[发明专利]使合成纱线变形的方法和装置

说明书

本发明涉及一种使合成纱线变形的方法和装置。所述纱线从喂给筒子(5)抽出，该喂给筒子经由其纱线尾部通过纱线结被连接至备用筒子(6)的纱线端头。为了监视所述变形，在测量点中测量和分析纱线的纱线张力。根据本发明，纱线张力测量信号在此在测量点处利用机器学习程序被分析，以识别纱线结。为此，根据本发明的装置具有诊断单元(18)，其与纱线张力测量机构(17)合作，使得所述纱线张力(T)的测量信号能通过机器学习程序被分析以识别纱线结(24)。

技术领域

本发明涉及使合成纱线变形的方法以及使合成纱线变形的装置。

背景技术

从EP1144295B1中知道了用于使合成纱线变形的通用方法和通用装置。

为了整理在熔纺过程中由多个细的长丝形成的合成纱线，众所周知的是在随后过程中使合成纱线变形。纱线的长丝获得卷曲，从而合成纱线被赋予蓬松结构，因此尤其适用于纺织应用。在变形过程中，这些纱线从在先在熔纺工艺中制得的筒子被抽出。为了该加工过程能连续运行，常见的做法是将喂给筒子的纱线尾部与备用筒子的纱线端头打结。但这种纱线结形成变形纱线中的扰乱点，它尤其在进一步加工过程中在织布中导致了不希望的瑕疵。

因此在已知的方法和装置中，传感器装置布置在喂给筒子与备用筒子之间的纱线段中，其发信表示纱线结在加工过程中的过渡。但为此需要操作者在将喂给筒子连接至备用筒子时将相应纱线段插入传感器装置。除了额外操作努力外，在此也有以下危险，操作者容易忘记将纱线段插入传感器装置。

尽管也知道在变形过程中监视纱线张力的期间内这样的纱线结导致不希望的测量值变化。但在此已确定了在某种程度上由纱线结造成的测量值波动低于预定阈值，并因此未被探测发现。

发明内容

因此，本发明的目的是改善用于使合成纱线变形的通用方法和通用装置，使得在纱线路径中的每个纱线结可无需额外操作努力地被可靠识别。

本发明基于以下发现，即，因在纱线张力变化过程中的纱线结而随时间出现的纱线张力测量值变化导致了在独立的测量信号之间的典型关联性。在这里，与纱线张力阈值无关地出现因纱线结而导致的测量信号彼此关联性。因此，通过分析测量信号变化，可从中得到用于识别纱线结的典型特征。为此，根据本发明，该测量信号通过机器学习程序被分析。该机器学习程序容许多个测量信号的快速复杂分析，从而其彼此关联性能尤其以时间间隔被快速分析，因此，纱线结可被可靠快速地识别。

在此，纱线张力测量信号的时间序列作为分析图被探测和被分析的方法变型已被证明是极其有利的。

尤其为了能以与超出预定阈值的不允许的纱线张力变化有区别的方式处理允许的纱线张力变化，以下方法变型已被证明是很有利的，在高出纱线张力阈值时的纱线张力测量信号的时间序列作为瑕疵图被探测和被分析。该阈值例如也可包括因存在纱线张力的上限值和下限值而造成的容差范围。

因为有多个连续存在以供分析的测量信号，故在此通过机器学习程序的至少一个机器学习算法执行纱线张力测量信号的分析的方法变型已被证明是特别重要的。因此，人工智能即便在大量数据情况下也可被用来执行结构化分析以及在最短分析时间内执行纱线结识别。但为此首先需要机器学习算法为了学习而首先动用所确定的基础数据。为此，例如在工作过程开始时，已分析的分析图和已分析的瑕疵图被转交至待学习的机器学习算法。

在学习阶段后，机器学习算法可以自动执行借助测量信号分析或分析图或瑕疵图的纱线结的明确识别。

因为在变形过程中除了纱线结外还可能出现导致高出纱线张力阈值的其它干扰，故优选执行如下的本发明改进方案，在此，瑕疵图被对应分配给多个瑕疵图类别，其中该纱线结是其中一个瑕疵图类别。于是，通过扩展该机器学习算法，可以执行将该瑕疵图补充配属给瑕疵图类别。