文|奇聞館長A
編輯|奇聞館長A
●—≺ 前言 ≻—●
隨著人工智慧、計算機技術趨於成熟，機器人的自動化縫製在服裝行業的應用越來越廣泛，在
機器人縫製服裝的過程中，末端執行器需要同步引導縫紉機送入面料，有學者基於視覺信息完成了縫制任務。
通過機器視覺根據面料邊緣的位置信息確定了機器人的運動路徑，實現了任意形狀面料的縫製。
設計基於視覺伺服的機器人縫製系統，並根據圖像特徵確定了面料的方位誤差，實現了面料的邊緣縫製，可看出基於視覺反饋可確定機器人縫製路徑並調整縫製方向。
但與操作剛性材料不同，縫製過程中面料在不同壓縮力、剪切力與拉伸力的影響下會產生不可預測的形變，從而影響縫製質量，保持面料恆定的期望張力對實現平滑完整的線跡縫製具有重要的意義。
基於此設計了面料自動縫紉的智能分層控制器，提出面料延展性的概念，將延展性提交給下一層次進行決策，從而確定了在縫紉過程中合適的面料張力。
這個過程中通過神經網路預測面料延展性較為複雜，而且僅採用一種面料特性對期望張力預測不夠準確。
針對確定面料期望張力以避免面料形變的問題，提出了基於延展性的機器人面料縫製張力預測方法，該方法採用模糊語言變數面料延展性和種類表達面料的特性，支持向量機是一類按監督學習方式對數據進行二元分類的廣義線性分類器。
通過ＳＶＭ模型對面料延展性進行評價，根據人類經驗對面料種類進行分類，利用模糊邏輯規則對面料特性和期望張力之間的關係進行描述，實現對面料期望張力的預測，以保持機器人縫製中恆定的面料張力。
為避免對面料進行複雜的性能測量和力學建模，提出ＳＶＭ演算法和模糊控制系統對期望張力進行預測，在對不同延展性的面料進行訓練學習之後，可有效預測任意麵料的期望張力。
●—≺期望張力預測方法≻—●
面料延展性和面料種類描述了面料的特性，面料的延展性越大，期望張力就越大，按照棉、麻、絲綢、呢絨的面料順序，期望張力依次減小，將面料特性作為模糊控制系統的輸入，輸出面料的期望張力，通過模糊邏輯找到面料期望張力與面料特性的非線性關係。
機器人縫製中基於面料延展性的期望張力預測方法，通過ＳＶＭ演算法對面料延展性進行分類，根據模糊控制系統對面料期望張力進行預測。
對數據進行採集並濾波處理，面料張力Ｆ和拉伸應變Ｓ組成特徵向量作為ＳＶＭ的輸入集，將延展性Ｅ作為訓練標籤，使用訓練好的模型對測試集進行預測，確定延展性分類結果，模糊邏輯控制系統可確定面料期望張力與面料特性的關係，並輸出面料的期望張力。
根據面料延展性預測期望張力可避免客觀測量面料的性能，定義Ｅ為模糊語言變數面料延展性，通過語言值描述延展性的大小，根據面料張力Ｆ和拉伸應變Ｓ通過ＳＶＭ演算法對面料延展性進行分類評價。
模糊控制是以模糊集理論、模糊語言變數和模糊邏輯推理為基礎的智能控制方法，將面料延展性和面料種類輸入模糊控制系統，通過設定面料特性與期望張力之間的模糊規則對期望張力進行預測。
模糊控制主要包括以下４個部分：模糊化、知識庫、模糊推理和清晰化。
進行輸入量的模糊化，Ｅ和Ｔ分別表示模糊語言變數面料延展性和面料種類，將預測的面料延展性作為輸入的模糊量；面料種類Ｔ的模糊量根據面料柔軟度取值，柔軟度越大取值越大。
知識庫包括資料庫和規則庫，延展性Ｅ在模糊論域Ｘ＝［０，１］上用非常低、低、中等、高、非常高５個模糊語言值表示。
種類Ｔ在Ｙ＝［０，１］上用低、中等、高３個模糊語言值表示，每個語言值相對應一個模糊集合，期望張力在Ｚ＝［０，１］上的模糊集合為：非常低、低、中等、高、非常高。
面料延展性越大，面料越柔軟，越易發生形變，面料平整的張力就越大，控制規則為面料延展性越大，期望張力越大，面料種類柔軟度越高，期望張力越大。
●—≺平台搭建實驗≻—●
為驗證演算法的有效性，搭建了由ＴＹＰＩＣＡＬＧＣ６９２０工業縫紉機、ＵＲ５ｅ機械臂、計算機、壓板以及面料組成的實驗平台。
壓板安裝在機械臂末端法蘭上，將面料固定在縫紉機壓腳上，機械臂和計算機之間通過ＴＣＰ／ＩＰ建立通信過程，計算機以ｓｏｃｋｅｔ套接字的形式向機械臂發送控制命令，使機械臂末端的壓板拖動面料運動。
準備面料樣本，準備１１種不同材質的面料樣本，分別為斜紋純棉面料、薄牛仔、滌棉面料、搖粒絨面料、棉螺紋面料、綢緞、毛呢、毛氈、竹節麻面料、混紡面料和天鵝絨面料。
打開計算機，啟動機器人和服務端，建立ｓｏｃｋｅｔ通信。
採集力信息，機械臂末端壓緊面料沿工具坐標系ｘ軸移動３ｃｍ，通過六維力感測器採集面料張力和力矩信息，並發送給計算機。
數據預處理，計算機通過Ｓａｖｉｔｚｋｙ－Ｇｏｌａｙ濾波器對採集的力進行平滑去噪併合成為Ｆ，得到拉伸應變Ｓ。
延展性模型訓練與測試，根據Ｓ－Ｆ曲線對面料延展性進行分類，將類別作為ＳＶＭ的訓練標籤，面料的Ｓ－Ｆ數據作為特徵向量輸入集，進行ＳＶＭ模型的訓練，通過比較測試集的預測值和實際值驗證模型的準確性。
面料期望張力預測，將預測的面料延展性和相應面料種類輸入模糊控制系統，經過模糊推理，輸出期望張力的清晰值，進行論域變換後得到期望張力的實際值，並獲得面料期望張力。
●—≺實驗結果和分析≻—●
對１１種面料分別進行拉伸測試，並對張力數據進行濾波預處理，對於竹節棉麻面料、毛氈、毛呢、斜紋純棉面料、綢緞、薄牛仔面料等延展性差的面料。
由於面料拉伸時快速緊繃，張力增大，所以合力需減去面料開始拉伸時增大的力，再將Ｆ的上限設為１７Ｎ，合力曲線在２０Ｎ之後趨於平緩，根據Ｆ減去２０Ｎ後上限為１７Ｎ，取第９９０到第４１００個採樣點的數據。
對於滌棉面料、搖粒絨面料、棉螺紋面料、混紡面料、天鵝絨面料等延展性較好的面料，減去面料開始拉伸時突然增大的力且不設力的上限，取拉伸３ｃｍ過程中採集到的張力數據來繪製Ｓ－Ｆ曲線，採樣點個數均為６０７９個。
將面料延展性分為４類，毛呢和毛氈延展性類別為３，竹節棉麻面料、斜紋純棉面料、綢緞延展性類別為２，薄牛仔、混紡面料和天鵝絨面料延展性類別為１，搖粒絨面料、棉螺紋面料、滌棉面料延展性類別為０。
將毛氈、竹節棉麻面料、斜紋純棉面料、薄牛仔、混紡面料、棉螺紋面料、滌棉面料的數據作為ＳＶＭ模型的訓練集，將毛呢、綢緞、天鵝絨面料、搖粒絨面料的數據作為測試集，訓練集的樣本個數為３１４８３，測試集樣本個數為１７４６７。
將核函數參數ｋｅｒｎｅｌ分別設置為ｒｂｆ、ｌｉｎｅａｒ以及ｓｉｇｍｏｉｄ對模型分別進行訓練，其中懲罰參數Ｃ設置為１，ｇａｍｍａ設置為０.２５，採用毛呢、綢緞、天鵝絨面料、搖粒絨面料的數據通過ＲＯＣ曲線來評判分類結果的好壞。
ＡＵＣ指ＲＯＣ曲線下方的面積，ＡＵＣ值越大則模型的性能越好，根據ＲＯＣ曲線，核函數為ｌｉｎｅａｒ時，４種面料微平均的ＡＵＣ最大為０.９８，而且查准率和查全率都為０.８６９，所以選取ｌｉｎｅａｒ作為核函數參數從而得到ＳＶＭ模型。
將測試集的面料特徵向量輸入ＳＶＭ模型中進行測試，虛線代表實際的面料延展性，搖粒絨面料延展性類別為０，天鵝絨面料延展性類別為１，綢緞延展性類別為２，毛呢延展性類別為３，通過ＳＶＭ預測延展性。
在拉伸面料的過程中，預測的延展性最終趨於實際的延展性，從而證明了ＳＶＭ模型預測的有效性，面料延展性的類別（０，１，２，３）對應輸入模糊控制系統的模糊量為０.８、０.６、０.４、０.２。
面料種類分為棉面料、麻面料、絲綢、呢絨４類，模糊量取值依次為０.８、０.６、０.４、０.２，例如對絲綢的期望張力進行預測，將延展性Ｅ＝０.４和面料種類Ｔ＝０.４輸入模糊控制系統，得到期望張力的模糊集合Ｃ的隸屬函數。
輸出去模糊化的期望張力Ｆｃ＝０.３５８，根據面料延展性和種類的離散模糊量，經過模糊控制系統輸出去模糊化的期望張力。
由於縫製面料時期望張力應當適中，所以取４類面料延展性的Ｓ－Ｆ曲線中點的張力值，則延展性最小和最大的面料張力分別為２Ｎ和８.５Ｎ。
根據拉伸測試開始時面料增加的張力為２０Ｎ，得到實際期望張力論域的範圍為［ｕｍｉｎ，ｕｍａｘ］＝［２２Ｎ，２８.５Ｎ］，模糊論域的範圍為Ｆ′ｓ＝２５.２５＋６.５×（Ｆ′ｑ－０.５）。
得到綢緞的期望張力Ｆｓ＝２４.３３Ｎ，其他任何未知面料可通過ＳＶＭ模型預測延展性類別，實現對未知面料的期望張力預測。
為驗證面料預測張力能滿足智能化縫製加工的需要，對毛呢採集力信息並進行數據處理，通過ＳＶＭ模型預測其延展性類別為３，對應輸入模糊控制系統的模糊量為０.２，根據面料種類Ｔ＝０.２。
機器人首先沿ｘ軸方向拉伸面料，直到面料張力達到期望張力再沿ｙ軸方向縫製６ｃｍ，縫製過程中縫紉機送布時針腳的抬落以及機器人和縫紉機速度存在偏差等因素導致張力減小並最終趨於２０.５Ｎ。
當毛呢縫製張力為實際期望張力時線跡較直，縫製張力大於實際期望張力時線跡發生彎曲，縫製張力小於實際期望張力時面料發生褶皺，縫製效果較差。
對竹節棉麻面料採用相同的步驟進行縫製實驗，通過ＳＶＭ模型預測延展性Ｅ＝０.４，面料種類Ｔ＝０.６，得到實際的期望張力Ｆｓ＝２５.０３Ｎ，張力最終減小至２２.８Ｎ，竹節棉麻面料縫製張力不同時的線跡與毛呢類似。
●—≺結語≻—●
面料期望張力與面料性能有關，利用傳統的方法得到面料性能參數需要進行複雜的定量計算和分析，且通過性能參數對面料進行力學建模比較困難。
針對機器人縫製過程中確定期望張力的問題，提出了基於延展性的機器人面料縫製張力預測方法。
採用面料延展性對面料性能進行主觀估計，基於面料拉伸測試對延展性進行分類並利用ＳＶＭ模型預測延展性，得到面料延展性類別和相應的種類後，結合面料特性與期望張力的模糊規則，可求得面料的期望張力。
參考文獻：
[1]劉國江．立體縫製關鍵技術研究［Ｄ］．西安：西安理工學，2019
[2]平麗華．扣眼縫製機器人視覺引導系統研製［Ｄ］．西安：西安工程大學，2019
[3]周志華．機器學習［Ｍ］．北京：清華大學出版社，2017
[4]李國勇，楊麗娟．神經·模糊·預測控制及其ＭａｔＬａｂ實現［Ｍ］．北京：電子工業出版社，2018
[5]楊一帆．基於阻抗控制的弱剛性構件雙機器人協同磨拋技術研究［Ｄ］．武漢：華中科技大學，2019
