[发明专利]一种基于织机产能预测织机了机的方法及系统

权利要求书

1.一种基于织机产能预测织机了机的方法，其特征在于，包括：

采集织造车间生产数据；

利用预先建立的数据清洗算法清洗所述生产数据，获得有效生产数据样本集；

根据所述生产数据样本集，计算出同经轴加工过程中的产能样本集；

利用二分聚类算法聚类计算所述产能样本集，获得产能系数；

根据所述产能系数和所述产能样本集，计算出织机了机预测时间；

其中，根据所述生产数据样本集，计算出同经轴加工过程中的产能样本集包括：

；

式中：=1，2，3…n-1，为采样点数量； 为织布产量长度；为产能；

利用二分聚类算法聚类计算所述产能样本集，获得产能系数包括：

将所述产能样本集划分为多个互不相交的类簇，将所述类簇按照所述类簇中成员数量由多至少排序，并剔除掉排序尾部的若干所述类簇；

将剩余所述类簇归属至同一个大类簇，并利用K-Means聚类算法将所述大类簇一分为二；

根据最快降低整个聚类类簇的误差平方和的值从划分好的所述大类簇中选择其中一个继续二分操作，直至划分后类簇数据等于聚类指数；

根据公式，计算所述产能系数；

；

式中：表示产能系数；表示第个产能样本集类簇；表示第i个产能样本集成员数量；为聚类指数；N为剔除掉排序尾部所述类簇的数量；为1，2，…()；

根据所述产能系数和所述产能样本集，计算出织机了机预测时间包括：

；

式中：为第个采样点的剩余了机时间；为第个采样点的经轴设定长度；为第个采样点的经轴缩率；为第个采样点的织布总产量；为第个采样点的产能系数。

2.如权利要求1所述的基于织机产能预测织机了机的方法，其特征在于，所述生产数据包括织机生产状态下的动态数据和静态数据，所述动态数据包括织布产量、采样时间点和当前班次，所述静态数据包括经轴编号、经轴缩率和设定轴长。

3.如权利要求2所述的基于织机产能预测织机了机的方法，其特征在于，利用预先建立的数据清洗算法清洗所述生产数据，获得有效生产数据样本集包括：

将所述生产数据按时序顺序输入到清洗算法中；

将每个采集点的经轴信息与前序采集点的经轴信息比较，划分出隶属不同经轴的数据，并剔除掉产量小于所述前序采集点产量的数据；

比较同经轴的班次数据，划分出所述同经轴生产过程中的不同班次数据；

最后基于时序顺序划分出同班次同经轴的产量数据。

4.如权利要求3所述的基于织机产能预测织机了机的方法，其特征在于，还包括判断所述织机了机预测时间是否符合所述织造车间；

；

h；

式中：为采样点的日期；为最后一个样本点的日期。

5.一种如权利要求1-4任一所述的预测织机了机方法的系统，其特征在于，包括：

采集模块，用于采集织造车间生产数据；

清洗模块，用于利用预先建立的数据清洗算法清洗所述生产数据，获得有效生产数据样本集；

计算模块，用于根据所述生产数据样本集，计算出同经轴加工过程中的产能样本集；

聚类模块，用于利用二分聚类算法聚类计算所述产能样本集，获得产能系数；

预测模块，用于根据所述产能系数和所述产能样本集，计算出织机了机预测时间；

其中，根据所述生产数据样本集，计算出同经轴加工过程中的产能样本集包括：

；

式中：=1，2，3…n-1，为采样点数量； 为织布产量长度；为产能；

利用二分聚类算法聚类计算所述产能样本集，获得产能系数包括：

将所述产能样本集划分为多个互不相交的类簇，将所述类簇按照所述类簇中成员数量由多至少排序，并剔除掉排序尾部的若干所述类簇；

将剩余所述类簇归属至同一个大类簇，并利用K-Means聚类算法将所述大类簇一分为二；

根据最快降低整个聚类类簇的误差平方和的值从划分好的所述大类簇中选择其中一个继续二分操作，直至划分后类簇数据等于聚类指数；

根据公式，计算所述产能系数；

；

式中：表示产能系数；表示第个产能样本集类簇；表示第i个产能样本集成员数量；为聚类指数；N为剔除掉排序尾部所述类簇的数量；为1，2，…()；

根据所述产能系数和所述产能样本集，计算出织机了机预测时间包括：

；

式中：为第个采样点的剩余了机时间；为第个采样点的经轴设定长度；为第个采样点的经轴缩率；为第个采样点的织布总产量；为第个采样点的产能系数。