本發明涉及紡織生產和檢測，尤其涉及一種基于多時間序列異常探測模型的紡紗生產線運行監控方法及裝置。

背景技術：

1、隨著全球市場對紡織品質量與生產效率的要求日益提高，傳統的生產監控方法已難以滿足現代紡織生產的需求。因此，開發一種能夠實時監控紡紗生產線運行狀態、及時檢測并處理生產異常的高效技術，對提升生產效率、降低成本及增強國際競爭力具有重要意義。

2、紡紗作為紡織行業的核心環節，其生產效率和產品質量直接影響著上游原材料的利用效率和下游產品的市場競爭力。隨著科技的進步和工業自動化水平的提升，紡紗生產線的智能化監控已成為提升生產效能的關鍵。傳統的監控系統主要依靠定期檢查和人工監視，不僅效率低下，而且難以實現對生產全過程的精確控制。此外，由于紡紗過程的復雜性，如溫濕度、設備速率以及原材料質量等多種因素的影響，對生產線進行實時、全面的監控顯得尤為重要。

技術實現思路

1、針對現有技術存在的缺陷和不足，本發明考慮提供一種基于多時間序列異常探測模型的智能監控系統，能夠對紡紗生產線進行全面監視和管理，實時檢測生產異常，對于確保產品質量和提高生產效率具有重要的實際意義。

2、本發明提出了一種基于多時間序列異常探測模型的紡紗生產線運行監控方法及裝置，采用自編碼器和長短期記憶(lstm)網絡技術，致力于提升紡紗生產線的監控智能化和自動化水平。通過這些技術，本發明能夠對生產過程中的數據進行深度學習和模式識別，實時準確地識別潛在的異常，保證生產流程的連續性和穩定性。

3、從生產企業角度看，此技術的實施將顯著提高生產效率和降低運營成本。通過減少設備故障停機時間和提高原材料使用效率，企業能夠實現更高的生產能力和更低的生產浪費。此外，改進的生產質量和穩定性也將增強企業產品在市場上的競爭力和客戶滿意度。

4、從產業角度來看，本發明的應用有助于推動紡織行業的技術進步和工業自動化和智能化。具有為整個行業設定新的生產標準的潛力，從而整體提升行業的技術水平和生產效率。

5、從宏觀經濟角度，這種技術的發展和應用有助于提升制造業的智能化水平和國際競爭力。此外，通過優化資源使用和減少生產過程中的能耗和材料浪費，本發明也符合可持續發展的要求，有助于推動環境保護和資源高效利用的國家政策目標。總體而言，本發明不僅提升了紡紗行業的技術標準，也為整個制造業的發展提供了參考和示范。

6、本發明具體采用以下技術方案：

7、一種基于多時間序列異常探測模型的紡紗生產線運行監控方法，對紡紗生產過程中包括生產設備和輔助設備的各種數據進行實時采集；并對采集到的數據進行清洗、去噪和標準化的預處理；采用預處理后的數據構建多時間序列并進行實時監控；并利用多時間序列異常探測模型進行異常檢測和分析。

8、進一步地，利用生產線監控平臺通過傳感器和信號采集裝置實現數據和信號實時采集，包括：對開棉機采集運行速度、功率消耗、振動信號、進料量、雜質清除率；對清棉機采集進料速度、清潔度、耗能數據、雜質含量、機械負荷；對梳棉機采集纖維排列度、梳理速度、故障率、梳理質量、纖維長度分布；對并條機采集合并精度、條干均勻性、操作參數、輸出速度、紗條張力；對粗紗機采集紡紗速度、粗紗質量、張力、粗紗直徑、斷紗率；對細紗機采集紗線細度、紡紗速度、斷紗率、紗線張力、成紗質量；對自動絡筒機采集卷繞速度、筒子紗質量、張力變化、斷頭率、絡筒效率；輔助設備方面，對溫度控制設備采集生產環境溫度、設備內部溫度、溫度變化率、溫控設備功率消耗；對濕度控制設備采集車間濕度、紗線含濕率、濕度變化率、濕控設備功率消耗；對除塵設備采集工作效率、粉塵濃度、過濾效果、設備風速、除塵效率。

9、進一步地，所述預處理的過程中：對于由于傳感器故障、網絡連接問題引起的數據缺失，采用線性插值、樣條插值方法填補缺失數據；由于不同設備采集數據的時間戳可能不一致，導致數據不同步，使用插值或重采樣方法將數據對齊到統一的時間軸上；為了確保所有設備的時鐘同步，使用網絡時間協議進行校準，以避免因時鐘不同步而引起的數據誤差。

10、進一步地，所述構建多時間序列并進行實時監控具體為通過具有圖形用戶界面的操作平臺，實時展示系統狀態和設置參數，以進行詳細的生產線整體運行狀態監控。

11、進一步地，所述利用多時間序列異常探測模型進行異常檢測和分析具體采用自編碼器，通過使用訓練好的自編碼器模型對新的時間序列數據進行重構，計算輸入和重構輸出之間的誤差以檢測異常；

12、具體步驟如下：首先，確定自編碼器的架構：根據生產設備的數量和數據量的大小，選擇輸入層、包括編碼層和解碼層的隱藏層，以及輸出層的神經元數量；輸入層的神經元數量與時間序列的特征數量相同，對應每個時間步的數據點數量；編碼層的神經元數量逐層減少，用于壓縮輸入數據的維度；解碼層的神經元數量逐層增加，以恢復到輸入層的維度，與隱藏層相對應；

13、之后，通過計算輸入和重構輸出之間的誤差，當誤差超過預設閾值時，則判斷為異常情況，從而實現對紡紗生產線的實時監控和智能決策；具體計算過程如下所示，編碼器將輸入數據x映射到潛在空間z，而解碼器則將潛在空間的表示z重構回原始數據x′其中，編碼器為：

14、z＝h(x)

15、解碼器為：

16、x'＝h'(z)

17、其中h和h′分別是是編碼器的函數和解碼器的函數；采用均方誤差作為重構誤差的衡量標注：

18、

19、其中，xi和x′i分別是第i個時間戳的數據和它對應的重建版本；lstm的編碼器和解碼器分別為：

20、pt＝lstm(xt,pt-1)

21、x′t＝lstm(pt,pt-1)

22、pt和xt分別是時間步t的輸出和輸入信息/狀態；通過計算每個時間步的重構誤差，以檢測異常；設定一個閾值∈，如果重構誤差超過閾值，則認為該時間步存在異常；

23、

24、以及，一種基于多時間序列異常探測模型的紡紗生產線運行監控裝置，包括：

25、生產線監控平臺，用于對紡紗生產過程中包括生產設備和輔助設備的各種數據進行實時采集；

26、數據預處理模塊，用于對采集到的數據進行清洗、去噪和標準化的預處理；

27、多時間序列監控模塊，用于采用預處理后的數據構建多時間序列并進行實時監控；

28、分析模塊，用于利用多時間序列異常探測模型進行異常檢測和分析。

29、進一步地，還包括報警模塊，用于根據觸發或根據分析模塊的檢測結果發出報警信號。

30、進一步地，連接紡紗生產線的控制系統，用于根據所述分析模塊的分析結果進行生產控制和調整。

31、一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上所述的一種基于多時間序列異常探測模型的紡紗生產線運行監控方法的步驟。

32、一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上所述的一種基于多時間序列異常探測模型的紡紗生產線運行監控方法的步驟。

33、當前的監控系統主要依靠傳統的規則-based算法或簡單的統計方法來識別異常，這些方法常常因缺乏對復雜數據模式的深入理解而導致高誤報和漏報率。與現有技術相比，本發明及其優選方案通過引入自編碼器和長短期記憶(lstm)網絡技術，能夠對生產過程中的數據進行深度學習和模式識別，實時準確地預測和識別潛在的異常，從而在問題發生前進行預警和自動調整，保證生產流程的連續性和穩定性。

34、首先，本發明通過自編碼器的無監督學習模式，有效地解決了在實際生產環境中異常樣本稀少或難以標記的問題。這種方法能自動學習生產數據的正常行為模式，進而準確識別出偏離這些模式的異常行為，顯著提高了異常檢測的可靠性和實用性。其次，本發明不僅監控紡紗機械本身的運行狀態，還綜合考慮了與生產過程密切相關的環境因素，如溫控設備、濕度控制設備和除塵設備等的數據。這種全面的數據整合與分析確保了環境因素對產品質量的影響得到有效控制，進一步增強了生產線的穩定性和產品的一致性。同時，當系統檢測到潛在風險時，能自動進行生產調整或啟動應急響應程序，減少人工干預，提高了響應速度和處理效率。這些技術的應用不僅提高了異常檢測的準確性和預測能力，還確保了生產環境的最優化，顯著提升了整個生產線的效率和產品質量。