[发明专利]用于监控行进纱线的纱线张力的方法和装置

说明书

本发明涉及一种用于监控纱线处置过程中行进纱线的纱线张力的方法和装置。为此，连续测量纱线的纱线张力，并将纱线张力的测量信号相比于允许纱线张力的阈值。在测量信号有不允许的容差偏差的情形下，纱线张力的短期信号路径被检测而作为故障图形。为了能够进行故障诊断，使用机器学习程序分析纱线张力的故障图形。然后将故障图形分配至一个已知故障类别或者新故障类别。根据本发明的装置包括针对该目的的诊断单元(18)，其与纱线张力评估单元(19)相应地协作。

技术领域

本发明涉及一种用于监控纱线处置过程中行进纱线的纱线张力的方法和用于监控的装置。

背景技术

用于监控纱线处置过程中行进纱线的纱线张力的通用方法和通用装置是已知的，例如，已知于DE19614027A1。

在生产以及处置纱线时，典型地连续监控产品和/或过程参数，因而获得最稳定的可能过程控制，尤其最稳定的可能纱线产品质量。尤其在生产变形纱线时，监控行进纱线的纱线张力已经被证明其本身可识别过程扰动和/或产品变型。在用于监控行进纱线的纱线张力的公知方法和公知装置中，为了该目的连续测量纱线上的纱线张力。在该情况下将生成的纱线张力的测量信号相比于允许纱线张力的阈值。在该情况下，能够生成所谓的故障图形，故障图形显示在不允许容差偏差的情形下纱线张力的测量信号的信号曲线。尤其是，例如，可以因而建立纱线的质量变化，质量变化能够使得质量分级。此外，公知的是，取决于过程中相应的扰动，故障图形反映了纱线张力的不同信号曲线。因而有经验的操作员能够使用故障图形的纱线张力的信号曲线来识别可能的扰动源。

发明内容

本发明的目的是，提出用于监控纱线处置过程中行进纱线的纱线张力的通用方法和通用装置，使得能够改善过程控制以生产均匀的纱线质量。

本发明的进一步目的是，提供一种用于监控纱线处置过程中行进纱线的纱线张力的通用方法和通用装置，使用其能够识别过程扰动，还能快速且有针对性地纠正它们。

本发明基于的发现是，纱线张力的测量信号曲线的故障图形能够用作过程扰动的指示。为了使用故障图形作为诊断的基础，根据本发明使用机器学习程序分析故障图形。然后将故障图形分配至已知故障图形类别或者新故障图形类别。因而提供了独特的故障图形的分类。尤其分配至已知故障图形类别能够得到早期误差诊断，使得可快速识别出基础扰动原因。但是，可替换地，在过程期间，还能够得到先前未知或者先前未考虑的新过程扰动结果。在该情况下，故障图形能够通过机器学习程序被分配至新故障图形类别。

确定的故障图形能够被存储以扩展数据池。

由于故障图形的曲线轮廓不同，因此还存在这样的选择：依靠纱线张力的一个故障图形的或者一组故障图形的故障图案具体指定故障图形类别。因而可以基本改善在通过机器学习程序分析故障图形期间相关故障图形类别的可视化。

为了在故障图形分配至其中一个故障图形类别之后实施快速且有针对性的过程改变，以下方法变型是特别有利的：将具体过程扰动和/或具体操作故障和/或具体扰动参数和/或具体产品故障分配至每个故障图形类别。在分配故障图形之后，纱线张力偏差的基础原因因而能够被立即纠正。因而可以避免尤其在生产纱线期间大的丢弃量。

为了自动化相应的纱线处置过程，以下方法变型是有利的：在其中一个故障图形分配至其中一个故障图形类别之后，触发相关于故障图形类别的控制命令以用于过程改变。例如，过程改变会引起直接干涉纱线处置过程或者通过操作员发动干涉。

由于多个故障图形发生在纱线处置过程中，方法变型已经证明其本身，尤其在方法变型中通过机器学习程序的至少一个机器学习算法来执行故障图形的分析。因而人工智能可以用以实施结构分析，甚至利用大量数据并且快速查找已知以及新故障图形类别。

但是，为了该目的，首先需要机器学习算法首先访问用于学习的确定的基本数据。为了此目的，将先前已经分配一个故障图形类别的故障图形传递至用于学习的机器学习算法。