基于海量数据的纺纱质量异常因素识别方法

摘要

为识别纺纱过程质量特征值的异常波动,首先对纺纱质量特征值的波动机理进行了理论分析.然后,基于海量纺纱数据,设计了一种Dk-means聚类算法,进而,提取最优纤维属性变量(断裂伸长),对纺纱质量特征值进行修正,实现变量与特征值之间关系的线性化.最后,提出了一种基于Dk-means算法与灰色关联分析的纺纱质量异常因素识别方法,解决了纺纱过程质量异常波动的问题.结合仿真与实验,结果表明,提出的估计方法从关联系数和关联度角度实现了纺纱质量异常因素的识别,并从质量特征值的波动成因到异常因素与纺纱质量特征值之间相关关系表达,再到异常因素辨识的可视化.