CN119400311A 一种大模型辅助的针织生产线动态配置与快速响应方法 （广东河银装备科技有限公司）

一种大模型辅助的针织生产线动态配置与本申请提供一种大模型辅助的针织生产线2对染料性质与纱线摩擦系数的关联数据进行挖掘，分析染料分子结根据染料性质与摩擦系数分布特征，对染料配方组成进行聚类分在数字孪生模型中设置染料性质、纱线特性和摩擦系数边界条在织造过程中实时采集染料性质纺线摩擦系数数据，对比数字孪生模型的仿真结果，持续采集染料性质、纱线摩擦系数和织造过程参数数据，对数优化系统进行迭代更新和自适应调整，提高织造质量稳定性和新染料配方的工艺适应性，2.根据权利要求1所述的一种大模型辅助的针织生产线动态配置与快速响应方法，其获取染料分子量信息及极性基团数量，其中所述染料分子量信息从PubChem数据库获根据所述染料分子量信息及极性基团数量，利用PyMOL分子建模工具构建染料分子三从生产线历史数据库中提取过去五年内生产批次信息，采用Python的Pa采用ApacheHive构建数据仓库，将染料性质参数与标准化数据集关联利用相关性分析方法对染料性质与生产参数关若需要生成染料选择推荐列表，则利用Apriori关联规则挖掘算法从数据仓库中提取33.根据权利要求1所述的一种大模型辅助的针织生产线动态配置与快速响应方法，其获取染料分子结构参数，所述染料分子结构参数包括分子量、极性分析纱线表面微观照片，得到纤维排列度和表面粗糙度，进行降维处理，计算特征值，选择累计贡献率达到预设阈值的主采用Gini指数进行特征选择，通过交叉验证评估模型准确性，得到染4.根据权利要求1所述的一种大模型辅助的针织生产线动态配置与快速响应方法，其若所述统计分布参数满足预设条件，则应用多元线性回归方法5.根据权利要求1所述的一种大模型辅助的针织生产线动态配置与快速响应方法，其获取染料性质数据与纱线摩擦系数数据，采用Z_score标准化方法将不同量纲数据转4对标准化数据进行主成分分析，确定累积贡献率达到95％的主成分根据数据集使用K_means聚类算法对染料配方组成进行分组，通过轮廓系数法判断最采用CART决策树算法建立染料性质到摩擦系数的预测模型，通过网格搜根据预测模型生成染料配方与摩擦系数映射库，映射库包含染料采用滑动窗口法更新映射库中染料配方与摩擦系数映射6.根据权利要求1所述的一种大模型辅助的针织生产线动态配置与快速响应方法，其获取针织机械数据库中的机械结构参数，所述机械结构参采用高精度位置传感器采集织针运动位置信息，根据位置信息通根据织物设计图纸，采用卷积神经网络进行图像分割和特征提取，得到采用长短期记忆网络构建织造过程数字孪生模型，所述数字孪生模型以机械7.根据权利要求1所述的一种大模型辅助的针织生产线动态配置与快速响应方法，其5采用ANSYS有限元分析软件构建纱线几何模型和织物几何模型，若纱线几何模型构建根据纱线几何模型确定纱线材料属性和接触条件，设置织针运动轨采用显式动力学求解器进行织造过程仿真，显式动力学求解器基于Courant_通过正交试验设计方法设置试验方案，所述试验方案包括因素数量和采用ParaView科学可视化软件展示纱线运动轨迹和应力分布，通过灰立影响因子的权重模型，影响因子的权重模型用于定量描述各因素对织造过程的影响程8.根据权利要求7所述的一种大模型辅助的针织生产线动态配置与快速响应方法，其9.根据权利要求1所述的一种大模型辅助的针织生产线动态配置与快速响应方法，其根据纺线摩擦系数数据及染料性质数据，利用基于物理的有限元采用均方根误差方法比较纺线摩擦系数数据与理论织造参数之间的差若织造参数优化模型的输出结果满足预设的性能指标阈值，则6获取染料配方数据库中新染料配方化学组成及性质参数，所述性质参数包括分子量、将所述综合影响指数输入预先建立的随机森林回归模型，随机森林将预测的摩擦系数范围输入数字孪生模型，通过Latin超立方采样生成多组织造参数利用Python的pandas库处理仿真实验结根据所述最优参数组合生成织造参数设置范围报告及工艺优化建议7[0002]在针织生产线中，不同颜色的染料会对纱线的摩擦系数产生细微但关键的影染料因素对纱线摩擦系数的影响，并将其有效整合到织造过程模型中,都是亟待解决的关[0003]本发明提供了一种大模型辅助的针织生产线动态配置与快速响应方法，主要包8[0015]图1为本发明的一种大模型辅助的针织生产线动态配置与快速响应方法的流程[0016]图2为本发明的一种大模型辅助的针织生产线动态配置与快速响应方法的示意[0017]图3为本发明的一种大模型辅助的针织生产线动态配置与快速响应方法的又一示[0019]如图1_3，本实施例一种大模型辅助的针织生产线动态配置与快速响应方法具体[0021]获取染料分子量信息及极性基团数量，其中所述染料分子量信息从PubChem数据准化数据集关联映射至事实表和维度表，通过MicrosoftAnalysisServices构建多维数据从数据仓库中提取染料性质与生产参数之间的关联规则。9算染料极性基团数量并记录，利用PyMOL分子建模工具构建染料分子三维空间结构模型并引优化提高数据检索效率。使用相关性分析方法对染料性质与生产参数关系进行深入分系统调用。利用Apriori关联规则挖掘算法从数据仓库中提取染料性质与生产参数之间的过drop_duplicates函数删除重复记录，最终得到标准化数据集共计50,000条。使用化。利用主成分分析方法对多维数据进行降维处理，计算特征值并选择累计贡献率达到到152条强关联规则，如{分子量:[320_380),极性基团:[4_5)}＝>{摩擦系数:[0.25_面形态特征数据集。利用主成分分析方法对染料分子结构和色谱特征数据进行降维处理，输出不同染料性质组合下纱线的表面粗糙度和线密度预测值。使用K_means聚类算法将预形态特征的分布情况。从染料数据库提取100种染料的分子结构参数，分子量范围为200_计在200_800nm范围内以2nm间隔测量吸收光谱，分光光度计在400_700nm范围内以10nm间[0034]获取染料性质数据与纱线摩擦系数数据，采用Z_score标准化方法将不同量纲数根据数据集使用K_means聚类算法对染料配方组成进行分组，通过轮廓系数法判断最佳聚配方与摩擦系数的映射关系，采用CART决策树算法建立染料性质到摩擦系数的预测模型，准差为1。主成分分析结果显示，前5个主成分累积贡献率达到96.3选为聚类输入。与织造参数之间的关联模型，将染料配方与摩擦系数映射库中的数据与织造参数进行匹参数导入数字孪生模型中作为初始条件。利用ANSYS有限元分析软件构建纱线和织物的几力学求解器进行织造过程仿真，基于Courant_Friedrichs_Lewy条件确定时间步长为1e_61_10个；纱线特性包括线密度10_50tex，强力3_8cN/dtex，伸长率5_20摩擦系数范围测量纱线摩擦系数，测试条件为温度20℃,相对湿Wiechert黏弹性纱线本构模型。利用显式动力学求解器中的中心差分法进行织造过程仿Maxwell_Wiechert模型包含3个Maxwell单元，弹性模量E1＝1000MPa，E2＝800MPa，E3=据纺线摩擦系数数据及染料性质数据，利用基于物理的有限元数字孪生模型进行实时仿度Q学习网络构建织造参数优化模型，织造参数优化模型用于动态调整织针运动轨迹方程0.001s。pandas处理结果，计算织造效率93_98织物强力变异系数2.5_4