[发明专利]磨损判断系统及纤维机械系统

说明书

本发明提供磨损判断系统及纤维机械系统。磨损判断系统是对构成将卷装(P)以能够旋转的方式进行支承的摇架(31)的部件中的、在利用驱动部(47)使卷装(P)旋转的期间内发生磨损的磨损部件的磨损状态进行判断的系统。磨损判断系统(100)具备：获取部(81A)，该获取部获取状态变量，该状态变量包括摇架(31)产生的振动、和从使对卷装(P)的旋转进行制动的制动装置(39)工作起直到卷装(P)的旋转停止为止的旋转数或时间；以及解析部(81B)，该解析部基于由获取部(81A)获取到的状态变量来判断磨损部件的磨损状态。

技术领域

本发明涉及磨损判断系统及纤维机械系统。

背景技术

已知一种具备向卷绕管卷绕纱线而形成卷装的纤维处理单元的纤维机械。纤维机械的纤维处理单元具有将卷装以能够旋转的方式进行支承的摇架。

当构成摇架的部件局部磨损时，有时会产生与本来的动作不同的举动而影响卷装的质量。另外，这些举动由于大多不会出现在生产效率等运转数据中，所以即使在超过了作为更换时期标准的磨损量的情况下也无法注意到。因此，若更换延迟则有可能引起故障。

例如，日本特开平6-127833号公报中公开了一种磨损判断系统(摇架的故障诊断装置)，其具备：加速度传感器，该加速度传感器检测支承卷装的摇架的加速度；和判断部，该判断部基于由加速度传感器检测到的加速度、或从该加速度计算出的振动速度、或振幅值来判断摇架的异常。

发明内容

根据如上所述的磨损判断系统，与以往基于目视的检查不同，能够获得客观的检查结果。近年来，随着信息处理技术的提高而能够基于更多信息进行处理，并谋求更高精度的磨损判断结果。

因此，本发明的目的在于，提供一种磨损判断系统及纤维机械系统，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。

本发明的磨损判断系统对向卷绕管卷绕纱线而形成卷装的纤维处理单元中包含的部件、且构成将卷装以能够旋转的方式进行支承的摇架的部件中的、在利用驱动部使所述卷装旋转的期间内发生磨损的磨损部件的磨损状态进行判断，该磨损判断系统具备：获取部，该获取部获取状态变量，该状态变量包括摇架产生的振动、和从使对卷装的旋转进行制动的制动装置工作起直到卷装的旋转停止为止的旋转数或时间；以及判断部，该判断部基于由获取部获取到的状态变量来判断磨损部件的磨损状态。此外，此处所说的获取部及判断部不是指收集作为对象的信息并将其转换为能够由运算装置等处理的信号的元件等传感器，而是指作为运算装置的功能的一部分而设置的部分。

在该磨损判断系统中，不仅基于摇架产生的振动、还基于从使对卷装的旋转进行制动的制动装置工作起直到卷装的旋转停止为止的旋转数或时间，来判断磨损部件的磨损状态。由此，由于在考虑了至少包括“摇架产生的振动”和“直到旋转停止为止的卷装的旋转数或时间”在内的多个要素的情况下判断磨损部件的磨损状态，所以能够进行更恰当的判断。本申请发明人弄清楚了“摇架产生的振动”和“直到旋转停止为止的卷装的旋转数或时间”很好地反映磨损部件的磨损状态这一情况。其结果是，通过根据至少这两个状态变量进行判断，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。

也可以是，本发明的磨损判断系统还具备存储通过机器学习生成的分析模型的存储部，判断部向分析模型输入状态变量，并将磨损部件的磨损状态作为判断结果输出。根据该磨损判断系统，能够通过机器学习实现高精度的磨损状态的判断。而且，在通过机器学习生成分析模型之后，能够容易且高精度地判断磨损状态。

也可以是，在本发明的磨损判断系统中，分析模型是使用将状态变量与获取到状态变量时的磨损部件的磨损状态相关联得到的训练数据进行了学习的已学习模型。在该磨损判断系统的分析模型中，由于能够从上述使用训练数据进行了学习的分析模型导出磨损状态，所以被导出的磨损状态的精度高。因此，能够更高精度地判断磨损部件的磨损状态。