【技术实现步骤摘要】
本专利技术涉及无纺布检测的，特别是涉及一种无纺布生产用厚度检测方法及系统。
技术介绍
1、无纺布是通过将纤维定向或随机排列并通过物理或化学方法固结形成，无需传统的纺纱和织造过程。无纺布以其独特的结构特性，如质地柔软、透气性好、强韧耐用、易于加工和降解等特点，在全球范围内被广泛应用于医疗卫生用品、土工合成材料、过滤材料、吸油材料、擦拭布、包装材料、装饰材料等诸多领域。其中，无纺布的厚度及其均匀性直接影响到其各项性能指标，如强度、舒适度、过滤效率、渗透性等，进而决定其在终端产品中的适用性和有效性。
2、现有的无纺布厚度检测方法大多仅依赖于厚度检测仪对无纺布的实际厚度进行测量，并根据测量结果简单判断其是否合格。这种单一的检测方法忽略了无纺布生产工艺对其厚度均匀性的重要影响。实际上，在无纺布生产过程中，纤维类型、纤维含量、熔融温度、压延压力以及冷却速率等关键工艺参数都会对最终产品的厚度产生显著影响。
3、例如，在不同工艺生产的无纺布均满足厚度要求的前提下，不同工艺之间又存在资源使用率不同的情况，如果始终使用高资源使用率的工艺进行生产，即使能够生产出厚度合格的产品，也可能带来不必要的生产成本增加。因此，仅仅通过无纺布的实际表现来判断其厚度是否合格是不足够的。
技术实现思路
1、为解决上述技术问题，本专利技术提供一种能够科学、客观地评价无纺布的厚度工艺综合性能，有利于提高决策的准确性和效率的无纺布生产用厚度检测方法。
2、第一方面，本专利技术提供了无纺布生产
3、对生产中的无纺布进行厚度检测，获得与无纺布实体位置相对应的无纺布厚度特征矩阵；
4、将获得的无纺布厚度特征矩阵输入至预先构建的无纺布厚度分析模型中，获得无纺布厚度评价参数；所述无纺布厚度评价参数能够反映无纺布的厚度均匀性；
5、收集无纺布生产中的关键工艺参数，关键工艺参数至少包括纤维类型、纤维含量、熔融温度、压延压力以及冷却速率；
6、将收集到的关键工艺参数进行数据转换，得到能够反映无纺布厚度质量特性的无纺布工艺特征向量；
7、将无纺布工艺特征向量输入至预先构建的无纺布生产工艺评价模型中，获得无纺布工艺评价参数；所述无纺布工艺评价参数能够反映生产工艺对无纺布厚度质量的影响程度；
8、对无纺布厚度评价参数与无纺布工艺评价参数进行综合计算，得出无纺布的厚度工艺综合评价指数；
9、将厚度工艺综合评价指数与预设的合格阈值进行比对：若厚度工艺综合评价指数超过预设阈值，则判定正在生产中的无纺布样品为厚度合格产品；若厚度工艺综合评价指数未超过预设阈值，则判定正在生产中的无纺布样品为厚度不合格产品。
10、进一步地，所述关键工艺参数至少包括无纺布中所含纤维类型含量占比、熔融温度、压延压力以及冷却速率。
11、进一步地，无纺布工艺特征向量为：[l1,l2,…,ln,t,f,r]；
12、其中，表示第n个纤维类型含量占比，t表示熔融温度，f表示压延压力，r表示冷却速率。
13、进一步地，无纺布生产工艺评价模型的计算公式为：
14、
15、其中，e表示无纺布工艺评价参数，li表示第i种纤维类型含量占比，βi表示第i种纤维类型含量占比对应的权重系数，
16、示纤维类型含量占比、熔融温度、压延压力和冷却速率的权重系数。
17、进一步地，所述无纺布厚度分析模型的构建方法，包括：
18、收集无纺布历史厚度检测数据，对收集到的数据进行预处理，包括去除异常值、填补缺失数据以及数据标准化；
19、从预处理后的数据中提取与无纺布厚度相关的数据特征；
20、选择机器学习算法作为无纺布厚度分析模型的核心算法；
21、使用提取到的提取与无纺布厚度相关的数据特征对无纺布厚度分析进行训练，通过调整模型参数优化模型性能；并使用独立的测试数据集对训练好的模型进行评估；
22、将评估合格后的无纺布厚度分析模型部署到生产环境中，使其能够实时对生产中的无纺布进行厚度评价。
23、进一步地，所述数据特征包括厚度平均值、厚度标准差、厚度最大值和厚度最小值。
24、进一步地，所述机器学习算法采用支持向量机、随机森林或神经网络其中的任一种。
25、另一方面，本申请还提供了无纺布生产用厚度检测系统，所述系统包括：
26、实时厚度检测模块，用于在无纺布生产过程中对无纺布进行连续扫描和厚度检测，生成与无纺布实体位置一一对应的无纺布厚度特征矩阵；
27、厚度分析模型模块，用于将获得的无纺布厚度特征矩阵输入至预先构建的无纺布厚度分析模型中，获得能够反映无纺布厚度均匀性的无纺布厚度评价参数；
28、工艺参数采集模块，用于收集无纺布生产中的关键工艺参数，关键工艺参数至少包括纤维类型、纤维含量、熔融温度、压延压力以及冷却速率；
29、工艺特征转换模块，用于将收集到的关键工艺参数进行数据转换，得到能够反映无纺布厚度质量特性的无纺布工艺特征向量；
30、生产工艺评价模块，用于将无纺布工艺特征向量输入至预先构建的无纺布生产工艺评价模型中，获得能够反映生产工艺对无纺布厚度质量的影响程度的无纺布工艺评价参数；
31、综合评价计算模块，用于整合无纺布厚度评价参数与无纺布工艺评价参数，获得无纺布的厚度工艺综合评价指数；
32、判定模块，用于将厚度工艺综合评价指数与预设的合格阈值进行比较，根据比较结果做出判定：当厚度工艺综合评价指数超过预设阈值时，输出结论为：正在生产中的无纺布为厚度合格产品；反之，若厚度工艺综合评价指数未达到预设阈值，则输出结论为：正在生产中的无纺布为厚度不合格产品。
33、第三方面，本申请提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
34、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
35、与现有技术相比本专利技术的有益效果为：本专利技术不仅考虑了无纺布的实际厚度测量，还纳入了生产工艺参数的影响，从源头上对影响无纺布厚度均匀性的关键工艺因素进行了评估，实现对无纺布厚度质量的全面把控；通过对生产过程中的无纺布进行连续监测并生成厚度特征矩阵，可以更精确地掌握无纺布各部位的厚度分布情况，提高厚度检测的精细化程度；通过综合分析厚度质量和生产工艺参数的关系，能够在保证产品质量的同时，合理调整生产工艺，避免因过度追求某一单项指标而导致的资源浪费和生产成本增加；
36、通过实时获取并分析关键工艺参数，可以在生产过程中及时发现并调整可能导致厚度本文档来自技高网...
【技术保护点】
1.一种无纺布生产用厚度检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的无纺布生产用厚度检测方法，其特征在于，所述关键工艺参数至少包括无纺布中所含纤维类型含量占比、熔融温度、压延压力以及冷却速率。
3.如权利要求2所述的无纺布生产用厚度检测方法，其特征在于，无纺布工艺特征向量为：[L1,L2,…,Ln,T,F,R]；
4.如权利要求3所述的无纺布生产用厚度检测方法，其特征在于，无纺布生产工艺评价模型的计算公式为：
5.如权利要求1所述的无纺布生产用厚度检测方法，其特征在于，所述无纺布厚度分析模型的构建方法，包括：
6.如权利要求5所述的无纺布生产用厚度检测方法，其特征在于，所述数据特征包括厚度平均值、厚度标准差、厚度最大值和厚度最小值。
7.如权利要求5所述的无纺布生产用厚度检测方法，其特征在于，所述机器学习算法采用支持向量机、随机森林或神经网络其中的任一种。
8.一种无纺布生产用厚度检测系统，其特征在于，所述系统包括：
9.一种无纺布生产用厚度检测电子设备，包括总线、收发
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法中的步骤。
...【技术特征摘要】
1.一种无纺布生产用厚度检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的无纺布生产用厚度检测方法，其特征在于，所述关键工艺参数至少包括无纺布中所含纤维类型含量占比、熔融温度、压延压力以及冷却速率。
3.如权利要求2所述的无纺布生产用厚度检测方法，其特征在于，无纺布工艺特征向量为：[l1,l2,…,ln,t,f,r]；
4.如权利要求3所述的无纺布生产用厚度检测方法，其特征在于，无纺布生产工艺评价模型的计算公式为：
5.如权利要求1所述的无纺布生产用厚度检测方法，其特征在于，所述无纺布厚度分析模型的构建方法，包括：
6.如权利要求5所述的无纺布生产用厚度检测方法，其特征在于，所述数据特征包括厚度平均值、厚...
【专利技术属性】
技术研发人员：周宁，董伊航，张文凯，陈雨晴，
申请(专利权)人：苏州优力凯新材料科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。