本发明公开了一种针对柔性面料的工业缝纫机线迹保形方法。收集线迹良好产品的加工设备工艺参数数据集合D，构建工艺参数与压力调节的高斯混合模型P(y|θ)。利用工艺参数数据集合D的高斯混合成分，采用EM算法求解高斯混合模型参数。利用高斯混合模型求解工艺参数的合理分布，在生产过程中对生产工艺参数等间隔采样，获得实时工艺参数Q，以合理工艺参数为基准进行压脚压力自适应调节，解决压脚压力调节迟滞的问题。本方法实现了缝料压脚压力自适应调整，受外部环境因素影响小，可在多型号工业缝纫机上实施应用。
1.一种针对柔性面料的工业缝纫机线迹保形方法，其特征在于包括以下步骤：步骤1)收集经缝纫机缝制后的缝制产品，筛选出线迹良好产品，将线迹良好产品在缝制加工过程中的工艺参数构成数据集合D，数据集合D主要由多组数据样本组成，每组数据样本包括同一加工时刻的K个工艺参数y；
步骤2)建立工艺参数y与其对应的混合成分参数θ的高斯混合模型P(y|θ)，获得待求解的高斯混合模型的参数{(αi,μi,∑i)|1≤i≤k}；
步骤3)采用EM算法求解高斯混合模型的参数{(αi,μi,∑i)|1≤i≤k}；
步骤4)根据获得的高斯混合模型的参数建立工艺参数 的概率密度函数其中，表示由同组数据样本中的所有工艺参数组成的K维向量，∑表示由∑i组成的协方差矩阵， 表示由μi组成的K维向量；
步骤5)将待缝制的柔性面料送入缝纫机准备进行缝制，在缝制过程中对工艺参数等间隔实时采样，对每次采样获得的实时参数集Q执行以下步骤：
5.1)按照步骤4)计算实时参数集Q对应的概率密度p(Q)；
5.2)将概率密度p(Q)与设定的概率阈值 进行比较：若概率密度p(Q)不小于概率阈值缝纫机按照当前的实时参数集Q进行缝制；否则，调整实时参数集Q后再进行缝制，从而实现线迹保形。
2.根据权利要求1所述的一种针对柔性面料的工业缝纫机线迹保形方法，其特征在于：步骤1)中所述的线迹良好产品的筛选是根据缝制产品的线迹特征sym进行筛选的，具体是：线迹特征sym包括线迹良好、缝料起皱、线迹浮线三种特征：若面线、底线连锁交合点恰好处于缝料中间，针码、边距均匀一致，则判断缝制产品为线迹良好；否则，判断为缝料起皱或线迹浮线。
3.根据权利要求1所述的一种针对柔性面料的工业缝纫机线迹保形方法，其特征在于：步骤5.2)所述的实时参数集Q的调整具体是：
确定一组新的工艺参数作为调整参数集Q′，Q′的取值条件为：其中，Q′满足 同时保证Q与Q′在高斯混合模型空间中的笛卡尔距离小于其他任意一组满足 的工艺参数Q″。
4.根据权利要求1所述的一种针对柔性面料的工业缝纫机线迹保形方法，其特征在于：所述的柔性面料的种类包括棉、毛、化纤的针织面料、丝绸面料、麻纱面料。
5.根据权利要求1所述的一种针对柔性面料的工业缝纫机线迹保形方法，其特征在于：所述的步骤2)具体是：
其中，y表示工艺参数，θ表示工艺参数对应的混合成分参数矢量，K表示工艺参数的总个数，k表示工艺参数的序数，αk为混合系数，αk≥0， Φ(y|θk)表示第k个分模型；
其中，θk表示第k个分模型高斯分布的参数， μk表示第k个分模型高斯分布的均值，σk表示第k个分模型高斯分布的标准差；
2.2)构建变量Zj作为第j组数据样本xj的高斯混合成分：Zj＝paj,paj∈[1,k]
其中，paj表示xj对应的高斯混合成分参数，Zj的先验概率对应于{α1,α2,…,αk}；
2.3)根据贝叶斯定理求解Zj的后验分布pM(zj＝i|xj)，获得待求解的高斯混合模型的参数{(αi,μi,∑i)|1≤i≤k}：其中，i表示单个高斯混合成分，∑i为单个高斯混合成分的协方差，αi表示单个高斯混合成分对应的混合系数，μi表示单个高斯混合成分对应的均值，l表示高斯混合成分的序数，αl表示第l个高斯混合成分对应的混合系数，p表示高斯混合模型对应的概率密度函数，p(xj|μi,∑i)表示参数为xj、μi、∑i时高斯混合模型对应的概率密度函数，p(xj|μl,∑l)表示参数为xj、μl、∑l时高斯混合模型对应的概率密度函数，pM(zj＝i|xj)表示xj由第i个高斯混合成分生成后的后验概率。
6.根据权利要求1所述的一种针对柔性面料的工业缝纫机线迹保形方法，其特征在于：所述步骤3)具体是：
3.1)先根据工艺参数数据集合D，建立最大化对数似然函数LL(D)：式中，j表示第j组数据样本，m表示数据样本的总组数，p表示高斯混合模型对应的概率密度函数，pM(xj)表示xj对应的后验概率，p(xj|μi,∑i)表示参数为xj、μi、∑i时高斯混合模型对应的概率密度函数；
3.2)再采用EM算法进行优化求解，求解{(αi,μi,∑i)|1≤i≤k}参数，使LL(D)取得最大值。
一种针对柔性面料的工业缝纫机线迹保形方法
技术领域
[0001] 本发明属于缝纫机缝纫控制领域，具体涉及一种针对柔性面料的工业缝纫机线迹保形方法。
背景技术
[0002] 纺织服装行业是我国轻工业的重要组成部分，其中对面料的缝制是不可或缺的一环。在棉料、丝料等柔性面料的缝制过程中，利用人工监控缝纫情况，通过压脚的压力调节机构调节压脚压力。对劳动力需求量大，且压脚的压力调节的精度不高。同时不同材质缝料结合面摩擦力不同、线量供应与送布速度也会实时变化、外界环境存在扰动，导致压脚压力调节存在迟滞现象，不能很好的配合面料的缝制。压脚压力调节迟滞导致勾挑线机构与送料机构配合失效，导致缝纫过程出现缝料起皱、线迹浮线等问题。使得面料发生皱缩形变，造成物料的浪费。
发明内容
[0003] 为了解决背景技术中的问题，本发明提供了一种针对柔性面料的工业缝纫机线迹保形方法，通过建立高斯混合模型，揭示压脚压力相关工艺参数的作用机理。采用EM算法求解高斯混合模型参数，利用高斯混合模型求解工艺参数的合理分布。以合理工艺参数为基准实现实时工艺参数的自适应调节，解决压脚压力调节迟滞的问题。保证了柔性面料线迹平整，防止缝料起皱、线迹浮线的发生。
[0004] 本发明采用技术方案如下：
[0005] 步骤1)收集经缝纫机缝制后的缝制产品，筛选出线迹良好产品，将线迹良好产品在缝制加工过程中的工艺参数构成数据集合D，数据集合D主要由多组数据样本组成，每组数据样本包括同一加工时刻的K个工艺参数y。
[0006] 所述的数据集合D中包含m组数据样本：
[0007] D＝{x1,x2,…,xm}
[0008] 其中，第j组数据样本xj表示为：
[0009] xj＝{y1,y2,…,yk}
[0010] 式中，y1,y2,…,yk分别表示第一个工艺参数、第二个和第k个工艺参数的值；工艺参数包括缝纫机压脚高度、压脚振动力、压脚振动力矩、缝纫机针杆位移、需线量、供线量。
[0011] 缝纫机压脚高度：缝纫机的送料机构中压脚抬升的最大高度与布料缝制台表面的高度差。
[0012] 压脚振动力：缝纫机在运行过程中，压脚的弹性变形产生的力。
[0013] 压脚振动力矩：由于缝纫机内部连杆机构不平衡，产生惯性力矩，在缝制过程中不平衡力矩组成空间力矩系，导致压脚在六维空间下的多自由度振动。
[0014] 缝纫机针杆位移：缝纫机压脚从最高点运动到最低点过程中缝纫机针杆的垂直方向位移。
[0015] 需线量：缝纫机针在一个工作循环中，从布料平面起至针孔前端点所需要的线长。
[0016] 供线量：缝纫机机针在工作中供应的线量，为从起始点开始在缝纫机上各段线的距离之和与当前即时线量的差值。
[0017] 步骤2)建立工艺参数y与其对应的混合成分参数矢量θ的高斯混合模型P(y|θ)，获得待求解的高斯混合模型的参数{(αi,μi,∑i)|1≤i≤k}。
[0018] 步骤3)采用EM算法求解高斯混合模型的参数{(αi,μi,∑i)|1≤i≤k}。
[0019] 步骤4)根据获得的高斯混合模型的参数建立工艺参数 的概率密度函数[0020]
[0021]
[0022] 其中，表示由同组数据样本中的所有工艺参数组成的K维向量，∑表示由∑i组成的协方差矩阵， 表示由μi组成的K维向量。
[0023] 步骤5)将待缝制的柔性面料送入缝纫机准备进行缝制，在缝制过程中对工艺参数等间隔实时采样，每次采样获得的所有工艺参数构成实时参数集Q，对实时参数集Q执行以下步骤：
[0024] 5.1)按照步骤4)计算实时参数集Q对应的概率密度p(Q)；
[0025] 5.2)将概率密度p(Q)与设定的概率阈值 进行比较：若概率密度p(Q)不小于概率阈值 缝纫机按照当前的实时参数集Q进行缝制；否则，调整实时参数集Q后再进行缝制，从而实现线迹保形。
[0026] 实时参数集Q表示为：
[0027] Q＝{o1′,o2′,…,ok′}
[0028] 其中，oi′为第i个实时参数在当前生产过程中对应的真实参数。
[0029] 步骤1)中所述的线迹良好产品的筛选是根据缝制产品的线迹特征sym进行筛选的，具体是：线迹特征sym包括线迹良好、缝料起皱、线迹浮线三种特征：若面线、底线连锁交合点恰好处于缝料中间，缝线不紧不松，整齐美观，针码、边距均匀一致，符合工艺要求，则判断缝制产品为线迹良好，sym＝1；否则，判断为缝料起皱sym＝2或线迹浮线sym＝3。
[0030] 若满足以下条件之一则判断为缝料起皱：一、面线呈飘浮状；二、底线呈飘浮状；三、针距时长时短；四、缝料下面每针都有线套出现，呈毛巾线套状。
[0031] 若满足以下条件之一则判断为线迹浮线：一、面、底线拉力的松紧配合不好，以致缝料一面线迹比较好，另一面则成直线状；二、线迹不稳定，在一段缝纫线迹中，一时正面线迹好，反面不好，一时正面不好、反面好；三、缝料的反面露出线结。
[0032] 根据线迹特征sym区分柔性面料加工是否良好：
[0033]
[0034] 其中，f(x)＝true表示线迹良好产品，f(x)＝false表示线迹不良产品。sym表示线迹特征，其中sym＝1表示线迹平整，sym＝2表示缝料起皱，sym＝3表示线迹浮线。
[0035] 步骤5.2)所述的实时参数集Q的调整具体是：
[0036] 确定一组新的工艺参数作为调整参数集Q′，Q′的取值条件为：
[0037]
[0038] 其中，Q′满足 同时保证Q与Q′在高斯混合模型空间中的笛卡尔距离小于其他任意一组满足 的工艺参数Q″。若存在多组满足 的Q′，且Q与Q′在高斯混合模型空间中的笛卡尔距离相同，则任取一组工艺参数作为新的参数集，实现缝纫机在缝制过程中的自适应调节。
[0039] 所述的柔性面料的种类包括棉、毛、化纤的针织面料、丝绸面料、麻纱面料。
[0040] 所述的步骤2)具体是：
[0041] 2.1)建立高斯混合模型P(y|q)：
[0042]
[0043] 其中，y表示工艺参数，θ表示工艺参数对应的混合成分参数矢量，K表示工艺参数的总个数，k表示工艺参数的序数，αk为混合系数，αk≥0， Φ(y|θk)表示第k个分模型。
[0044] 第k个分模型具体表示为：
[0045]
[0046] 其中，θk表示第k个分模型高斯分布的参数， μk表示第k个分模型高斯分布的均值，σk表示第k个分模型高斯分布的标准差。
[0047] 2.2)构建变量Zj作为第j组数据样本xj的高斯混合成分：
[0048] Zj＝paj,paj∈[1,k]
[0049] 其中，paj表示xj对应的高斯混合成分参数，Zj的先验概率对应于{α1,α2,…,αk}。
[0050] 2.3)根据贝叶斯定理求解Zj的后验分布pM(zj＝i|xj)，获得待求解的高斯混合模型的参数{(αi,μi,∑i)|1≤i≤k}：
[0051]
[0052] 其中，i表示单个高斯混合成分，∑i为单个高斯混合成分的协方差，αi表示单个高斯混合成分对应的混合系数，μi表示单个高斯混合成分对应的的均值，l表示第l个高斯混合成分，αl表示第l个高斯混合成分对应的混合系数，p表示高斯混合模型对应的概率密度函数，p(xj|μi,∑i)表示参数为xj、μi、∑i时高斯混合模型对应的概率密度函数，p(xj|μl,∑l)表示参数为xj、μl、∑l时高斯混合模型对应的概率密度函数，pM(zj＝i|xj)表示xj由第i个高斯混合成分生成后的后验概率，后验概率的值计为ωji。
[0053] 所述步骤3)具体是：
[0054] 3.1)先根据工艺参数数据集合D，建立最大化对数似然函数LL(D)：
[0055]
[0056] 式中，j表示第j组数据样本，m表示m组数据样本，p表示高斯混合模型对应的概率密度函数，pM(xj)表示xj对应的后验概率，p(xj|μi,∑i)表示参数为xj、μi、∑i时高斯混合模型对应的概率密度函数。
[0057] 3.2)再采用EM算法进行优化求解，求解{(αi,μi,∑i)|1≤i≤k}参数，使LL(D)取得最大值。
[0058] 本发明的有益效果是：
[0059] 1、本发明通过建立工艺参数高斯混合模型，揭示压脚压力相关工艺参数的作用机理。在相关工艺参数时不再凭经验，为工艺参数选择提供可靠依据。
[0060] 2、本发明采用EM算法求解高斯混合模型参数，通过多次迭代计算得到工艺参数高斯混合模型的各项参数，使得工艺参数高斯混合模型更加符合生产过程中的真实情况。
[0061] 3、利用高斯混合模型求解工艺参数的合理分布，在生产过程中获得实时工艺参数，以合理工艺参数为基准进行压脚压力自适应调节，解决压脚压力调节迟滞的问题。
[0062] 4、在工艺参数调节选择时，在满足工艺参数符合要求的前提下，保证调节前后工艺参数在高斯混合模型空间中的笛卡尔距离最小。防止工艺参数变化过大而给加工系统带来扰动。
附图说明
[0063] 图1是本发明的流程总图。
[0064] 图2是本发明基于EM算法求解高斯混合模型参数示意图。
具体实施方式
[0065] 下面结合附图和实施例对本发明作进一步的详细描述。
[0066] 具体实施例：
[0067] 以平缝机缝制丝料衬衫为例，该加工过程中压脚压力调节涉及的主要参数有压脚高度、针杆位移、压脚振动力、压脚振动力矩、需线量、供线量6个参数。
[0068] 如图1所示是平缝机缝制丝料衬衫压脚压力控制运行流程总图，压脚压力控制的主要步骤如下：
[0069] 第一步，缝纫机缝制过程中压脚压力调节相关工艺参数有6个，则一组加工过程工艺参数以xj表示：
[0070] xj＝{o1,o2,…,o6}
[0071] 其中oi为第i个加工工艺参数在生产过程中对应的真实参数。
[0072] 根据柔性面料缝线的线迹特征sym区分柔性面料加工是否良好：
[0073]
[0074] 其中，f(x)＝true表示线迹良好产品，f(x)＝false表示线迹不良产品。sym表示线迹特征，其中sym＝1表示线迹平整，sym＝2表示缝料起皱，sym＝3表示线迹浮线。
[0075] 收集线迹良好产品的加工设备工艺参数数据集合D，其中，D中包含m组加工过程工艺参数xj：
[0076] D＝{x1,x2,…,xm}
[0077] 第二步：构建具有对应6个相关工艺参数的6维分形模高斯混合模型：
[0078]
[0079] 其中αk为混合系数，αk≥0， Φ(y|θk)是高斯分布密度，为第K个分模型。
[0080] 构建变量Zj作为xj的高斯混合成分：
[0081] Zj＝paj,paj∈[1,6]
[0082] 其中，paj表示xj对应的高斯混合成分对应的参数，Zj的先验概率对应于{α1,α2,…,α6}。
[0083] 根据贝叶斯定理，求解Zj的后验分布：
[0084]
[0085] 其中，∑i为第i个高斯混合成分的协方差，pM(zj＝i|xj)表示工艺参数数据集合D中样本xj由第i个高斯混合成分生成后的后验概率，计为ωji。
[0086] 第三步：采用EM算法求解高斯混合模型参数，流程如图2所示。
[0087] 3.1)更新工艺参数数据集合D中样本xj由第i个高斯混合成分生成后的后验概率ωji。
[0088] 3.2)更新{(αi,μi,∑i)|1≤i≤6}
[0089] 其中，根据工艺参数数据集合D，采用最大化对数似然求解高斯混合模型的参数{(αi,μi,∑i)|1≤i≤6}：
[0090]
[0091] 采用EM算法进行优化求解，求解{(αi,μi,∑i)|1≤i≤6}参数，使LL(D)取得最大值。
[0092] 根据 得：
[0093]
[0094] 将ωji＝pM(zj＝i|xj)带入上式，可得：
[0095]
[0096] 根据 可得：
[0097]
[0098] 对于混合系数αi，在LL(D)取得最大值前提下，满足αi≥0， 将LL(D)表示为拉格朗日形式：
[0099]
[0100] 其中λ为拉格朗日乘子，令上式对αi的导数为0，可得：
[0101]
[0102] 由于λ＝-m，将等式两边同乘以αi，可得：
[0103]
[0104] 3.3)判断收敛条件：
[0105] |p(xj|Φ)-p′(xj|Φ)|<ε
[0106] 其中，p(xj|Φ)为上一次工艺参数xj样本的概率，p′(xj|Φ)为本次工艺参数xj样本的概率，两者差值小于ε时迭代结束，取ε＝10-5。
[0107] 若收敛条件不满足，重复3.1)、3.2)步骤，直到满足3.3)的收敛条件，此时获得的{(αi,μi,∑i)|1≤i≤6}就是高斯混合模型的参数。
[0108] 第四步，利用高斯混合模型求解工艺参数的合理分布，以合理工艺参数为基准进行压脚压力自适应调节。
[0109] 针对高斯混合模型分布估计，可获得工艺参数 的概率密度函数
[0110]
[0111] 其中，为K维随机向量，∑为∑i组成的n×n的协方差矩阵，为μi组成的K维向量。
[0112] 设定工艺参数 的概率的可接受范围：
[0113]
[0114] 其中， 表示工艺参数 的取值在合理范围内， 表示工艺参数 的取值不在合理范围内。为工艺参数 概率可接受的阈值，取95.45％。
[0115] 在生产过程中对生产工艺参数等间隔采样，获得实时工艺参数Q：
[0116] Q＝{o1′,o2′,…,ok′}
[0117] 其中，oi′为第i个加工工艺参数在当前生产过程中对应的真实参数。
[0118] 计算实时工艺参数Q对应的概率密度p(Q)，如果 则以当前工艺参数Q加工出的产品线迹平整，工艺参数不需要调节。如果 则取一组工艺参数Q′，Q′的取值条件为：
[0119]
[0120] 其中，Q′满足 同时保证Q与Q′在高斯混合模型空间中的笛卡尔距离小于其他任意一组满足 的工艺参数Q″。若存在多组满足 的Q′，且Q与Q′在高斯混合模型空间中的笛卡尔距离相同，则任取一组工艺参数作为新的压脚压力参数，实现压脚压力的自适应调剂。
