一種紡織加彈機制造技術

本申請涉及智能控制領域，其具體地公開了一種紡織加彈機，其通過采用基于深度學習的人工智能控制技術，使用作為特征提取器的卷積神經網絡模型來提取熱紅外隱含特征，再使用基于轉換器的上下文編碼器獲得熱紅外分布變化的上下文語義關聯特征，進一步通過多尺度鄰域特征提取模塊提取出電熱板加熱功率的多尺度鄰域特征，以所述加熱功率的多尺度鄰域特征相對于所述熱紅外變化的上下文語義關聯特征的轉移矩陣作為分類特征矩陣通過分類器，得到用于表示電熱板的當前時間點的加熱功率值應增大或應減小的分類結果。這樣，在紡織加彈機能夠滿足應用需求的同時，提高能量利用率且避免對工作人員造成傷害。工作人員造成傷害。工作人員造成傷害。

【技術實現步驟摘要】
一種紡織加彈機


[0001]本申請涉及智能控制領域，且更為具體地，涉及一種紡織加彈機。

技術介紹

[0002]加彈機是一種可將滌綸(POY)，丙綸等無捻絲，通過假捻變形加工成為具有中彈、低彈性能的彈力絲的一種紡織機械。目前，市場上的無捻絲主要采用熱電箱進行加熱，即機體內并排設有多塊電熱板，電熱板產生的高溫使機體內的溫度過高引起熱電箱外部受熱，熱量散失嚴重，且容易燙傷工作人員。
[0003]因此，期待一種優化的紡織加彈機。

技術實現思路

[0004]為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種紡織加彈機，其通過采用基于深度學習的人工智能控制技術，使用作為特征提取器的卷積神經網絡模型來提取熱紅外隱含特征，再使用基于轉換器的上下文編碼器獲得熱紅外分布變化的上下文語義關聯特征，進一步通過多尺度鄰域特征提取模塊提取出電熱板加熱功率的多尺度鄰域特征，以所述加熱功率的多尺度鄰域特征相對于所述熱紅外變化的上下文語義關聯特征的轉移矩陣作為分類特征矩陣通過分類器，得到用于表示電熱板的當前時間點的加熱功率值應增大或應減小的分類結果。這樣，在紡織加彈機能夠滿足應用需求的同時，提高能量利用率且避免對工作人員造成傷害。
[0005]根據本申請的一個方面，提供了一種紡織加彈機，其包括：
[0006]熱監控模塊，用于獲取熱電箱的各個電熱板在預定時間段內多個預定時間點的加熱功率值以及所述多個預定時間點的所述熱電箱的熱紅外圖像；
[0007]熱紅外特征提取模塊，用于將所述多個預定時間點的所述熱電箱的熱紅外圖像分別輸入使用空間注意力機制的第一卷積神經網絡模型以得到多個熱紅外特征矩陣；
[0008]熱變化模塊，用于計算所述多個熱紅外特征矩陣中每兩個熱紅外特征矩陣之間的差分以得到多個熱紅外差分特征矩陣；
[0009]維度變化模塊，用于將所述多個熱紅外差分特征矩陣中各個熱紅外差分特征矩陣分別展開為一維特征向量以得到多個熱紅外差分展開特征向量；
[0010]熱變化模式特征提取模塊，用于將所述多個熱紅外差分展開特征向量輸入基于轉換器的上下文編碼器以得到熱紅外變化語義特征向量；
[0011]加熱功率特征提取模塊，用于將所述各個電熱板在預定時間段內多個預定時間點的加熱功率值分別按照時間維度排列為加熱功率輸入向量后通過多尺度鄰域特征提取模塊以得到對應于各個電熱板的多尺度加熱功率特征向量；
[0012]轉移模塊，用于計算所述對應于各個電熱板的多尺度加熱功率特征向量相對于所述熱紅外變化語義特征向量的轉移矩陣以得到分類特征矩陣；以及
[0013]控制結果生成模塊，用于將所述分類特征矩陣分別通過分類器以得到分類結果，
所述分類結果用于表示電熱板的當前時間點的加熱功率值應增大或應減小。
[0014]在上述紡織加彈機中，所述熱紅外特征提取模塊，包括:深度卷積編碼單元，用于使用所述第一卷積神經網絡模型的各層在層的正向傳遞中分別對所述多個預定時間點的所述熱電箱的熱紅外圖像進行卷積處理、沿通道維度的池化處理和非線性激活處理以由所述第一卷積神經網絡模型的最后一層輸出多個初始熱紅外特征矩陣；以及，空間注意力單元，用于將所述初始熱紅外特征矩陣輸入所述第一卷積神經網絡模型的空間注意力層以得到所述多個熱紅外特征矩陣。
[0015]在上述紡織加彈機中，所述熱變化模塊，進一步用于：以如下公式計算所述多個熱紅外特征矩陣中每兩個熱紅外特征矩陣之間的差分以得到多個熱紅外差分特征矩陣；其中，所述公式為：其中，M1、M2表示所述多個熱紅外特征矩陣中的兩個熱紅外特征矩陣，M
c
表示所述多個熱紅外差分特征矩陣，表示按位置差分。
[0016]在上述紡織加彈機中，所述維度變化模塊，沿著行向量或者列向量進行展開。
[0017]在上述紡織加彈機中，所述熱變化模式特征提取模塊，包括：查詢向量構造單元，用于將所述多個熱紅外差分展開特征向量進行一維排列以得到全局熱紅外差分特征向量；自注意單元，用于計算所述全局熱紅外差分特征向量與所述多個熱紅外差分展開特征向量中各個熱紅外差分展開特征向量的轉置向量之間的乘積以得到多個自注意力關聯矩陣；標準化單元，用于分別對所述多個自注意力關聯矩陣中各個自注意力關聯矩陣進行標準化處理以得到多個標準化后自注意力關聯矩陣；關注度計算單元，用于將所述多個標準化后自注意力關聯矩陣中各個標準化后自注意力關聯矩陣通過Softmax分類函數以得到多個概率值；注意力施加單元，用于分別以所述多個概率值中各個概率值作為權重對所述多個熱紅外差分展開特征向量中各個局部展開特征向量進行加權以得到所述多個上下文語義熱紅外差分展開特征向量；級聯單元，用于將所述多個上下文語義熱紅外差分展開特征向量進行級聯以得到所述熱紅外變化語義特征向量。
[0018]在上述紡織加彈機中，所述加熱功率特征提取模塊，包括：第一尺度特征提取單元，用于將所述加熱功率輸入向量輸入所述多尺度鄰域特征提取模塊的第一卷積層以得到第一鄰域尺度加熱功率特征向量，其中，所述第一卷積層具有第一長度的第一一維卷積核；第二尺度特征提取單元，用于將所述加熱功率輸入向量輸入所述多尺度鄰域特征提取模塊的第二卷積層以得到第二鄰域尺度加熱功率特征向量，其中，所述第二卷積層具有第二長度的第二一維卷積核，所述第一長度不同于所述第二長度；以及，多尺度級聯單元，用于將所述第一鄰域尺度加熱功率特征向量和所述第二鄰域尺度加熱功率特征向量進行級聯以得到所述多尺度加熱功率特征向量。
[0019]在上述紡織加彈機中，所述第一尺度特征提取單元，進一步用于：使用所述多尺度鄰域特征提取模塊的第一卷積層以如下公式對所述加熱功率輸入向量進行一維卷積編碼以得到第一鄰域尺度加熱功率特征向量；
[0020]其中，所述公式為：
[0021][0022]其中，a為第一卷積核在x方向上的寬度、F(a)為第一卷積核參數向量、G(x
?
a)為與卷積核函數運算的局部向量矩陣，w為第一卷積核的尺寸，X表示所述加熱功率輸入向量。所述第二尺度特征提取單元，進一步用于：使用所述多尺度鄰域特征提取模塊的第二卷積層以如下公式對所述加熱功率輸入向量進行一維卷積編碼以得到所述第二鄰域尺度加熱功率特征向量；
[0023]其中，所述公式為：
[0024][0025]其中，b為第二卷積核在x方向上的寬度、F(b)為第二卷積核參數向量、G(x
?
b)為與卷積核函數運算的局部向量矩陣，m為第二卷積核的尺寸，X表示所述加熱功率輸入向量。
[0026]在上述紡織加彈機中，所述轉移模塊，進一步用于：以如下公式計算所述對應于各個電熱板的多尺度加熱功率特征向量相對于所述熱紅外變化語義特征向量的轉移矩陣以得到分類特征矩陣；其中，所述公式為：
[0027][0028]其中V
c
表示所述對應于各個電熱板的多尺度加熱功率特征向量，V表示所述熱紅外變化語義特征向量，M表示所述分類特征矩陣。
[0029]在上述紡織加本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種紡織加彈機，其特征在于，包括：熱監控模塊，用于獲取熱電箱的各個電熱板在預定時間段內多個預定時間點的加熱功率值以及所述多個預定時間點的所述熱電箱的熱紅外圖像；熱紅外特征提取模塊，用于將所述多個預定時間點的所述熱電箱的熱紅外圖像分別輸入使用空間注意力機制的第一卷積神經網絡模型以得到多個熱紅外特征矩陣；熱變化模塊，用于計算所述多個熱紅外特征矩陣中每兩個熱紅外特征矩陣之間的差分以得到多個熱紅外差分特征矩陣；維度變化模塊，用于將所述多個熱紅外差分特征矩陣中各個熱紅外差分特征矩陣分別展開為一維特征向量以得到多個熱紅外差分展開特征向量；熱變化模式特征提取模塊，用于將所述多個熱紅外差分展開特征向量輸入基于轉換器的上下文編碼器以得到熱紅外變化語義特征向量；加熱功率特征提取模塊，用于將所述各個電熱板在預定時間段內多個預定時間點的加熱功率值分別按照時間維度排列為加熱功率輸入向量后通過多尺度鄰域特征提取模塊以得到對應于各個電熱板的多尺度加熱功率特征向量；轉移模塊，用于計算所述對應于各個電熱板的多尺度加熱功率特征向量相對于所述熱紅外變化語義特征向量的轉移矩陣以得到分類特征矩陣；以及控制結果生成模塊，用于將所述分類特征矩陣分別通過分類器以得到分類結果，所述分類結果用于表示電熱板的當前時間點的加熱功率值應增大或應減小。2.根據權利要求1所述的紡織加彈機，其特征在于，所述熱紅外特征提取模塊，包括:深度卷積編碼單元，用于使用所述第一卷積神經網絡模型的各層在層的正向傳遞中分別對所述多個預定時間點的所述熱電箱的熱紅外圖像進行卷積處理、沿通道維度的池化處理和非線性激活處理以由所述第一卷積神經網絡模型的最后一層輸出多個初始熱紅外特征矩陣；以及空間注意力單元，用于將所述初始熱紅外特征矩陣輸入所述第一卷積神經網絡模型的空間注意力層以得到所述多個熱紅外特征矩陣。3.根據權利要求2所述的紡織加彈機，其特征在于，所述熱變化模塊，進一步用于：以如下公式計算所述多個熱紅外特征矩陣中每兩個熱紅外特征矩陣之間的差分以得到多個熱紅外差分特征矩陣；其中，所述公式為：其中，M1、M2表示所述多個熱紅外特征矩陣中的兩個熱紅外特征矩陣，M
c
表示所述多個熱紅外差分特征矩陣，表示按位置差分。4.根據權利要求3所述的紡織加彈機，其特征在于，所述維度變化模塊，沿著行向量或者列向量進行展開。5.根據權利要求4所述的紡織加彈機，其特征在于，所述熱變化模式特征提取模塊，包括：查詢向量構造單元，用于將所述多個熱紅外差分展開特征向量進行一維排列以得到全局熱紅外差分特征向量；
自注意單元，用于計算所述全局熱紅外差分特征向量與所述多個熱紅外差分展開特征向量中各個熱紅外差分展開特征向量的轉置向量之間的乘積以得到多個自注意力關聯矩陣；標準化單元，用于分別對所述多個自注意力關聯矩陣中各個自注意力關聯矩陣進行標準化處理以得到多個標準化后自注意力關聯矩陣；關注度計算單元，用于將所述多個標準化后自注意力關聯矩陣中各個標準化后自注意力關聯矩陣通過Softmax分類函數以得到多個概率值；注意力施加單元，用于分別以所述多個概率值中各個概率值作為權重對所述多個熱紅外差分展開特征...

【專利技術屬性】
技術研發人員：蔣玲芳，丁澤田，
申請(專利權)人：浙江鴻屹智能裝備科技有限公司，
類型：發明
國別省市：