基于物联网及云计算平台的云回潮率监测系统的制作方法
【技术领域】
[0001]本发明涉及通信技术领域，尤其涉及一种基于物联网及云计算平台的云回潮率监测系统。
【背景技术】
[0002]回潮率是指纤维的含水重量占纤维干重的百分比，用于表示纺织材料的吸湿程度。纤维处于不同的回潮率时，会表现出不同的强度、导电性和色泽等性质。在纺织品的生产过程中，不同的步骤，不同的工艺要求原材料或半成品处于不同的回潮率，只有合适的回潮率才能保证工艺需求的导电性、弹性、粘度等重要指标，因此，需要时刻监测各个工艺的回潮率，以保证产品质量。
[0003]现有技术中，常用的回潮率检测方法有烘箱法、微波测量法、电测法、核磁共振测量法等。现有技术的回潮率检测方法通常是对待检测纺织品进行采样测量或者局部测量，且不能综合考虑空气湿度、温度等因素对测量结果的影响。例如，电测法:通过测量待检测纺织品的表面电流进行回潮率检测，或者是通过对待检测纺织品进行采样，测量样品的回潮率，或者是通过有经验的测试人员操作测试设备，将测试探头插入待检测纺织品包裹的合适深度进行测量。该电测法为局部测量，且在测试过程中没考虑空气湿度、待检测纺织品的密度等因素对测试结果的影响。可见，由于现有技术的回潮率检测方法不具有全局性和实时性，因此只适合用于纺织品交易过程中的回潮率检测，而不适用于纺织品生产领域的全流程回潮率监测。
【发明内容】
[0004]针对现有技术的上述缺陷，本发明提供一种基于物联网及云计算平台的云回潮率监测系统。
[0005]本发明提供一种基于物联网及云计算平台的云回潮率监测系统，所述系统包括:数据采集设备、云计算平台和回潮率探测设备；
[0006]数据采集设备采集各个工厂的管理设备的操作日志数据、生产设备的实时运转状态数据、现场环境数据、原料及其产品的质检数据，并将采集的数据发送给云计算平台；
[0007]云计算平台将数据采集设备采集的数据作为样本数据，利用贝叶斯网络模型自动训练算法生成回潮率探测模型；
[0008]回潮率探测设备将其所在工厂的现场数据发送给云计算平台，所述现场数据包括工厂的管理设备的操作日志数据、生产设备的实时运转状态数据、现场环境数据、原料及其产品的质检数据；
[0009]云计算平台依据回潮率探测设备发送的现场数据，识别出与该现场数据相匹配的回潮率探测模型，计算出回潮率，并发送给回潮率探测设备。
[0010]如上所述的系统，其中，所述回潮率探测模型包括:棉包回潮率探测模型、清棉工艺回潮率探测模型、梳棉工艺回潮率探测模型、条卷工艺回潮率探测模型、精梳工艺回潮率探测模型、并条工艺回潮率探测模型、粗纱工艺回潮率探测模型、细纱工艺回潮率探测模型、络筒工艺回潮率探测模型、捻线工艺回潮率探测模型、摇纱工艺回潮率探测模型、成包工艺回潮率探测模型、整经工艺回潮率探测模型、浆纱工艺回潮率探测模型、穿经工艺回潮率探测模型和织造工艺回潮率探测模型。
[0011]如上所述的系统，优选地，所述云计算平台依据其存储的样本数据，利用贝叶斯网络模型自动训练算法对已生成回潮率探测模型定期优化。
[0012]如上所述的系统，优选地，所述云计算平台还设置有贝叶斯网络模型参数调整接口，通过所述接口可以对生成的回潮率探测模型进行修正。
[0013]如上所述的系统，其中，所述回潮率探测设备将其所在工厂的现场数据发送给云计算平台，具体包括:
[0014]回潮率探测设备接收其所在工厂内设置的数据采集设备采集的现场数据，并将所述现场数据发送给云计算平台。
[0015]本发明提供的基于物联网及云计算平台的回潮率监测系统，包括了数据采集设备、云计算平台和回潮率探测设备，数据采集设备采集各个工厂的管理设备的操作日志数据、生产设备的实时运转状态数据、现场环境数据、原料及其产品的质检数据，并将采集的数据发送给云计算平台，云计算平台将数据采集设备采集的数据作为样本数据，利用贝叶斯网络模型自动训练算法生成回潮率探测模型，回潮率探测设备将其所在工厂的现场数据发送给云计算平台，以使云计算平台可以依据回潮率探测设备发送的现场数据，识别出与该现场数据相匹配的回潮率探测模型，计算出回潮率，并发送给回潮率探测设备，实现了纺织品生产过程中的回潮率实时监测。当监测到原材料或半成品的回潮率与工艺要求不匹配时，发出报警信号以对原材料或半成品的回潮率进行及时调整，提高了产品质量。
【附图说明】
[0016]图1为本发明基于物联网及云计算平台的回潮率监测系统实施例一的结构示意图；
[0017]图2为本发明基于物联网及云计算平台的回潮率监测系统实施例二的结构示意图。
【具体实施方式】
[0018]为使本发明的目的、技术方案和优点更加清楚，下面本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0019]图1为本发明基于物联网及云计算平台的回潮率监测系统实施例一的结构示意图。如图1所示，本实施例的基于物联网及云计算平台的回潮率监测系统包括:数据采集设备101、云计算平台102和回潮率探测设备103。其中，数据采集设备101采集各个工厂的管理设备的操作日志数据、生产设备的实时运转状态数据、现场环境数据、原料及其产品的质检数据，并将采集的数据发送给云计算平台；云计算平台102将数据采集设备101采集的数据作为样本数据，利用贝叶斯网络模型自动训练算法生成回潮率探测模型；回潮率探测设备103将其所在工厂的现场数据发送给云计算平台，所述现场数据包括工厂的管理设备的操作日志数据、生产设备的实时运转状态数据、现场环境数据、原料及其产品的质检数据；云计算平台102依据回潮率探测设备103发送的现场数据，识别出与该现场数据相匹配的回潮率探测模型，计算出回潮率，并发送给回潮率探测设备103。
[0020]具体的，所述回潮率探测设备将其所在工厂的现场数据发送给云计算平台，具体可以包括:
[0021]回潮率探测设备接收其所在工厂内设置的数据采集设备采集的现场数据，并将所述现场数据发送给云计算平台。
[0022]分布在各个工厂的回潮率探测设备具有设置管理设备的操作记录的功能、生产设备的实时运转状态数据录入功能、现场环境数据录入功能、原料及其产品的质检数据录入功能，并具备将这些现场数据提交到云计算平台中相应的贝叶斯网络模型，计算工艺回潮率的功能。贝叶斯网络模型是一种不确定性知识表示和推理模型，当操作记录、设备实时运转状态数据、现场环境数据和原料、产品质量检测数据不完备时，也能够进行推理，识别出当时的回潮率。
[0023]自动训练算法定期优化模块将定期随着数据中心的历史数据的积累，自动优化贝叶斯网络模型集合中的识别模型。
[0024]本实施例中，云计算平台可以同时基于管理设备的操作日志、生产设备实时运转状态数据、工厂现场环境数据、原料及其产品的质检数据和回潮率之间的规律来分析出当前工艺的回潮率。也可以采用以贝叶斯网络模型为代表的概率图模型，在部分当前管理设备的操作日志、生产设备实时运