基于灰色系统理论的筒子纱卷绕密度测量误差预测

为提高采用激光扫描建模的筒子纱卷绕密度测量方法的测量精度,提出基于灰色系统理论的测量误差预测方法。通过灰色关联分析脉冲频率、采样周期和参数K与测量误差的相关性,获得满足灰色建模要求的建模参数。根据实际建模结构为非线性和建模因子序列中元素变化幅度较大的特点,基于传统多变量GM(1,N)幂模型,引入背景值优化和分数阶累加生成得到优化后的GM(1,N)幂模型,然后结合粒子群优化算法通过幂指数自适应寻优建立PSGM(1,N)幂模型,利用实际采集数据进行建模精度验证。结合测量误差预测值对卷绕密度测量值进行校正,得到更精确的卷绕密度值。结果表明,相比于传统多变量GM(1,N)幂模型,PSGM(1,N)幂模型的卷绕密度测量误差预测精度提升了48.6%,激光扫描建模方法的测量精度提高了11.7%。

基于机器视觉的细纱接头机器人纱线断头定位方法

为实现通过机器视觉方式对细纱接头机器人的纱线断头进行定位,并简化机械结构,根据断头纱线图像特点,提出针对纱线特征的识别与定位算法。利用工业相机采集纱线被吸入吸嘴的图像,通过改进灰度增强方法增大纱线特征与背景对比度,利用Canny算子进行边缘检测,最后通过划分上下感兴趣区域以及优化的霍夫直线检测获取纱线的图像特征并利用定位算法提取所需的位置信息。结果表明:本文算法提取的位置信息精度较高,坐标点误差为1.42像素,角度误差为0.60°;相较于传统检测算法,程序运行时间得到了缩短,识别时间在10^(-1) s数量级上,实时性好;研究成果可应用于细纱接头机器人产品开发中。

采用激光扫描建模的筒子纱卷绕密度测量方法

为适应智能高质量染色需求,解决当前筒子纱卷绕密度测量精度差、效率低和数字化管控不理想等问题,提出了基于激光位移传感器快速扫描获取数据建立数学模型的筒子纱卷绕密度测量方法。通过控制采样距离和扫描路径及范围,得到充分反映筒子纱形状特征的原始点集。根据不同噪声点的特征和统计学理论,对原始点集加入约束条件实现预处理,通过最小二乘法拟合和旋转面方程对点集分类处理,重建出高精度的筒子纱纱线表面轮廓的数学模型,运用三重积分得到纱线体积,从而计算出精确的卷绕密度。实验结果表明,本文方法相对误差可控制在2.5%以内,标准偏差0.069%,效率高,性能明显优于行业现用方法。

服装企业包装订单分配排序优化模型及其快速非支配遗传算法求解

为解决纺织服装生产企业包装出货过程中在包装订单分配与排序时存在的分配方案不合理、拖期时间长等问题,在考虑包装线机器分配及机器调整时间约束的情况下,建立以最小化最大完成时间和拖期时间为目标函数的包装订单分配排序两目标优化数学模型,并采用基于参考点的快速非支配遗传算法对模型进行求解,然后对优化解进行解码输出优化方案。通过该模型与算法求解相关企业的具体算例,结果表明:该模型输出结果缩短了最大完成时间,有效地控制了拖期,几种优化方案的平均最大完成时间相较于按交货期优先规则的方案缩短了4.7%,且所有方案的总拖期均小于4 h。研究成果在提升纺织服装生产企业的包装出货效率方面具有良好的应用与推广价值。

基于改进凸包缺陷算法的扎带定位方法

针对传统视觉在检测捆扎带时存在难检、漏检、定位扎带位置困难和速度慢等问题,提出一种基于改进凸包缺陷算法的扎带定位方法。采用自适应直方图均衡化图像增强算法,以增强编织袋区域与背景的对比度;利用快速凸包算法获得编织袋轮廓的凸包,减少获取凸包的时间;最后,通过改进凸包缺陷算法对编织袋轮廓凸包进行缺陷检测,根据检测结果中凸包缺陷点的位置和缺陷深度进行筛选得到扎带定位点。同时为验证该算法的准确性与鲁棒性,在具有复杂背景干扰的环境下进行实验,将传统凸包缺陷算法与改进后的凸包缺陷算法进行对比分析。实验结果表明:相比于传统凸包缺陷算法无法检测出编织袋轮廓的全部缺陷从而存在漏检,改进后的凸包缺陷算法漏检率为0,定位误差小于4 mm,可有效定位扎带位置并具有较高的鲁棒性。