一种智能刺绣机故障检测方法、电子设备及介质
本发明涉及刺绣机，具体涉及一种智能刺绣机故障检测方法、电子设备及介质。
背景技术：
1、刺绣机又称为电脑绣花机，通过在布料上进行刺绣作业，来获得所需花样的绣品。随着我国的刺绣机技术的不断发展和零部件供应链的完善，已经形成了该行业的产业集群，产品产量大、品种多，功能多样化，在世界刺绣机的舞台上也占有很重要的地位。
2、目前，刺绣设备综合了机电、自控、计算机等许多先进技术，设备中各种元器件相互联系、相互依赖，使得设备故障诊断难度增大，尤其在对刺绣设备的故障诊断上存在片面性，导致刺绣设备在发生故障的情况下仍然运行，使绣品的质量或刺绣设备的工作效率下降。因此，对刺绣设备进行全面高效的故障诊断是极为重要的。
技术实现思路
1、为解决上述问题，本发明提供一种智能刺绣机故障检测方法、电子设备及介质。
2、在本发明的第一方面，提供一种智能刺绣机故障检测方法，包括：
3、获取刺绣机正常运行信息和刺绣机故障运行信息，每个所述刺绣机正常运行信息均包括刺绣机正常运行数据和刺绣机正常运行状态，每个所述刺绣机故障运行信息均包括刺绣机故障运行数据和刺绣机故障运行状态；
4、爬取刺绣机知识库，根据所述刺绣机故障运行状态将对应的所述刺绣机故障运行数据进行清洗，将所述刺绣机故障运行状态和清洗后的所述刺绣机故障运行数据进行预处理，得到故障样本集；
5、将所述刺绣机正常运行状态和所述刺绣机正常运行数据进行预处理，得到正常样本集；
6、基于所述故障样本集和所述正常样本集对刺绣机故障检测模型进行训练，得到训练后的所述刺绣机故障检测模型；
7、获取实时刺绣机运行数据，将所述实时刺绣机运行数据导入所述刺绣机故障检测模型，进行故障识别。
8、本发明进一步设置为以各种所述刺绣机故障运行状态为索引，遍历所述刺绣机知识库，搜索导致各种所述刺绣机故障运行状态的关联刺绣机参数；根据所述刺绣机故障运行状态和所述关联刺绣机参数，剔除每个所述刺绣机故障运行信息中与所述刺绣机故障运行状态无关的所述刺绣机运行数据，完成所述刺绣机故障运行信息的清洗。
9、本发明进一步设置为将清洗后的所述刺绣机故障运行数据进行归一化处理并按特定序列进行排列，构建第一运行特征向量，得到故障样本集，根据所述刺绣机故障运行状态将所述故障样本集划分为故障样本子集。
10、本发明进一步设置为将所述刺绣机正常运行数据进行归一化处理并按特定序列进行排列，构建第二运行特征向量，得到正常样本集。
11、本发明进一步设置为采用非线性支持向量机构建所述刺绣机故障检测模型，
12、其中，ω为权值向量，φ()为映射函数，xi为所述故障样本子集的第一运行特征向量和所述正常样本集中的第二运行特征向量，yi为xi的标签，b为超平面的截距，ξi为误差函数，i为样本序号；
13、将所述刺绣机故障检测模型优化问题转换为对偶问题，
14、其中，αi为拉格朗日乘子，αj为对偶的拉格朗日乘子，xj为所述故障样本子集和所述正常样本集中的第i个样本对偶的第j个样本，yj为xj的标签。
15、本发明进一步设置为选取高斯核函数作为所述刺绣机故障检测模型的核函数，核函数的表达式为：k(xi,xj)＝exp(-γ||xi-yi||2)；
16、根据所述核函数k(xi,xj)对所述刺绣机故障检测模型的对偶问题进行求解：
17、本发明进一步设置为将所述故障样本子集的第一运行特征向量和所述正常样本集中的第二运行特征向量分为训练集和测试集，采用粒子群算法对待优化参数进行自适应寻优，所述待优化参数为所述刺绣机故障检测模型中的惩罚因子和核函数的宽度；将寻优后惩罚因子和核函数宽度更新到所述刺绣机故障检测模型中新惩罚因子和新核函数的宽度，得到训练后的所述刺绣机故障检测模型。
18、本发明进一步设置为所述刺绣机正常运行数据和所述刺绣机故障运行数据均包括刺绣机电机电流参数、刺绣机振动参数、驱动机架位移参数、针杆针距参数和勾剪扣时序参数中的至少一种。
19、在本发明的第二方面，提供一种电子设备，包括存储器、处理器和信号接口，所述存储器存储有计算机程序，所述信号接口用于获取实时刺绣机运行数据，并提交给所述处理器处理，所述处理器执行所述计算机程序时实现上述的智能刺绣机故障检测方法。
20、在本发明的第三方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的智能刺绣机故障检测方法。
21、采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：
22、本发明通过收集刺绣机的正常运行信息和故障运行信息，并对这些信息进行预处理和清洗，确保后续训练样本的准确性和有效性，训练得到刺绣机故障检测模型；利用训练好的刺绣机故障检测模型，可以实时监测刺绣机的运行状态，对可能发生的故障进行早期预警；这有助于在故障实际发生之前采取必要的维护措施，从而避免因故障导致的生产中断和损失；智能刺绣机故障检测方法可以减少因故障导致的生产中断时间，保证刺绣机在最佳状态下运行。
23、本发明中的刺绣机故障检测模型可通过持续更新和优化刺绣机故障检测模型，不断提高系统的可靠性，随着数据的积累和模型的迭代，刺绣机运行系统对复杂故障和未知故障的识别能力将不断增强，为刺绣机的智能化和自动化提供了有力支持，通过集成更多的传感器和数据分析技术，可实现更高级别的自动化控制和决策支持。
技术特征：
1.一种智能刺绣机故障检测方法，其特征在于，包括：
2.根据权利要求1所述的一种智能刺绣机故障检测方法，其特征在于，以各种所述刺绣机故障运行状态为索引，遍历所述刺绣机知识库，搜索导致各种所述刺绣机故障运行状态的关联刺绣机参数；根据所述刺绣机故障运行状态和所述关联刺绣机参数，剔除每个所述刺绣机故障运行信息中与所述刺绣机故障运行状态无关的所述刺绣机运行数据，完成所述刺绣机故障运行信息的清洗。
3.根据权利要求2所述的一种智能刺绣机故障检测方法，其特征在于，将清洗后的所述刺绣机故障运行数据进行归一化处理并按特定序列进行排列，构建第一运行特征向量，得到故障样本集，根据所述刺绣机故障运行状态将所述故障样本集划分为故障样本子集。
4.根据权利要求3所述的一种智能刺绣机故障检测方法，其特征在于，将所述刺绣机正常运行数据进行归一化处理并按特定序列进行排列，构建第二运行特征向量，得到正常样本集。
5.根据权利要求4所述的一种智能刺绣机故障检测方法，其特征在于，采用非线性支持向量机构建所述刺绣机故障检测模型，
6.根据权利要求5所述的一种智能刺绣机故障检测方法，其特征在于，选取高斯核函数作为所述刺绣机故障检测模型的核函数，核函数的表达式为：k(xi,xj)＝exp(-γ||xi-yi||2)；
7.根据权利要求6所述的一种智能刺绣机故障检测方法，其特征在于，将所述故障样本子集的第一运行特征向量和所述正常样本集中的第二运行特征向量分为训练集和测试集，采用粒子群算法对待优化参数进行自适应寻优，所述待优化参数为所述刺绣机故障检测模型中的惩罚因子和核函数的宽度；将寻优后惩罚因子和核函数宽度更新到所述刺绣机故障检测模型中新惩罚因子和新核函数的宽度，得到训练后的所述刺绣机故障检测模型。
8.根据权利要求1至7中任意一项所述的一种智能刺绣机故障检测方法，其特征在于，所述刺绣机正常运行数据和所述刺绣机故障运行数据均包括刺绣机电机电流参数、刺绣机振动参数、驱动机架位移参数、针杆针距参数和勾剪扣时序参数中的至少一种。
9.一种电子设备，包括存储器、处理器和信号接口，所述存储器存储有计算机程序，其特征在于，所述信号接口用于获取实时刺绣机运行数据，并提交给所述处理器处理，所述处理器执行所述计算机程序时实现权利要求1至8中任意一项所述的智能刺绣机故障检测方法。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任意一项所述的智能刺绣机故障检测方法。
技术总结
本发明公开了一种智能刺绣机故障检测方法、电子设备及介质，包括：获取刺绣机正常运行信息和刺绣机故障运行信息；爬取刺绣机知识库，根据刺绣机故障运行状态将对应的刺绣机故障运行数据进行清洗，将刺绣机故障运行状态和清洗后的刺绣机故障运行数据进行预处理，得到故障样本集；将刺绣机正常运行状态和刺绣机正常运行数据进行预处理，得到正常样本集；基于故障样本集和正常样本集对刺绣机故障检测模型进行训练，得到训练后的刺绣机故障检测模型；获取实时刺绣机运行数据，将实时刺绣机运行数据导入刺绣机故障检测模型，进行故障识别。本发明可以实时监测刺绣机的运行状态，对可能发生的故障进行早期预警，从而避免因故障导致的生产中断和损失。
技术研发人员：黄静,章涵博,任祝
受保护的技术使用者：浙江理工大学
技术研发日：
技术公布日：2024/9/23