陶瓷纤维无纺防火布智能化制备方法及其系统技术方案

本申请涉及智能化布料设计与制造领域，且更为具体地，公开了一种陶瓷纤维无纺防火布智能化制备方法及其系统，其通过陶瓷纤维无纺防火布内部应力的多尺度邻域关联特征来进行所述陶瓷纤维无纺防火布的成型质量的检测判断，并且还进一步引入多个检测点的拓扑特征来优化多尺度邻域关联特征的特征表达，从而使得对于所述陶瓷纤维无纺防火布的成型质量的判断更为精准。更为精准。更为精准。

【技术实现步骤摘要】
陶瓷纤维无纺防火布智能化制备方法及其系统


[0001]本申请涉及智能化布料设计与制造领域，且更为具体地，涉及一种陶瓷纤维无纺防火布智能化制备方法及其系统。
技术背景
[0002]陶瓷纤维是一种纤维状轻质耐火材料，具有重量轻、耐高温、热稳定性好、导热率低、比热小及耐机械震动等优点，因而在机械、冶金、化工、石油、陶瓷、玻璃、电子等行业都得到了广泛的应用。利用陶瓷纤维可制成陶瓷纤维无纺防火布。
[0003]陶瓷纤维无纺防火布的制备过程为：首先由陶瓷纤维制成纤维条，并根据纤维条的粗细进行并和牵伸，将牵伸后的纤维条给予预定数量捻的捻度，同时加入镍铬丝作为加强材料，然后通过预定模式的编织以形成所述陶瓷纤维无纺防火布。
[0004]在陶瓷纤维无纺防火布出厂之前，还需要对陶瓷纤维无纺防火布进行质检以确保其成型质量，现有的质检方式是通过肉眼来观察编织图案，以通过编织图案的完整性和美观性来判断其结合成型质量。
[0005]但是，这种质检方案显然无法满足实际产业要求，一方面肉眼无法观察到细微的缺陷，另一方面，图案完整性和美观性无法表征产品的性能。
[0006]因此，期望一种陶瓷纤维无纺防火布智能化制备方案以对于陶瓷纤维无纺防火布的成型质量进行检测，进而确保生产出的陶瓷纤维无纺防火布满足产业要求。

技术实现思路

[0007]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陶瓷纤维无纺防火布智能化制备方法及其系统，其通过陶瓷纤维无纺防火布内部应力的多尺度邻域关联特征来进行所述陶瓷纤维无纺防火布的成型质量的检测判断，并且还进一步引入多个检测点的拓扑特征来优化多尺度邻域关联特征的特征表达，从而使得对于所述陶瓷纤维无纺防火布的成型质量的判断更为精准。
[0008]根据本申请的一个方面，提供了一种陶瓷纤维无纺防火布智能化制备方法，其包括：在待检测陶瓷纤维无纺防火布的表面设置多个测试点；获取由应力传感器采集的所述多个测试点的多个应力值；将所述多个应力值排列为应力输入向量后通过多尺度邻域特征提取模块以得到多尺度应力关联特征向量；将所述多个测试点的拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到拓扑特征矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的特征值为两个测试点之间的距离，所述拓扑矩阵中对角线位置上各个位置的特征值为零；融合所述多尺度应力关联特征向量和所述拓扑特征矩阵以得到分类特征向量；基于所述分类特征向量中所有位置的特征值的均值，对所述分类特征向量进行基于相位感知的特征值校正以得到校正后分类特征向量；以及将所述校正后分类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陶瓷纤维无纺防火布的成型质量是否满足预定要求。
[0009]在上述陶瓷纤维无纺防火布智能化制备方法中，所述将所述多个应力值排列为应力输入向量后通过多尺度邻域特征提取模块以得到多尺度应力关联特征向量，包括：将所述多个应力值按照样本维度排列以得到应力输入向量；将所述应力输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度应力特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述应力输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度应力特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，将所述第一尺度应力特征向量和所述第二尺度应力特征向量进行级联以得到所述多尺度应力关联特征向量。
[0010]在上述陶瓷纤维无纺防火布智能化制备方法中，所述将所述应力输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度应力特征向量，包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述应力输入向量进行一维卷积编码以得到第一尺度应力特征向量；其中，所述公式为：
[0011][0012]其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X表示所述应力输入向量。
[0013]在上述陶瓷纤维无纺防火布智能化制备方法中，所述将所述应力输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度应力特征向量，包括：使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述应力输入向量进行一维卷积编码以得到所述第二尺度应力特征向量；其中，所述公式为：
[0014][0015]其中，b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、G(x
‑
b)为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X表示所述应力输入向量。
[0016]在上述陶瓷纤维无纺防火布智能化制备方法中，所述将所述多个测试点的拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到拓扑特征矩阵，包括：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对所述多个测试点的拓扑矩阵进行：对所述多个测试点的拓扑矩阵进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的全局均值池化以得到池化特征矩阵；以及，对所述池化特征矩阵进行非线性激活处理以得到激活特征矩阵；其中，所述深度卷积神经网络的最后一层的输出为所述拓扑特征矩阵。
[0017]在上述陶瓷纤维无纺防火布智能化制备方法中，所述融合所述多尺度应力关联特征向量和所述拓扑特征矩阵以得到分类特征向量，包括：将所述多尺度应力关联特征向量和所述拓扑特征矩阵进行相乘以得到所述分类特征向量。
[0018]在上述陶瓷纤维无纺防火布智能化制备方法中，所述基于所述分类特征向量中所有位置的特征值的均值，对所述分类特征向量进行基于相位感知的特征值校正以得到校正后分类特征向量，包括：基于所述分类特征向量中所有位置的特征值的均值，以如下公式对
所述分类特征向量进行基于相位感知的特征值校正以得到所述校正后分类特征向量；其中，所述公式为：
[0019][0020]其中，V表示所述分类特征向量，表示所述分类特征向量中所有位置的特征值的均值的倒数，
⊙
表示按位置点乘。
[0021]在上述陶瓷纤维无纺防火布智能化制备方法中，所述将所述校正后分类特征向量通过分类器以得到分类结果，包括：使用所述分类器以如下公式对所述校正后分类特征向量进行处理以获得所述分类结果，其中，所述公式为：softmax{(W
n
，B
n
)：...：(W1，B1)|X}，其中，W1到W
n
为权重矩阵，B1到B
n
为偏置向量，X为所述校正后分类特征向量。
[0022]根据本申请的另一方面，提供了一种陶瓷纤维无纺防火布智能化制备系统，包括：测试点设置单元，用于在待检测陶瓷纤维无纺防火布的表面设置多个测试点；应力值获取单元，用于获取由应力传感器采集的所述多个测试点的多个应力值；多尺度应力关联特征向量生成单元，用于将所述多个应力值排列为应力输入向量后通过多尺度邻域特征提取模块以得到多尺度应力关联特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种陶瓷纤维无纺防火布智能化制备方法，其特征在于，包括：在待检测陶瓷纤维无纺防火布的表面设置多个测试点；获取由应力传感器采集的所述多个测试点的多个应力值；将所述多个应力值排列为应力输入向量后通过多尺度邻域特征提取模块以得到多尺度应力关联特征向量；将所述多个测试点的拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到拓扑特征矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的特征值为两个测试点之间的距离，所述拓扑矩阵中对角线位置上各个位置的特征值为零；融合所述多尺度应力关联特征向量和所述拓扑特征矩阵以得到分类特征向量；基于所述分类特征向量中所有位置的特征值的均值，对所述分类特征向量进行基于相位感知的特征值校正以得到校正后分类特征向量；以及将所述校正后分类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陶瓷纤维无纺防火布的成型质量是否满足预定要求。2.根据权利要求1所述的陶瓷纤维无纺防火布智能化制备方法，其特征在于，所述将所述多个应力值排列为应力输入向量后通过多尺度邻域特征提取模块以得到多尺度应力关联特征向量，包括：将所述多个应力值按照样本维度排列以得到应力输入向量；将所述应力输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度应力特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述应力输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度应力特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及将所述第一尺度应力特征向量和所述第二尺度应力特征向量进行级联以得到所述多尺度应力关联特征向量。3.根据权利要求2所述的陶瓷纤维无纺防火布智能化制备方法，其特征在于，所述将所述应力输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度应力特征向量，包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述应力输入向量进行一维卷积编码以得到第一尺度应力特征向量；其中，所述公式为：其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X表示所述应力输入向量。4.根据权利要求3所述的陶瓷纤维无纺防火布智能化制备方法，其特征在于，所述将所述应力输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度应力特征向量，包括：使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述应力输入向量进行一维卷积编码以得到所述第二尺度应力特征向量；其中，所述公式为：其中，b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、G(x
‑
b)为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X表示所述应力输入向量。5.根据权利要求4所述的陶瓷纤维无纺防火布智能化制备方法，其特征在于，所述将所述多个测试点的拓扑矩阵通过作为特征提取器的卷积神经网络模型以得到拓扑特征矩阵，
包括：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对所述多个测试点的拓扑矩阵进行：对所述多个测试点的拓扑矩阵进行卷积处理以得到卷积特征图；对所述卷积特征图进行沿通道维度的全局均值池化以得到池化特征矩阵；以及对所述池化特征矩阵进行非线性激活处理以得到激活特征矩阵；其中，所述深度卷积神经网...

【专利技术属性】
技术研发人员：李华，
申请(专利权)人：山东滨津纺织科技有限公司，
类型：发明
国别省市：