汪 军

(东华大学，上海 201620)

0 引言

随着自动控制技术、计算机技术和互联网的快速发展，传统制造业正发生着巨大变化，纺织工业也不例外。德国工业4.0、美国制造业再回归、“中国制造2025”等国家规划的出台，一时间“智能纺织”也成为热点话题。然而对“智能纺织”的定义，则是智者见智仁者见仁，尚无共识。

中国纺织机械协会发布的《纺织机械行业“十三五”发展指导性意见》中指出，“十三五”期间，在提高纺织设备制造质量及可靠性水平的基础上，提高连续化和智能化水平是纺纱机械发展的大趋势，以实现纺纱车间夜班无人值守；进一步减少棉纺成套设备万锭用工，使纺纱生产更加高速、高产、优质、高效和节能；应用高新电子技术，实现成套棉纺设备的网络化数据传输和在线检测与在线控制，实现生产过程的连续化和生产管理的智能化，减少设备配台数量，提高设备利用效率；提高设备、专件的可靠性和纺纱的稳定性、一致性；提高设备的纺纱工艺和纺织品品种适应性，满足纺织企业小批量、多品种的需求；进一步研究电机、纺织空调等设备的节能降耗技术，降低纺织企业的吨纱能耗。

《纺织机械行业“十三五”发展指导性意见》中也多次出现“智能化”，那么究竟什么是智能化呢？所谓“智能化”，是指由现代通信与信息技术、计算机网络技术、行业技术、智能控制技术汇集而成的针对某方面的应用。从感觉到记忆再到思维这一过程称为“智慧”，智慧的结果产生了行为和语言，将行为和语言的表达过程称为“能力”，两者合称“智能”。智能一般具有感知能力、记忆和思维能力、学习能力和自适应能力以及行为决策能力这4个方面的能力。可见一般的智能化需要具备以上4个方面的能力，纺织智能化也不例外。那么我们现在的纺织智能化处于什么阶段呢？笔者认为从以上4个能力来分析，我们初步具备了“感知能力(在线和离线检测)”和“记忆和思维能力(数据与信息的储存与初步处理)”，而在“学习能力和自适应能力(数据深度处理与自我学习)”和“行为决策能力(自我诊断自我调整)”方面仅仅处于探索阶段。

笔者以纺织器材、专件智能化目标为出发点，分别阐述如何利用纺织生产流程在线检测、质量数据挖掘和工艺参数优化来逐步实现智能化。

1 纺织加工的属性特点

众所周知，纺织工业是世界上第一个产业化的工业领域，在工业化之前则是手工作坊式的加工，可以称为手工业。至今一些地方还存在的“土纺土织”即属于这个范畴，其质量优劣则依赖于操作人员的水平。工业化之后，纺织业迅速发展，经历了蒸汽时代、电气化时代和自动化时代，目前正朝智能化时代发展[1]。

纺织加工的原料一般是纤维，即具有一定长径比和其他属性的原料，通过纺纱、织造、印染、服装加工等工序制成终端纺织品服装等。纺织加工的核心基础是纤维集合体与刚体(以金属为主)、纤维集合体与流体(以气流为主)、纤维集合体与弹性体(以橡胶为主)的耦合作用，以及纤维间的相互作用。由于纤维材料是一种具有大变形的柔性材料，以上几种相互作用的精确力学模型建立比较困难，因此本质上纺织加工过程的模型仍然是一种半经验半理论的模型。认识到这一点，是正确理解纺织工业自动化和智能化水平的基础。

纺织智能化本质是智能化在纺织工业上的应用与发展，当具备了上述的4种能力时才有可能全面实现；而现阶段我们尚缺乏后2种能力，如何在现有阶段来提高后2种能力是我们所需要思考的问题。

另外，纺织加工中有众多的专用基础件，据不完全统计约为2万多种。这些专用基础件中很多是直接与纤维集合体接触的，对纺织加工质量的影响尤其大。以纺纱为例，从纤维喂入到纱线输出的整个流程，与纤维、半制品和纱线接触的均是纺织器材、专件，而纺织器材、专件的设计、制造和选用长期以来是一个需要依靠经验积累的工作。当然，很多纺织科技工作者采用试验设计、数据处理等方式得到一些数学关系；但是这基本是采用回归方法得到的回归方程，其精度仍略显粗糙。如何进一步提高回归方程的精度，也是众多纺织器材、专件制造企业和纺织企业所关心的问题。

2 纺织在线检测与质量数据挖掘

随着传感器技术的快速发展与应用，纺织在线检测的应用在量和质方面均极大提高。以纺纱为例，其在线检测技术的发展趋势是：从半制品指标检测向过程控制指标检测发展，从静态指标检测向动态指标检测发展，从主要指标检测向全面指标检测发展，从宏观指标检测向微观指标检测发展[2]。近年在异纤检测与剔除技术、电子清纱技术和纱线质量检测技术、自调匀整技术方面的进展，为纺纱自动化提供了条件。与此同时，在线检测为纺织生产的全流程、全过程检测提供了海量数据，其有效利用为我们从自动化时代跨向智能化时代提供了可能。

在线检测的目的是通过一定频率实时监控纺织生产过程中半制品或重要参数的波动，为自动调整工艺参数提供依据；而随着信息技术的发展，使海量数据的挖掘、深度学习成为可能，为我们掌握纺织规律、建立模型提供了一种新的途径。

所谓数据挖掘(Data Mining)，是数据库知识发现(Knowledge-Discovery in Databases)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。换言之，就是我们以往使用统计回归分析的一种升级版，其前提是有大量数据，本质是要有合适算法。

纺织工业中，曾经有计算机配棉、基于神经网络的纱线质量预测等研究和应用。所谓人工神经网络是一种以模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。在近20年中，神经网络的纺织应用报道很多，但是由于需要海量数据以及机理难以详细阐述，该技术的发展一度受到影响。随着深度学习的提出为我们的数据挖掘提供了新的手段，深度学习是机器学习中一种基于对数据进行表征学习的方法，该方法源于人工神经网络的研究，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

我们可以在在线检测的基础上获得海量数据；通过数据挖掘技术，给出输入量和输出量之间的关系，可视为得到某加工过程的规律(也可以理解为纺织业内经验丰富的技术人员的头脑)，从而为工艺参数优化提供了模型。

3 工艺参数优化与器材专件智能化

纺织加工过程中，往往需要进行工艺参数的优化，即在现有的条件下选择合理的器材、专件，优化工艺参数，以期获得最佳效果，或质量最佳或成本最低等。通过以上的分析，在数据挖掘得到规律的基础上是可以进行参数优化，得到合适的工艺。那么这和智能化有什么关系呢？纺织器材、专件的智能化，一是纺织器材、专件规格选择的智能化；二是纺织器材工作参数的智能化；三是纺织器材工作状态判断的智能化。

所谓纺织器材、专件规格选择的智能化是科学合理地选择，现在的选择大致是供应商推荐、用户厂的经验；如果有大数据的支持，可以采用类似聚类分析的方法，给客户提供一个较为清晰的选择依据。

纺织器材工作参数的智能化，是在规格选定的基础上其工作参数的智能化，这个完全可以依据以上的深度学习来达到。

纺织器材工作状态判断的智能化，是基于许多纺织器材、专件是易耗件，随着时间的推移已不适合正常生产了，需要及时更换。如何自动智能判断其状态也是重要的，可以通过监控半制品质量或者检测器件的关键参数来达到。

4 结语

智能纺织的大潮扑面而来，如何在这个大潮中顺势而为是很重要的。“自我学习、自我诊断、自我调整”是智能化判断的重要依据。纺织智能化的路还很长，纺织人不仅要学习信息学科、计算机网络技术等知识，更重要的是要重视纺织学科基本的和关键的问题。当前检测技术的应用已经普及，由此产生的海量数据的处理与分析，以及与纺织加工工艺的关系是需要重点研究的，通过数据得到的模型或规律对指导纺织工艺、未来实现真正智能化纺织是有重要作用的。纺织器材、专件的重要程度已逐渐被纺织人所认识，在当前的时代背景下利用在线检测、数据分析和工艺参数优化，实现初步智能化是非常重要的，这是纺织器材、专件发展的一大趋势。正确认识智能化纺织，采取务实方式推进纺织器材、专件在智能化纺织中的应用将大有作为。