本发明涉及纺纱抓棉故障风险检测，具体为一种纺纱抓棉故障风险智能检测分析系统。
背景技术：
1、在纺织行业中，纺纱抓棉环节作为纺纱工艺流程的基石，承担着将棉花等天然纤维原料精细开松并均匀混合的重任，为后续的纺纱作业奠定坚实的质量基础，然而，尽管现代纺织技术已取得了显著进步，纺纱抓棉过程中仍面临着诸多挑战，尤其是原棉质量的不稳定性对抓棉设备稳定性产生巨大的影响，尚未得到充分地重视与解决；
2、当前，市场上虽已存在部分针对抓棉机电力参数进行监控的故障风险检测系统，但这些系统大多聚焦于设备的物理运行状态，忽略了原棉质量这一核心变量对抓棉设备稳定性的直接影响，具体而言，原棉中的棉结密集、霉变污染以及排包状态不一等问题，成为诱发抓棉机故障风险的重要源头，棉结过多不仅增加了抓棉机的开松难度，导致机械负荷急剧上升，加速了部件的磨损与老化；霉变原棉则可能携带有害微生物或化学物质，对纤维品质造成损害的同时，也对设备的安全运行构成潜在威胁，而排包高度的不一致则进一步加剧了纤维材料在抓取过程中的分布不均，增加了抓棉机的操作难度与负荷波动；
3、这些问题将直接加剧抓棉过程中设备故障的发生风险，不仅严重影响纺纱生产线的连续稳定运行，还可能因原料质量不达标而导致最终纺纱产品品质的下降，给企业带来不可估量的经济损失与品牌声誉损害；
4、为了解决上述缺陷，现提供一种技术方案。
技术实现思路
1、本发明的目的就在于解决目前在纺纱抓棉故障风险检测方面大多聚焦于设备的物理运行状态，却忽略了原棉质量这一核心变量对抓棉设备稳定性直接影响的问题，而提出一种纺纱抓棉故障风险智能检测分析系统。
2、本发明的目的可以通过以下技术方案实现：
3、一种纺纱抓棉故障风险智能检测分析系统，包括：
4、数据采集模块，用于采集纺纱抓棉过程中的棉结状态信息、病变状态信息、排包状态信息和设备运行状态信息，并通过服务器分别发送至棉结状态分析模块、病变状态分析模块、排包状态分析模块和设备运行分析模块；
5、棉结状态分析模块，用于接收纺纱抓棉过程中的棉结状态信息，据此对纺纱抓棉过程中的棉结状态进行分析处理，得到棉结状态影响指数，并发送到影响因子分析模块；
6、病变状态分析模块，用于接收纺纱抓棉过程中的病变状态信息，据此对纺纱抓棉过程中的病变状态进行分析处理，得到病变状态影响指数，并发送到影响因子分析模块；
7、排包状态分析模块，用于接收纺纱抓棉过程中的排包状态信息，据此对纺纱抓棉过程中的排包状态进行分析处理，得到排包状态影响指数，并发送到影响因子分析模块；
8、影响因子分析模块，用于接收棉结状态影响指数、病变状态影响指数和排包状态影响指数，据此对纺纱抓棉设备的影响因子系数进行分析，得到影响因子系数；
9、设备运行分析模块，用于接收纺纱抓棉过程中的设备运行状态信息并进行分析，得到设备的第一运行评估指数、第二运行评估指数和第三运行评估指数，同时再调取影响因子系数，据此对纺纱抓棉过程中的设备运行状态进行分析处理，得到设备运行状态评估系数；
10、故障风险分析模块，用于接收设备运行状态评估系数，据此对纺纱抓棉过程中设备的故障风险进行判定分析，得到纺纱抓棉过程中设备的故障风险等级。
11、进一步地，所述对棉结状态进行分析处理，具体的分析如下：
12、实时监测一段时间内纺纱抓棉过程中的棉结值，并将一段时间内纺纱抓棉过程中初始监测时间点的棉结值，作为一段时间内纺纱抓棉过程中的初始棉结值，其棉结值的求解为：通过获取抓棉机执行抓棉区域的面积，并将抓棉机执行抓棉区域的面积按照等面积进行划分为若干个子区域，由此得到抓棉机执行抓棉区域的各子区域，获取抓棉机执行抓棉区域的各子区域内的棉结数量，并将其进行均值计算，得到抓棉机执行抓棉区域的平均棉结数量，作为一段时间内纺纱抓棉过程中的棉结值，将一段时间内纺纱抓棉过程中的棉结值和初始棉结值分别标定为mzundi和mzundc；
13、依据公式：，得到棉结状态影响指数yxδ1，其中，i表示一段时间内各监测时间点，且i=1，2，3…n，n为大于零的正整数，mzund*表示为系统存储库中存储的纺纱抓棉过程中的正常棉结值，a1、a2和a3分别表示初始棉结变化程度、目标棉结变化程度和正常棉结变化程度的修正因子。
14、进一步地，所述对病变状态进行分析处理，具体的分析如下：
15、通过获取一段时间内纺纱抓棉过程中的原棉图像，由此得到纺纱抓棉过程中的各原棉图像，并对其进行检测点布设，同时从各原棉图像中提取各检测点的灰度值，将各原棉图像中各检测点的灰度值与预设的病变对应图像的参考灰度区域进行匹配分析，若某检测点的灰度值处于预设的病变对应图像的参考灰度区间内时，则将该检测点初步标记为疑病变点，再通过光谱分析仪对疑病变点的光谱图进行采集，得到疑病变点的光谱图，再将疑病变点的光谱图与存储的病变光谱图进行比对，计算两者之间的重合度，若重合度大于预设的重合度阈值时，则将该疑病变点标记为病变点，同时将各原棉图像中的病变点进行整合，得到各原棉图像中的病变面积，将各原棉图像中的病变面积与预设的病变面积阈值进行比较分析，若某原棉图像中的病变面积大于或等于预设的病变面积阈值时，则将该原棉图像标记为监测图像；
16、将监测图像按照获取时间顺序进行依次排序，得到监测图像集合，同时将监测图像集合中的监测图像标记为监测点，由此得到各监测点，提取各监测点的病变面积，并标定为bbingj，依据公式：，得到病变状态影响指数yxδ2，其中，j表示各监测点的编号，且j=1，2，3…m，m表示各监测点编号的总数，a4表示为病变变化程度的修正因子。
17、进一步地，所述对排包状态进行分析处理，具体的分析如下：
18、通过获取一段时间内纺纱抓棉过程中抓棉机打手与原棉排包之间的距离，得到一段时间内纺纱抓棉过程中的排抓距值，并将其标定为pzxini；
19、从存储库中提取纺纱抓棉过程中的标准排抓距值，作为一段时间内纺纱抓棉过程中的参考排抓距值，并将其标定为pzxin*；
20、依据公式：，得到排包状态影响指数yxδ3，其中，e表示大于零的自然常数，pzgi表示一段时间内各监测时间点的排抓距变化率，pzg*表示参考排抓距变化率，a5、a6、λ均表示设定的修正因子。
21、进一步地，所述对影响因子系数进行分析，具体的分析如下：
22、提取棉结状态影响指数、病变状态影响指数和排包状态影响指数的数值进行归一化处理，得到影响因子系数记为yxz。
23、进一步地，所述对设备运行状态信息进行分析处理，具体的分析如下：
24、通过获取一段时间内纺纱抓棉过程中设备对应各结构部件的振动信号和声音信号，并通过特定软件生成一段时间内纺纱抓棉过程中设备对应各结构部件的振动波形图和声音波形图；同时从系统存储库中提取设备对应各结构部件的参考振动波形图和参考声音波形图，分别将一段时间内纺纱抓棉过程中设备对应各结构部件的振动波形图和声音波形图与设备对应各结构部件的参考振动波形图和参考声音波形图进行重合比对，得到一段时间内纺纱抓棉过程中设备对应各结构部件的振动重合波形长度和声音重合波形长度，取其数值进行分析，得到设备的第一运行评估指数θ1；
25、通过获取一段时间内纺纱抓棉过程中设备对应各结构部件的损伤参数，并从中提取最大损伤面积、最大损伤深度和最大损伤数量，作为一段时间内纺纱抓棉过程中设备对应各结构部件的损伤面值、损伤深值和损伤数值，取其数值进行分析，得到设备的第二运行评估指数θ2；
26、通过获取一段时间内纺纱抓棉过程中设备对应各结构部件各监测时间点的温度，并将一段时间内纺纱抓棉过程中设备对应各结构部件各监测时间点的温度进行均值处理，得到一段时间内纺纱抓棉过程中设备对应各结构部件的均温值，将设备对应各结构部件的均温值与预设的参考对比区间进行比较分析，若设备对应某结构部件的均温值处于预设的参考对比区间之外时，则将设备对应该结构部件判定为异常状态，反之，则将设备对应该结构部件判定为正常状态，统计一段时间内纺纱抓棉过程中设备被判定为异常状态的次数和总判定次数，取其数值进行分析，得到设备的第三运行评估指数θ3。
27、进一步地，所述对设备运行状态进行分析处理，具体的分析如下：
28、调取影响因子系数yxz的数值，同时再提取设备的第一运行评估指数θ1、第二运行评估指数θ2和第三运行评估指数θ3的数值，进行归一化处理，依据公式：，得到设备运行状态评估系数gsnmg，其中，η1、η2和η3分别表示第一运行评估指数、第二运行评估指数和第三运行评估指数的权重系数。
29、进一步地，所述对设备的故障风险进行判定分析，具体的分析如下：
30、设置设备运行状态评估阈值，将设备运行状态评估系数与设备运行状态评估阈值进行比较分析，若设备运行状态评估系数大于或等于设备运行状态评估阈值时，则生成异常趋势信号，若设备运行状态评估系数小于设备运行状态评估阈值时，则生成正常趋势信号；
31、若捕捉到异常趋势信号，则将设备运行状态评估系数与设备运行状态评估阈值进行作差，得到设备故障风险值，并将其与设定的各设备故障风险值对应的故障风险等级进行匹配，由此得到纺纱抓棉过程中设备的故障风险等级。
32、本发明提供的技术方案，与已知的现有技术相比，具有如下有益效果：
33、1、本发明，通过实时、全面地收集纺纱抓棉过程中的多种关键信息，这些信息通过服务器被分别传输到对应的分析模块，从而实现了数据的实时、准确和高效采集，为后续的数据分析和故障风险判定提供了强有力的数据基础；
34、2、本发明，通过对纺纱抓棉过程中的棉结状态信息、病变状态信息、排包状态信息分别进行分析处理，得到棉结状态影响指数、病变状态影响指数和排包状态影响指数，这些影响指数分别反映了纺纱抓棉过程中棉结状态、病变状态和排包状态对纺纱抓棉设备的影响，综合这三个影响指数，进行影响因子系数分析，从而实现了可以更全面地了解纺纱抓棉过程中的影响因子情况，避免了单一评估系数的局限性，这种综合评估的方式有助于及时更准确地反映当前纺纱抓棉过程中各因素对设备运行状态和故障风险的综合影响，为后续的故障风险分析提供有力支持；
35、3、本发明，通过对纺纱抓棉过程中的设备运行状态信息进行监测分析，再结合影响因子系数，由此评估设备运行状态，对纺纱抓棉设备的故障风险进行精准判定，并给出故障风险等级，这有助于企业及时采取预防措施，减少因设备故障导致的停机时间和次品率，保障生产线的连续稳定运行，从而提高生产效率和产品质量。
1.一种纺纱抓棉故障风险智能检测分析系统，其特征在于，包括：
2.根据权利要求1所述的一种纺纱抓棉故障风险智能检测分析系统，其特征在于，对棉结状态进行分析处理，具体的分析如下：
3.根据权利要求1所述的一种纺纱抓棉故障风险智能检测分析系统，其特征在于，对病变状态进行分析处理，具体的分析如下：
4.根据权利要求1所述的一种纺纱抓棉故障风险智能检测分析系统，其特征在于，对排包状态进行分析处理，具体的分析如下：
5.根据权利要求1所述的一种纺纱抓棉故障风险智能检测分析系统，其特征在于，对影响因子系数进行分析，具体的分析如下：
6.根据权利要求5所述的一种纺纱抓棉故障风险智能检测分析系统，其特征在于，对设备运行状态信息进行分析处理，具体的分析如下：
7.根据权利要求6所述的一种纺纱抓棉故障风险智能检测分析系统，其特征在于，对设备运行状态进行分析处理，具体的分析如下：
8.根据权利要求1所述的一种纺纱抓棉故障风险智能检测分析系统，其特征在于，对设备的故障风险进行判定分析，具体的分析如下：
