CN117509278B - 一种卷纸绕卷定量控制系统 - Google Patents

Abstract

本发明公开了一种卷纸绕卷定量控制系统，涉及智能化控制技术领域，其通过实时采集当前的卷径，同时通过张力传感器实时监测采集卷纸张力值，并在后端引入数据处理和分析算法来进行这些卷纸绕卷参数数据的时序协同分析，以此根据当前的卷径和卷纸张力的变化来判断是否停止卷纸，以防止卷纸断裂，从而保证卷纸绕卷的定量和稳定。这样，可以提高卷纸生产过程中的控制精度，减少卷纸断裂和浪费，提高生产效率和产品质量。

Description

一种卷纸绕卷定量控制系统

技术领域

本申请涉及智能化控制技术领域，并且更具体地，涉及一种卷纸绕卷定量控制系统。

背景技术

卷纸绕卷定量控制是指在卷纸生产过程中，通过控制卷纸的绕卷卷径来实现卷纸长度定量的一种生产技术。

例如申请号为CN200910053173.9的中国专利公开了一种基于机械CAD模型的下引纸复卷机收卷控制方法，利用CAD图纸仿真模拟技术，一次获取与实物直径变化全范围的高度接近的仿真数据曲线，根据仿真数据使复卷机系统直接工作在误差可控范围内，修正后最终成品卷的直径误差小于1毫米，压纸辊压力控制变化连续稳定，没有突变，成品纸卷收卷品质稳定。

然而，由于卷纸的张力、卷径等参数会随着卷纸的不断绕卷而发生变化，如果张力过大，可能会导致卷纸断裂或者压痕的问题。但是，传统的卷纸绕卷方式并没有考虑到这个问题，这就会导致传统的绕卷过程容易出现卷纸断裂和裂痕，从而影响卷纸的绕卷质量，且造成生产浪费和卷纸产品质量问题。

因此，期望一种优化的卷纸绕卷定量控制系统。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种卷纸绕卷定量控制系统，其通过实时采集当前的卷径，同时通过张力传感器实时监测采集卷纸张力值，并在后端引入数据处理和分析算法来进行这些卷纸绕卷参数数据的时序协同分析，以此根据当前的卷径和卷纸张力的变化来判断是否停止卷纸，以防止卷纸断裂，从而保证卷纸绕卷的定量和稳定。这样，可以提高卷纸生产过程中的控制精度，减少卷纸断裂和浪费，提高生产效率和产品质量。

第一方面，提供了一种卷纸绕卷定量控制系统，其包括：

当前卷径数据采集模块，用于获取当前的卷径；

卷纸张力数据采集模块，用于获取由张力传感器采集的包含当前时间点在内的多个预定时间点的卷纸张力值；

卷纸张力时序排列模块，用于将所述多个预定时间点的卷纸张力值按照时间维度排列为卷纸张力时序输入向量；

卷纸张力局部时序分析模块，用于对所述卷纸张力时序输入向量进行局部时序分析以得到卷纸张力局部时序特征向量的序列；

当前卷径数据编码模块，用于对所述当前的卷径进行独热编码以得到当前卷径编码特征向量；

标签约束关联分析模块，用于计算所述当前卷径编码特征向量和所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量之间的标签约束关联矩阵以得到卷径-卷纸张力关联特征矩阵的序列；

序列关联编码模块，用于对所述卷径-卷纸张力关联特征矩阵的序列进行序列关联编码以得到卷径-卷纸张力时序关联特征；

卷纸控制模块，用于基于所述卷径-卷纸张力时序关联特征，确定是否停止卷纸。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为根据本申请实施例的卷纸绕卷定量控制系统的框图。

图2为根据本申请实施例的卷纸绕卷定量控制方法的流程图。

图3为根据本申请实施例的卷纸绕卷定量控制方法架构的示意图。

图4为根据本申请实施例的卷纸绕卷定量控制系统的应用场景图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。

在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。

在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。

卷纸绕卷定量控制是一种用于卷纸生产过程中的技术，通过控制卷纸的绕卷卷径来实现卷纸长度定量的生产。在卷纸生产中，卷纸机会将连续的纸张卷绕成一个卷筒状，形成我们常见的卷纸产品。卷纸的长度是一个重要的产品指标，用户购买卷纸时通常会关注卷纸的长度，卷纸绕卷定量控制技术的目的就是确保每个卷纸的长度都能达到预定的数值，以满足用户的需求。

卷纸绕卷定量控制技术通常涉及以下几个方面：

传感器和测量：在卷纸生产过程中，会使用传感器来测量卷纸的直径或卷筒的周长，这些传感器可以是激光传感器、光电传感器或其他类型的传感器。通过测量卷纸的直径或卷筒的周长，可以确定卷纸的长度。

控制系统：卷纸绕卷定量控制技术需要一个控制系统来监测和控制卷纸的绕卷过程，控制系统可以根据传感器提供的数据，计算出卷纸的长度，并根据设定的目标长度进行调整。

调整机构：卷纸绕卷定量控制技术需要一些调整机构来实现卷纸长度的调整，这些机构可以是电机、液压系统或气动系统，通过调整卷纸机的运行速度或张力等参数，来控制卷纸的绕卷卷径，从而实现卷纸长度的定量控制。

在传统的卷纸生产中，常常采用固定时间和速度的方式来控制卷纸的绕卷卷径和长度，这种方式被称为固定长度控制。在固定长度控制中，卷纸机会以固定的速度将纸张卷绕到卷筒上，同时计时器会记录卷绕的时间。根据预设的卷纸长度要求，通过计算时间与速度的乘积，确定纸张应该卷绕的长度，当达到预设的长度后，卷纸机会自动停止或切断纸张，完成一卷卷纸的生产。

固定长度控制的优点是简单易行，操作方便。然而，它存在一些局限性和缺点，首先，由于纸张的密度和卷绕速度可能会有所变化，固定时间和速度的方式并不能保证每卷卷纸的长度都完全一致。其次，如果卷纸机的速度发生变化，或者纸张的密度发生变化，就需要手动调整控制参数以适应新的生产条件。

而且，传统的固定时间和速度控制方式在卷纸绕卷过程中没有考虑到卷纸的张力和卷径变化，这可能导致一系列问题，如卷纸断裂、压痕等，对卷纸的绕卷质量和产品质量产生不良影响，同时也造成了生产浪费。在卷纸生产中，卷纸张力是一个重要的参数，张力过大会导致纸张的拉伸和应力集中，容易引起卷纸断裂。而张力过小则会导致卷纸松散，容易产生卷纸裂痕。另外，随着卷纸的不断绕卷，卷纸的卷径也会逐渐增大，这会影响卷纸的张力分布。

为了解决这些问题，现代卷纸生产中引入了更先进的技术，如张力控制和直径控制。张力控制是通过传感器监测纸张在卷绕过程中的张力变化，并根据预设的张力范围来调整卷纸机的速度，以实现更精确的长度控制，这种方法可以在纸张密度和卷绕速度变化时自动调整控制参数，提高卷纸的长度一致性。直径控制是通过测量卷筒上已卷绕纸张的直径，并根据预设的卷纸长度要求来计算还需卷绕的长度，卷纸机会根据直径测量结果自动调整卷绕速度，以确保卷纸长度的准确控制，这种方法可以实时监测卷纸长度，并根据实际情况进行调整，提高长度控制的准确性。

在本申请的一个实施例中，图1为根据本申请实施例的卷纸绕卷定量控制系统的框图。如图1所示，根据本申请实施例的卷纸绕卷定量控制系统100，包括：当前卷径数据采集模块110，用于获取当前的卷径；卷纸张力数据采集模块120，用于获取由张力传感器采集的包含当前时间点在内的多个预定时间点的卷纸张力值；卷纸张力时序排列模块130，用于将所述多个预定时间点的卷纸张力值按照时间维度排列为卷纸张力时序输入向量；卷纸张力局部时序分析模块140，用于对所述卷纸张力时序输入向量进行局部时序分析以得到卷纸张力局部时序特征向量的序列；当前卷径数据编码模块150，用于对所述当前的卷径进行独热编码以得到当前卷径编码特征向量；标签约束关联分析模块160，用于计算所述当前卷径编码特征向量和所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量之间的标签约束关联矩阵以得到卷径-卷纸张力关联特征矩阵的序列；序列关联编码模块170，用于对所述卷径-卷纸张力关联特征矩阵的序列进行序列关联编码以得到卷径-卷纸张力时序关联特征；卷纸控制模块180，用于基于所述卷径-卷纸张力时序关联特征，确定是否停止卷纸。

在所述卷径数据采集模块110中，确保卷径数据采集模块能够准确获取当前的卷径信息，并及时更新。这样，可以提供当前卷径的数据作为后续模块的输入，用于卷纸控制决策。在所述卷纸张力数据采集模块120中，确保张力传感器能够准确采集卷纸张力值，并在预定时间点进行采集。这样，可以提供多个预定时间点的卷纸张力值，为后续的局部时序分析和关联分析提供数据基础。在所述卷纸张力时序排列模块130中，按照时间维度将卷纸张力值排列为卷纸张力时序输入向量，确保时间点的顺序正确。这样，可以为后续的局部时序分析提供准确的时序输入数据。在所述卷纸张力局部时序分析模块140中，进行合适的局部时序分析方法，例如滑动窗口、平均值计算等，以提取卷纸张力的局部时序特征。这样，可以通过分析卷纸张力的局部时序特征，可以了解卷纸张力的变化趋势和规律，为后续的关联分析提供数据基础。在所述当前卷径数据编码模块150中，选择合适的编码方法，例如独热编码，将当前卷径转换为当前卷径编码特征向量。这样，可以将当前卷径转换为当前卷径编码特征向量后，可以与卷纸张力的局部时序特征进行关联分析，进一步了解卷径和卷纸张力的关系。在所述标签约束关联分析模块160中，计算所述当前卷径编码特征向量和所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量之间的标签约束关联矩阵，确保关联分析的准确性。这样，可以通过标签约束关联分析，可以得到卷径-卷纸张力关联特征矩阵的序列，进一步揭示卷径和卷纸张力之间的关联关系。在所述序列关联编码模块170中，选择合适的序列关联编码方法，例如循环神经网络 (RNN) 或长短期记忆网络 (LSTM)，将卷径-卷纸张力关联特征矩阵的序列进行编码。这样，可以通过序列关联编码，可以将卷径-卷纸张力关联特征转换为卷径-卷纸张力时序关联特征，进一步分析卷纸张力对卷径的影响。在所述卷纸控制模块180中，基于卷径-卷纸张力时序关联特征，确定是否停止卷纸。这样，可以通过卷纸控制模块，可以根据卷径和卷纸张力的关联特征，实现对卷纸机的自动控制，避免卷纸断裂、裂痕等问题的发生，提高卷纸绕卷质量和生产效率。

针对上述技术问题，本申请的技术构思为通过实时采集当前的卷径，同时通过张力传感器实时监测采集卷纸张力值，并在后端引入数据处理和分析算法来进行这些卷纸绕卷参数数据的时序协同分析，以此根据当前的卷径和卷纸张力的变化来判断是否停止卷纸，以防止卷纸断裂，从而保证卷纸绕卷的定量和稳定。这样，可以提高卷纸生产过程中的控制精度，减少卷纸断裂和浪费，提高生产效率和产品质量。

具体地，在本申请的技术方案中，首先，获取当前的卷径，并获取由张力传感器采集的包含当前时间点在内的多个预定时间点的卷纸张力值。接着，考虑到所述卷纸张力值在时间维度上具有着时序的动态变化规律，也就是说，所述多个预定时间点的卷纸张力值之间具有着时序的关联关系。因此，为了能够捕捉到卷纸张力在时序上的变化模式和趋势，在本申请的技术方案中，需要将所述多个预定时间点的卷纸张力值按照时间维度排列为卷纸张力时序输入向量，以此来整合所述卷纸张力值在时间维度上的时序分布信息。

应可以理解，卷纸张力是卷纸绕卷过程中的一个重要参数，它反映了卷纸的紧密程度和张力分布情况。然而，卷纸张力在卷纸绕卷的过程中的变化可能较为微弱，难以有效地进行捕捉和察觉。因此，为了更好地捕捉卷纸张力的变化趋势和特征，需要对所述卷纸张力时序输入向量进行向量切分以得到卷纸张力局部时序输入向量的序列。然后，再将所述卷纸张力局部时序输入向量的序列通过基于一维卷积层的卷纸张力时序特征提取器中进行特征挖掘，以提取出所述卷纸张力值在时间维度上的各个时间片段中的局部时序特征信息，从而得到卷纸张力局部时序特征向量的序列。

在本申请的一个具体实施例中，所述卷纸张力局部时序分析模块，包括：卷纸张力时序向量切分单元，用于对所述卷纸张力时序输入向量进行向量切分以得到卷纸张力局部时序输入向量的序列；卷纸张力局部时序特征提取单元，用于将所述卷纸张力局部时序输入向量的序列通过基于深度神经网络模型的卷纸张力时序特征提取器以得到所述卷纸张力局部时序特征向量的序列。

其中，所述基于深度神经网络模型的卷纸张力时序特征提取器为基于一维卷积层的卷纸张力时序特征提取器。

所述卷纸张力时序向量切分单元将卷纸张力时序输入向量切分为多个卷纸张力局部时序输入向量的序列，可以更好地捕捉卷纸张力的局部变化趋势和特征。在卷纸张力数据分析中，通过切分时序向量，可以将连续的张力数据划分为多个时间窗口，以便更准确地分析卷纸张力的动态特征。

所述卷纸张力局部时序特征提取单元通过基于深度神经网络模型的卷纸张力时序特征提取器，提取卷纸张力局部时序输入向量的序列，可以获取更高级别的特征表示，进一步揭示卷纸张力的内在规律和特征。在卷纸张力数据分析中，通过深度神经网络模型，可以从卷纸张力的局部时序数据中学习到更抽象的特征，例如趋势、周期性、异常等，为后续的关联分析和控制决策提供更丰富的信息。

这两个单元的协同工作可以提高对卷纸张力数据的理解和分析能力。通过切分和提取卷纸张力的局部时序特征，可以更全面地了解卷纸张力的变化情况，并为后续的关联分析、异常检测和控制决策等任务提供更准确的数据基础，这样可以帮助优化卷纸机的运行参数，提高卷纸绕卷质量和生产效率，减少生产浪费。

在卷纸绕卷定量控制系统中，卷径是一个重要的参数，它与卷纸的长度、体积和张力等因素密切相关。在定量控制中，需要将卷径作为输入特征，用于和张力时序特征一起来判断是否停止卷纸以防止卷纸断裂。因此，为了能够对所述当前卷径进行分析，在本申请的技术方案中，进一步对所述当前的卷径进行独热编码以得到当前卷径编码特征向量。通过对所述当前卷径进行独热编码，可以将当前卷径转化为一个离散的特征向量，这样的编码方式可以保留卷径之间的相对关系，并且不引入数值大小的偏差。

应可以理解，在卷纸绕卷定量控制系统中，卷径和卷纸张力是两个重要的参数，其中，卷径反映了卷纸的长度和大小，而卷纸张力则表示卷纸的张紧程度，同时，这两个参数之间还存在着一定的关联关系，例如较大的卷径通常会具有较大的卷纸张力。因此，为了能够为了捕捉卷径和卷纸张力之间的关联性，以便于利用卷径的编码特征来对卷纸张力的局部时序特征进行约束和关联，在本申请的技术方案中，进一步计算所述当前卷径编码特征向量和所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量之间的标签约束关联矩阵以得到卷径-卷纸张力关联特征矩阵的序列。通过计算所述标签约束关联矩阵，能够将所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量映射到所述当前卷径编码特征向量的方向上，从而利用卷纸绕卷过程中的卷径编码特征来约束各个卷纸张力局部时序特征的表达，从而能够更好地利用卷径和卷纸张力之间的关联特征来为卷纸绕卷定量控制系统提供更准确的特征表示和决策依据。

在本申请的一个具体实施例中，所述标签约束关联分析模块，用于：以如下标签约束公式计算所述当前卷径编码特征向量和所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量之间的标签约束关联矩阵以得到所述卷径-卷纸张力关联特征矩阵的序列；其中，所述标签约束公式为：

其中，为所述当前卷径编码特征向量，为所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量，为所述卷径-卷纸张力关联特征矩阵的序列中的各个卷径-卷纸张力关联特征矩阵。

在利用卷纸绕卷过程中的卷径编码特征约束各个卷纸张力局部时序特征的表达后，考虑到各个时间片段中的卷纸绕卷卷径和张力时序关联特征之间具有着基于时序的前后向关联关系。因此，进一步将所述卷径-卷纸张力关联特征矩阵的序列通过基于Bi-LSTM模型的序列编码器中进行编码以得到卷径-卷纸张力时序关联特征向量。

在本申请的一个具体实施例中，所述序列关联编码模块，用于：将所述卷径-卷纸张力关联特征矩阵的序列通过基于Bi-LSTM模型的序列编码器以得到卷径-卷纸张力时序关联特征向量作为所述卷径-卷纸张力时序关联特征。

在本申请的一个实施例中，所述卷纸控制模块，包括：特征分布优化单元，用于对所述卷径-卷纸张力时序关联特征向量进行特征分布优化以得到优化卷径-卷纸张力时序关联特征向量；卷纸停止控制单元，用于将所述优化卷径-卷纸张力时序关联特征向量通过分类器以得到分类结果，所述分类结果用于表示是否停止卷纸。

进一步地，所述特征分布优化单元，包括：特征校正子单元，用于对所述卷径-卷纸张力关联特征矩阵的序列和所述卷径-卷纸张力时序关联特征向量进行校正以得到校正特征向量；校正特征融合子单元，用于将所述校正特征向量与所述卷径-卷纸张力时序关联特征向量进行融合以得到所述优化卷径-卷纸张力时序关联特征向量。

特别地，在上述技术方案中，所述卷径-卷纸张力关联特征矩阵的序列中的各个卷径-卷纸张力关联特征矩阵用于表示各个局部时间段的卷纸张力时序关联特征分布在当前卷径编码特征向量的约束下的特征优化表达。在将所述卷径-卷纸张力关联特征矩阵的序列通过基于Bi-LSTM模型的序列编码器进行处理时，所述基于Bi-LSTM模型的序列编码器对所述卷径-卷纸张力关联特征矩阵的序列进行沿着时间维度的双向上下文语义关联编码以得到卷径-卷纸张力时序关联特征向量。经过双向语义关联编码后，所述卷径-卷纸张力时序关联特征向量也会偏移所述卷径-卷纸张力关联特征矩阵的序列的整体语义分布，也就是，所述卷径-卷纸张力关联特征矩阵的序列和所述卷径-卷纸张力时序关联特征向量之间存在特征对应稀疏性，会影响所述卷径-卷纸张力时序关联特征向量的表达效果，因此，需要基于所述卷径-卷纸张力关联特征矩阵的序列和所述卷径-卷纸张力时序关联特征向量各自的特征表达的语义显著性和语义关键性来进行特征对应性优化，从而提升所述卷径-卷纸张力时序关联特征向量的表达效果。

基于此，本申请的申请人对于所述卷径-卷纸张力关联特征矩阵的序列和所述卷径-卷纸张力时序关联特征向量进行校正，具体表示为：以如下优化公式对于所述卷径-卷纸张力关联特征矩阵的序列和所述卷径-卷纸张力时序关联特征向量进行校正以得到校正特征向量；其中，所述优化公式为：

其中，是所述卷径-卷纸张力关联特征矩阵的序列先展开为特征向量的序列后再级联后得到的级联特征向量，且是所述卷径-卷纸张力时序关联特征向量，表示特征向量的逐位置开方，和分别是特征向量和最大特征值的倒数，和是权重超参数，是校正特征向量，表示按位置减法，表示按位置点乘；以及，将所述校正特征向量与所述卷径-卷纸张力时序关联特征向量进行融合以得到所述优化卷径-卷纸张力时序关联特征向量。

这里，通过所述卷径-卷纸张力关联特征矩阵的序列的级联特征向量和所述卷径-卷纸张力时序关联特征向量的各个特征值的开方值来获得特征值集合的预分割的局部组，并从其中回归所述级联特征向量和所述卷径-卷纸张力时序关联特征向量的关键最大值特征，这样，可以基于最远点采样的思想来提升特征值的按位置显著性分布，从而通过具有显著分布的关键特征来进行特征向量间的稀疏交互控制，以实现校正特征向量对于所述卷径-卷纸张力关联特征矩阵的序列的级联特征向量和所述卷径-卷纸张力时序关联特征向量的原始流形几何的还原。这样，再将所述校正特征向量与所述卷径-卷纸张力时序关联特征向量融合，就可以提升所述卷径-卷纸张力时序关联特征向量的表达效果，从而提升其通过分类器得到的分类结果的准确性。这样，能够根据当前的卷径和卷纸张力的变化来判断是否停止卷纸，以防止卷纸断裂，从而保证卷纸绕卷的定量和稳定，通过这样的方式，能够提高卷纸生产过程中的控制精度，减少卷纸断裂和浪费，提高生产效率和产品质量。

继而，再将所述优化卷径-卷纸张力时序关联特征向量通过分类器以得到分类结果，所述分类结果用于表示是否停止卷纸。也就是说，利用所述卷径和卷纸张力的时序映射关联特征信息来进行分类处理，以此来进行卷纸的定量控制。这样，能够根据当前的卷径和卷纸张力的变化来判断是否停止卷纸，以防止卷纸断裂，从而保证卷纸绕卷的定量和稳定。

在本申请的一个具体实施例中，所述卷纸停止控制单元，包括：全连接编码子单元，用于使用所述分类器的多个全连接层对所述优化卷径-卷纸张力时序关联特征向量进行全连接编码以得到编码分类特征向量；以及，分类子单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。

应可以理解，通过分类器对优化卷径-卷纸张力时序关联特征向量进行分类，可以实时判断是否停止卷纸，避免卷纸断裂、裂痕等问题的发生。在卷纸机的自动控制中，通过实时判断停止卷纸，可以及时采取措施，避免卷纸绕卷过程中的异常情况，保证卷纸绕卷质量和生产效率。还可以精确控制卷纸机的停止时机，避免过度或不足地卷取纸张，从而提高卷纸绕卷质量。在卷纸生产过程中，通过精确控制卷纸机的停止时机，可以避免卷纸的松散或过紧，保证卷纸的紧密度和整齐度，提高卷纸的品质。也可以准确控制卷纸机的停止时机，避免不必要的停机时间，提高生产效率。在卷纸生产中，通过准确控制卷纸机的停止时机，可以最大限度地利用设备和资源，减少生产中的闲置时间，提高生产效率和产能。

通过将优化卷径-卷纸张力时序关联特征向量进行分类，可以实现对卷纸机的自动控制，提高卷纸绕卷质量和生产效率，这种自动化的控制方式可以减少人工干预，降低操作风险，提高生产的稳定性和可靠性。

综上，基于本申请实施例的卷纸绕卷定量控制系统100被阐明，其可以提高卷纸生产过程中的控制精度，减少卷纸断裂和浪费，提高生产效率和产品质量。

如上所述，根据本申请实施例的卷纸绕卷定量控制系统 100可以实现在各种终端设备中，例如用于卷纸绕卷定量控制的服务器等。在一个示例中，根据本申请实施例的卷纸绕卷定量控制系统100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该卷纸绕卷定量控制系统100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该卷纸绕卷定量控制系统100同样可以是该终端设备的众多硬件模块之一。

替换地，在另一示例中，该卷纸绕卷定量控制系统100与该终端设备也可以是分立的设备，并且该卷纸绕卷定量控制系统100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。

在本申请的一个实施例中，图2为根据本申请实施例的卷纸绕卷定量控制方法的流程图。图3为根据本申请实施例的卷纸绕卷定量控制方法架构的示意图。如图2和图3所示，所述卷纸绕卷定量控制方法，包括：210，获取当前的卷径；220，获取由张力传感器采集的包含当前时间点在内的多个预定时间点的卷纸张力值；230，将所述多个预定时间点的卷纸张力值按照时间维度排列为卷纸张力时序输入向量；240，对所述卷纸张力时序输入向量进行局部时序分析以得到卷纸张力局部时序特征向量的序列；250，对所述当前的卷径进行独热编码以得到当前卷径编码特征向量；260，计算所述当前卷径编码特征向量和所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量之间的标签约束关联矩阵以得到卷径-卷纸张力关联特征矩阵的序列；270，对所述卷径-卷纸张力关联特征矩阵的序列进行序列关联编码以得到卷径-卷纸张力时序关联特征；280，基于所述卷径-卷纸张力时序关联特征，确定是否停止卷纸。

本领域技术人员可以理解，上述卷纸绕卷定量控制方法中的各个步骤的具体操作已经在上面参考图1的卷纸绕卷定量控制系统的描述中得到了详细介绍，并因此，将省略其重复描述。

图4为根据本申请实施例的卷纸绕卷定量控制系统的应用场景图。如图4所示，在该应用场景中，首先，获取当前的卷径（例如，如图4中所示意的C1）；以及，获取由张力传感器采集的包含当前时间点在内的多个预定时间点的卷纸张力值（例如，如图4中所示意的C2）；然后，将获取的卷径和卷纸张力值输入至部署有卷纸绕卷定量控制算法的服务器（例如，如图4中所示意的S）中，其中所述服务器能够基于卷纸绕卷定量控制算法对所述卷径和所述卷纸张力值进行处理，以确定是否停止卷纸。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (8)

1.一种卷纸绕卷定量控制系统，其特征在于，包括：

当前卷径数据采集模块，用于获取当前的卷径；

卷纸张力数据采集模块，用于获取由张力传感器采集的包含当前时间点在内的多个预定时间点的卷纸张力值；

卷纸张力时序排列模块，用于将所述多个预定时间点的卷纸张力值按照时间维度排列为卷纸张力时序输入向量；

卷纸张力局部时序分析模块，用于对所述卷纸张力时序输入向量进行局部时序分析以得到卷纸张力局部时序特征向量的序列；

当前卷径数据编码模块，用于对所述当前的卷径进行独热编码以得到当前卷径编码特征向量；

标签约束关联分析模块，用于计算所述当前卷径编码特征向量和所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量之间的标签约束关联矩阵以得到卷径-卷纸张力关联特征矩阵的序列；

序列关联编码模块，用于对所述卷径-卷纸张力关联特征矩阵的序列进行序列关联编码以得到卷径-卷纸张力时序关联特征；

卷纸控制模块，用于基于所述卷径-卷纸张力时序关联特征，确定是否停止卷纸。

2.根据权利要求1所述的卷纸绕卷定量控制系统，其特征在于，所述卷纸张力局部时序分析模块，包括：

卷纸张力时序向量切分单元，用于对所述卷纸张力时序输入向量进行向量切分以得到卷纸张力局部时序输入向量的序列；

卷纸张力局部时序特征提取单元，用于将所述卷纸张力局部时序输入向量的序列通过基于深度神经网络模型的卷纸张力时序特征提取器以得到所述卷纸张力局部时序特征向量的序列。

3.根据权利要求2所述的卷纸绕卷定量控制系统，其特征在于，所述基于深度神经网络模型的卷纸张力时序特征提取器为基于一维卷积层的卷纸张力时序特征提取器。

4.根据权利要求3所述的卷纸绕卷定量控制系统，其特征在于，所述标签约束关联分析模块，用于：以如下标签约束公式计算所述当前卷径编码特征向量和所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量之间的标签约束关联矩阵以得到所述卷径-卷纸张力关联特征矩阵的序列；

其中，所述标签约束公式为：

其中，为所述当前卷径编码特征向量，为所述卷纸张力局部时序特征向量的序列中的各个卷纸张力局部时序特征向量，为所述卷径-卷纸张力关联特征矩阵的序列中的各个卷径-卷纸张力关联特征矩阵。

5.根据权利要求4所述的卷纸绕卷定量控制系统，其特征在于，所述序列关联编码模块，用于：将所述卷径-卷纸张力关联特征矩阵的序列通过基于Bi-LSTM模型的序列编码器以得到卷径-卷纸张力时序关联特征向量作为所述卷径-卷纸张力时序关联特征。

6.根据权利要求5所述的卷纸绕卷定量控制系统，其特征在于，所述卷纸控制模块，包括：

特征分布优化单元，用于对所述卷径-卷纸张力时序关联特征向量进行特征分布优化以得到优化卷径-卷纸张力时序关联特征向量；

卷纸停止控制单元，用于将所述优化卷径-卷纸张力时序关联特征向量通过分类器以得到分类结果，所述分类结果用于表示是否停止卷纸。

7.根据权利要求6所述的卷纸绕卷定量控制系统，其特征在于，所述特征分布优化单元，包括：

特征校正子单元，用于对所述卷径-卷纸张力关联特征矩阵的序列和所述卷径-卷纸张力时序关联特征向量进行校正以得到校正特征向量；

校正特征融合子单元，用于将所述校正特征向量与所述卷径-卷纸张力时序关联特征向量进行融合以得到所述优化卷径-卷纸张力时序关联特征向量。

8.根据权利要求7所述的卷纸绕卷定量控制系统，其特征在于，所述卷纸停止控制单元，包括：

全连接编码子单元，用于使用所述分类器的多个全连接层对所述优化卷径-卷纸张力时序关联特征向量进行全连接编码以得到编码分类特征向量；以及

分类子单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。