B、C三个班次生产速度的最优估计，并分别记为vA、vB和vC；0054（3）基于步骤（2）所得生产速度的最优估计，对织机了机时间进行预测；0055设共有MA个班次A、MB个班次B和Mc个班次C，若(SAMAvA+SBMBvB+SCMCvC)(SA 。

23、MA+SB MB+SC MC)(a tn+b)，则 预 测 的 织 机 了 机 时 间 Ho=；否则，Ho=；0056其中，Z为织轴总长度，pn和zn分别为采样时间为tn时的已织长度和织轴剩余长度，a和b为上述步骤d中一元线性方程y=ax+b中的参数。0057下面采用具体的实施例对本发明的一种织机了机时间的预测方法进行说明，具体如下：0058（1）织机生产数据的采集；0059当织机更换好新的织轴并开始正常生产后，对织机当前织轴的生产数据进行采集；设织机生产数据采集时间间隔为1小时，采集点的时间记为t1,t2,t368，对应采集到说明书4/6 页7CN 117521922 A7的已织长度和织轴剩。

24、余长度分别记为p1,p2,p368和z1,z2,z368；0060（2）织机生产速度的最优估计；0061设每日生产班次为A、B、C三个班次，三个班次时长分别为SA、SB、SC，计算不同采样点三个班次的生产速度，并对所得生产速度进行最优估计；SA为8小时，SB为8小时，SC为8小时；0062班次A：i为15，iA为11.19，iA为1.16；0063班次B：j为15，jB为10.7，jB为1.28；0064班次B：m为15，mC为11.3，mC为0.97；0065（3）基于步骤（2）所得生产速度的最优估计，对织机了机时间进行预测；0066共有15个班次A、15个班次B和15个班次C，Z为4550。

25、米；0067距离了机前5天，n=248，tn为20230825：9：00：00，pn为2770米，zn为1472米，vA为11.2，vB为10.4，vC为10.9；0068距离了机前4天，n=272，tn为20230826：9：00：00，pn为3041米，zn为1173vA为11.21，vB为10.3，vC为11.1；0069距离了机前3天，n=296，tn为20230828：9：00：00，pn为3307米，zn为875米，vA为11.14，vB为10.4，vC为11.4；0070距离了机前2天，n=320，tn为20230830：9：00：00，pn为3567米，zn为586米，vA为11.17，vB为10.6，vC为11.2；0071对品种编号为15，距离了机前5、4、3、2天时的织机了机时间预测数据如下表1，从表1可以看出距离了机时间越近，了机预测的时间误差越小，距离了机前2天据对误差小于2%，满足工厂提前准备换轴及调度的要求。0072本发明织机了机预测时间与采用历史生产速度平均方法的对比如表2所示，从表2中可以看出历史生产速度平均法整体预测了机时间整体误差比本发明大，这也说明本发明的有效性。0073表100740075表2说明书5/6 页8CN 117521922 A80076说明书6/6 页9CN 117521922 A9。