數據驅動的機器人化紡織生產智能管控系統研究進展

張 潔， 徐楚橋， 汪俊亮， 鄭小虎

1. 東華大學 人工智能研究院， 上海 201620； 2. 上海交通大學 機械與動力工程學院， 上海 200240)

紡織行業是我國重要的民生產業和國際競爭優勢產業，包含棉紡、毛紡、化纖、印染、針織、家紡、服裝等行業。近年來，紡織行業在自動化、信息化方面取得了長足進步，單機自動化和車間信息化建設已經達到較高的水平，但在疫情和招工難的沖擊下，紡織產業需由勞動密集型向自動化、少人或無人化生產升級過渡，在此過程中存在部分典型、關鍵工藝難以實現自動化生產等問題，產線效率仍有待提高，全流程自動化生產難以實現[1-2]。

近年來，隨著工業機器人技術的發展與普及，大力促進機器人技術與紡織工藝相結合，提升其在紡織自動化系統中的應用已勢在必行。我國是紡織機械裝備及工業機器人生產大國，但工業機器人技術在紡織自動化生產領域的應用嚴重滯后，高端紡織裝備一直被歐洲、日本等壟斷，價格高昂。在國內，例如經緯紡織機械股份有限公司也開發出了紡紗全流程自動化生產裝備，部分實現了以數據驅動的棉紡生產設備與流程管控一體化，但部分關鍵工藝節點仍然依賴人工，無法實現多機協調下的全流程自動化生產[3]。

隨著自動化、網絡化、數字化、智能化技術的發展，通過紡織自動化生產工藝與機器人的深度融合，并對其生產過程數據進行智能分析、決策，實現數據驅動的“自感知-自分析-自決策”紡織生產智能管控系統，已經成為紡織智能轉型升級的必然趨勢。本文系統梳理了紡織機器人生產系統的發展歷程，描述了數據驅動的機器人化紡織生產智能管控系統體系架構，探討了其關鍵技術及應用，以期促進更多紡織領域機器人化生產智能管控系統的理論技術研究與工程應用發展。

1 發展歷程

紡織行業生產過程具有多工序、長流程、連續化生產的特點，為實現連續化生產，機器人需求包括：1)單工序內部的作業連續化，如斷紗檢測機器人、細紗自動接頭機器人實現細紗工序生產的連續化；2)多工序間的物流連續化，如配棉排包機器人與精梳機自動喂卷機器人實現開清—精梳一體連續化生產。圖1示出紡織機器人的發展歷程。可見其發展可大致分為3個階段。

圖1 紡織機器人發展歷程

早期的紡織機器人，主要通過自由度較低的自動化裝置結合傳感器完成一些簡單重復而繁重的工作任務，以降低工人勞動強度并提高生產效率。相關研究集中于上下料機器人、物料運輸機器人和一些簡單的輔助生產動作替代機器人。由于自動化裝置功能單一且傳感器位置固定，早期的紡織機器人并不靈活，智能化水平較低，僅實現了少量工序間的聯接和部分工序內相對意義上的連續生產，且仍需人工值機。例如環錠紡紗工藝流程中的粗/細紗自動落紗裝置[4]，通過電氣檢測元器件識別滿管信號，隨后落紗機構相繼完成導紗葉子板翻轉、拔管、插管等動作，實現自動落紗。早期的物料運輸機器人，依靠輸送帶或低自由度的工業機器人實現紡織生產線物料流、卷裝流的聯接[5-6]。

隨著自動化技術和傳感器的進一步發展，紡織機器人靈活性大大增加，可以完成相對復雜的工作任務，進一步提高了生產過程的連續性并降低了人力需求[7-8]。如斷紗檢測等生產狀態監測機器人和異纖檢測等在制品質量檢測機器人的研究成果逐漸增加，轉杯紡自動接頭[9]等較為復雜的輔助生產動作替代機器人也有了突破性進展。織造工藝流程中的自動穿經機器人[10]，可實現經紗在鋼筘、停經片、綜絲間的自動穿線，且能適應多品種紗線。然而當時的人力資源相對低廉，此類自動化裝備成本遠遠高于人工成本，紡織機器人發展進入停滯期。

近十余年來，人工智能技術的蓬勃發展以及人力成本的不斷攀升，為紡織機器人的發展注入新的動力[11]。工業相機等光電式感知設備逐漸成為主流，機器視覺技術為機器人提供更加敏銳、直觀的感知能力[12]。剛性機器人在柔性紗線、面料加工生產動作中的困難被克服，柔性的末端執行器[13]和機器人控制技術研究成為熱點。隨著紡織產業向全流程自動化、智能化目標的不斷邁進，紡織機器人的相關研究更加集中于生產狀況監控、非接觸式檢測以及尚需人工值機的關鍵生產工序。例如化纖生產中使用的自動鏟板機器人[14]，通過彈簧并聯在減少對噴絲板損傷的情況下，有效清潔板面。染整工藝涉及大量化學品，通過對溫度[15]、酸堿度[16]等工藝變量的監控，實現原料智能配比與運輸。對于織物色差[17]、手感等受感官因素影響的指標，也逐漸發展出全新的基于類腦數據智能的評價體系。

隨著科學技術的發展，人力在制造系統中的比重逐步減少，并將積累的經驗與知識萃取、固化在制造系統中[18]。制造系統智能化的演化方向與目標，是系統自主根據輸入和產出條件進行制造活動，無需人為干預。隨著人工智能、工業互聯網、新一代移動通信技術等與制造業的深度融合，制造系統從自動化集成到全連接工業互聯網，并不斷向認知制造發展[19]，紡織生產系統的發展趨勢也是如此。

2 體系架構

數據驅動的機器人化紡織生產智能管控系統的體系架構如圖2所示。通過“紡織纖維流-數據信息流-決策控制流”三流合一，動態優化與調整機器人參數，使制造系統始終保持最優穩定運行，實現紡織全流程高度自動化生產和智能協同管控。

圖2 數據驅動的機器人化紡織生產智能管控系統體系架構

裝備層：通過紡織自動化生產設備與機器人的深度融合，補全紡織自動化生產斷點，集成各工序信息系統數據，實現全流程自動化生產作業與數據的泛在感知。其關鍵技術在于補全流程斷點的多類型紡織機器人。

數據層：根據紡織裝備層的生產過程數據，建立紡織大數據倉庫和數字主線，實現紡織全流程多要素數據的集成與存儲運算，為大數據驅動的紡織生產系統的智能管控提供海量數據與運算能力支持。其關鍵技術在于多鏈融合的紡織全流程數字主線。

應用層：借助大數據、人工智能算法對機器人化紡織生產系統數據進行關聯、預測、調控[20-21]，建立 “自感知-自分析-自決策”紡織工業微服務組件庫與應用開發工具。面向紡織設備管理、產品質量控制、工藝執行管理、生產物流調度等業務，根據民生、醫用、軍工等具體業務場景，構建監控、分析、優化等紡織工業應用系統。其關鍵技術在于多應用協同的紡織智能管控系統。

3 關鍵技術及應用

3.1 補全流程斷點的多類型紡織機器人

紡織生產過程中，生產設備按工藝流程完成生產任務，需根據生產工藝流程分析全流程中的自動化斷點，在原有生產線的基礎上對紡織機器人生產線進行配置設計。按照結構形式分類，主要包括直角坐標系機器人、柱面坐標系機器人、球面坐標系機器人和多關節型機器人4種，需根據具體紡織作業場景及任務動作適當選擇。因紡織過程中場景任務多樣，按照執行功能劃分更有益于生產應用，主要分為物流、服務作業、檢測3類機器人。

3.1.1 物流機器人

物流機器人指將生產過程中的物料、半成品或成品從某一工位或工序移動到另一工位或工序的自動化裝置[22]，此過程中物料或產品外觀及內在性質未發生改變，因此，需根據紡織各工序產品的分裝形式，設計合適的夾持及移動方式，打通紡織全流程物流銜接斷點，實現全流程無人化全自動橋接。

1)包/袋裝上下料機器人：生產中多采用包/袋封裝物料，如棉包、編織袋裝紗線、塑料袋裝面料等。由于其具有質量大、可壓縮性、擺放地點次序不確定的特點，常采用抱合式末端執行機構，配合無人駕駛叉車實現上下料。例如棉包上料機器人，根據數據中心的生產訂單計劃及配棉方案，自動導航至原料定置定位區，按順序自動一次性夾取多個相應標號的棉包，按照排包圖的坐標放置于往復相應的包臺上，機器人排完包后發出信息，傳輸給抓棉機開車運行。

2)桶/籠裝轉運機器人：為方便儲存、運輸和喂入，生產中部分半成品常采用桶裝或籠裝，如生條桶、熟條桶、染色紗籠等。由于其具有圓滑型、需更換空桶/籠的特征，多采用圈套式或吊桿鎖扣式末端執行機構，配合視覺識別定位，自動導引運輸車(AGV)或直角坐標系機器人實現上下料。例如條桶轉運機器人，在梳棉—并條/精梳、并條—粗紗生產流程中，對滿桶進行自動識別，1次夾持多個條桶，轉運至下一工序的空缺工位處。如無空缺工位，則按順序識別空桶，將滿桶與空桶進行更換，在滿桶全部放置完成后，將空桶轉運至上一工序的等待工位。

3)卷裝輸送機器人：紡織生產中部分成品或半成品常為卷裝形式，例如筒紗、化纖絲餅、卷裝面料等。由于其具有質量相對輕、柱形外觀、需旋轉的特征，多采用夾爪式末端執行器[23]，配合柱面或球面坐標系機器人完成輸送。例如筒紗輸送機器人，在絡筒完成后，根據生產參數定義每臺筒紗取放機械手對應的筒紗品種，首先機械手將筒紗從自動絡筒機上取下，每個筒紗抓手配有1個編碼板，記憶抓手裝載狀態及筒紗品種，筒紗輸送鏈條輸送至落紗區，系統讀取抓手編碼信息分品種落紗，落紗平臺將筒紗按預定位置及指定數量有序擺放，以增強多品種處理能力，最大化儲運空間。

4)整裝碼/拆垛機器人：紡織產品整裝碼垛時多為托盤式或箱體式，如盤裝筒紗、箱裝面料、箱裝服裝等。由于其具有質量大、規則方形、擺放位置靈活的特點，多采用固定托舉/吊持式末端執行器[24]，配合關節機器人、AGV完成碼垛和拆垛。例如盤裝筒紗碼垛機器人，通過棧存軌道機械手抓取落紗平臺上的筒紗，按指定的排列方式分品種堆垛，堆垛完成后呼叫自主巡航AGV將成垛筒紗放置到回潮區，自然回潮一段時間后，系統調度自主巡航AGV將成垛筒紗托起輸送到包裝系統。拆棧喂入機械手將成垛筒紗拆開，逐列將筒紗放置到筒紗包裝輸送線上，進入包裝系統中。可根據要求對平型筒和錐形筒進行多層堆焊，以適用于不同的紗筒規格。成包的筒紗在抓取線上進行定位，碼垛機械手將筒紗按指定排列碼垛在托盤上，供棧機將碼垛好的托盤輸出，并提供下一個空托盤。

3.1.2 服務作業機器人

紡織生產過程中，生產設備已能夠高度自動化完成主要工藝作業，但仍有一定的工藝過程由于動作復雜、靈活性高，需人工作業完成。服務作業機器人指生產中某一工位上為完成既定工藝過程，配合主要生產設備對在制品進行外觀或內在性能改變的自動化裝置[25]。

1)色織紗自動染色機器人：通過染色自動裝卸紗末端執行器對10層以上、直徑為140～180 mm筒子紗進行抓取。在裝紗籠時先沿圓周方向裝里側紗桿，逐層向外裝;從紗籠卸紗卷時，先沿圓周方向卸外側紗桿，逐層向里裝卸，實現大范圍高速全自動染色。

2)色織紗烘干工藝自適應機器人：在色紗卷裝進入烘干工序時，具有翻轉功能、防掉紗的專用夾持末端執行器對色紗卷裝進行抓取，識別產品批次及類型，自適應匹配烘干工藝流程，規劃對應烘干路徑，下傳烘干運動控制命令到機器人控制程序，機器人關節執行命令動作，完成一次多個的大負載、高效率、不同種類色紗的烘干。

3)紗線接頭機器人：在紡紗、針織等生產過程中，都存在大量紗線接頭的工作。在環錠紡紗過程中，細紗工序常出現斷紗導致紡紗過程中斷，需將斷紗牽引接頭以恢復該錠位正常生產。目前主要有瑞士立達集團和西班牙品特集團的Robo Spin機器人，均為軌道式自動接頭機器人，斷紗識別系統告知機器人斷紗錠位坐標后，機器人自動行駛至目的坐標，并對機械手進行二次校準。通過制停紗、拔紗管、繞紗、放紗管、穿鋼絲圈、喂羅拉一系列動作完成斷紗自動接頭，但以上技術看臺率低，還未在國內實際應用。在緯編針織中，史偉民教授團隊[26]提出的接頭機器人，在針織紗舊紗筒上的紗線即將紡完時，移動至舊紗筒接頭工位，檢測紗線根數和紗頭位置，針織紗接頭末端執行器預設打結流程執行吸取、引紗挑線、打結等一系列接頭動作，模擬針織紗人工打結的并攏、成圈、成結、修剪動作流程，自動捻結新、舊紗筒上的紗線。

4)噴絲板鏟板機器人：化纖長絲生產過程中，噴絲作業完成后需要在高溫惡劣環境下對噴絲板殘余的物料進行鏟除。噴絲板鏟板機器人通過定制軌道和導航磁條到達工作區域，根據后臺控制單元指令完成對刀，在接觸力優化算法下通過機器人關節控制鏟板末端執行器動作，完成噴絲板鏟板。

3.1.3 檢測機器人

為確保產品質量，紡織生產過程中存在大量的半成品、成品質量檢測工作，依賴大量人工在車間巡回檢測。檢測機器人是指對生產過程中或生產完成后的在制品、半成品或成品進行感知、分析、評價，測量或判定其質量指標的自動化裝置[27]。

1)筒紗外觀質量檢測機器人：絡筒完后的筒子紗經過皮帶輸送裝置進入打包工序的途中，光電傳感器捕獲筒紗經過拱形門檢測點位，觸發成像系統拍攝圖像，調用筒紗缺陷圖像識別算法，判斷筒紗外觀是否正常或具體缺陷類別。通過筒紗外觀檢測軟件實時查看筒紗外觀各類型缺陷統計數據，輔助決策及時優化調整原棉或工藝參數，提升產品質量，降低工人用眼的勞動強度。

2)顏色空間品質檢測機器人：在染色烘干的紗線完成堆垛后，顏色空間品質檢測機器人從下往上逐排逐卷掃描紗線卷裝，機械臂到達設定位置完成視覺對焦后，觸發顏色傳感器拍照成像，調用紗線顏色品質檢測算法，分析染色烘干的紗線色差，通過品質檢測軟件系統可視化輸出最終檢測結果。

3)面料疵點檢測機器人：在面料生產完成后，平鋪于面料傳遞模塊，通過卷繞機構控制面料運行速度，成像模塊高頻拍攝面料圖片，通過疵點檢測算法[28]判斷是否存在疵點及疵點的具體類型，并在顯示屏上顯示當前具體疵點數量、位置及類型，通過觸打標模塊的激光模組照射面料疵點所在位置，引導、輔助工人做下一步修補處理。

3.2 多鏈融合的紡織全流程數字主線

在紡織機器人等裝備進行生產運行過程中，會產生大量的生產過程數據，隨著工藝行進形成錯綜復雜的數據流。記錄、關聯和分析紡織生產數據流，建立紡織全流程數字主線，是實現紡織生產車間智能運行分析與決策的必要基礎。

紡織產業的生產制造屬于流程-離散制造混合模式，兼具流程制造中工藝過程連續不斷和離散制造中多品種的特點[29]，其生產數據流呈現串行、并行多鏈混合交織的特征。紡織全流程數字主線指覆蓋紡織品全生命周期和全價值鏈的紡織過程元數據[30]，包含企業內部數字主線與行業內部數字主線2個部分。企業內部數字主線指紡織各細分行業中，從下層執行到上層資源管理的縱向統一的數據描述。行業內部數字主線指以原料生產為起點，歷經紡紗、織布、染色、制衣等子行業，涵蓋整個產業鏈的橫向數據描述。圖3示出紡織全流程數字主線。可以看出，通過該數字主線，紡織全過程中的數據可實現追溯與關聯，促使行業內部不同企業之間資源整合，充分發揮各自專長，從而在紡織品制造過程分析與優化中實現更大的價值，最大化地利用生產資源。

圖3 紡織全流程數字主線

如在環錠紡紗中：縱向集成紡紗過程中生產設備、作業信息系統，抽取底層紡紗物流、配棉、工藝、質量、設備、環境等數據信息，形成紡紗大數據倉庫；橫向鏈接紡紗全流程數據信息，面向紡紗全生命周期，端到端對齊采購、物流、配棉、排包、清棉、梳棉、精梳、并條、粗紗、細紗、絡筒、打包、入庫等生產鏈中的數據信息，以“生產編碼+時間戳”的數據鏈接對齊方法，實現一對一或一對多集成，建立紡紗全流程數字主線，從而實現紡紗全流程數據追溯。在集成紡紗全流程數據的基礎上，集成以統一模型為核心的產品設計、制造和保障的數字化數據流[31]。根據不同的紡紗應用主題開發智能算法，面向配棉、調度、工藝優化、質量管控、設備運維、能耗調控等主題的紡紗智能應用系統提供全面數據和基礎算法。

3.3 多應用協同的紡織生產智能管控

隨著紡織生產管控系統的升級，紡織車間控制結構逐漸從傳統的立體多層次結構向扁平互聯化發展。圖4示出多應用協同的紡織生產智能管控結構。可以看出，傳統的紡織車間控制結構呈現典型的逐層控制結構[32]，下層的數據獲取為上層計劃決策提供數據依據，再從上層的企業資源管理和車間管理，到中間的過程控制和可編程邏輯控制器(PLC)執行控制層，再到底層的現場控制層，逐層實現制造過程控制。多應用協同的紡織生產智能管控結構，在紡織全流程數字主線的基礎上，工業應用軟件(APP)之間通過網絡化的數據交換，各APP之間的互聯互通與互操作，貫通各生產部門之間的業務鏈接，各APP可在邊緣裝備/機器人端和軟件系統端同時實現生產過程中的訂單管理、計劃排產、工藝執行、質量控制、設備運維等目標，提升紡織生產管控的協同性。

圖4 多應用協同的紡織生產智能管控結構

針對紡織產業多流程并行、上下游企業間產品關系緊密的特點，區別于傳統的企業資源計劃(ERP)、制造執行系統(MES)等僅在各自的應用范圍內獨立工作，多應用協同的紡織生產智能管控不僅在縱向上與企業內部其他APP數據互通，且在橫向上與紡織產業鏈上下游其他企業的APP建立數據聯系與共享。其具有全局視野，跨越了企業內部的信息孤島及企業間的數據鴻溝，實現了信息共享與知識互補，可以快速響應供求關系變化并及時調整業務，幫助紡織企業實現紡織產品質量、生產效率等多方面競爭力的躍升。紡織生產智能管控系統[33]中的工業APP從總體上可分為4類：業務協同類APP、分析優化類APP、過程管控類APP、流程執行類APP。

1)業務協同類APP：在相同軟件框架下，紡織企業內各部門及外部供應商等均能實時掌握紡織品生產進程，參與生產過程管控，從而構建全面參與、內外部多方協同的紡織生產管控體系[34]。從原材料投入、設備專件、落花、水電氣消耗、用工等實現在線管控，每日跟蹤數據，實時有效調節，訂單生產完畢就可預算出生產成本，為銷售人員提供接單依據。

2)分析優化類APP：針對紡織智能生產車間的具體性能指標，如紡織品質量品級、報廢率等，使用大數據技術分析、診斷紡織生產過程中存在的問題，并對其中的可控生產要素，如紡織工藝參數、生產設備運行參數、物流路徑規劃等提出優化措施[35]，進而實現整個紡織生產系統性能的優化。

3)過程管控類APP：面向紡織品全生命周期，全面監控在制品位置及狀態、環境溫濕度、生產進度等主要生產過程信息[36]，實時、直觀地反應車間真實運行狀況，形成全流程可追溯的信息鏈條。通過車間落地終端、生產看板、移動終端和智能手環，實現生產質量、機器人等設備異常預警，及時呼叫管理操作人員接收、處置車間情況。

4)流程執行類APP：紡織車間正常運行過程中，按計劃執行一系列生產指令。當車間的生產狀態或計劃發生變化時，如棉花供應不足、防疫保障用品緊急插單等，及時做出反應，精準執行管控決策，對當前生產設備及物料運輸進行調整處理[37]。

4 面臨的挑戰與發展趨勢

隨著新一代機器人、信息技術與紡織工業的進一步深度融合，機器人將逐步應用到紡織制造、檢測、物流等全流程、全要素生產過程中，實現全面的自動化生產。在此基礎上，通過機器人化產線的智能管控，實現紡織多自動化生產線的協調、可靠運行，但紡織行業細分領域眾多，且各領域均具有一定的工藝特色，為進一步擴展機器人技術的應用范圍，實現機器人的高速精密、自主智能控制，并提高系統的準確性和穩定性，仍存在一些問題有待進一步研究解決。

4.1 紡織機器人方面

1)高速實時(在線)性：由于紡織生產規模大、流程長，纖維直徑細，生產速度快，當前產品質量離線事后抽檢的方式，難以滿足高端、個性化產品需求，亟需向在線檢測模式轉變，但紗線、面料質量的在線檢測中，車間錠數多規模大、運行速度快，且存在飛花干擾、車間光照強度不均等復雜環境[38]。需研究適應紡織生產環境的抗干擾感知技術，引入紡織先驗特征的在線檢測算法，集成光學感知、機械傳動、電氣控制與計算機軟硬件協同工作，實現紗線、面料等產品質量的高速在線檢測，驅動紡織生產管理由事后粗放向在線精細化轉變。

2)靈巧精密性：在紡織生產中，存在眾多傳統機器人無法抵達的狹小空間或極端環境，且大多數纖維為典型的柔性體，需要機器人像人類手指一樣完成靈巧的動作。例如環錠紡細紗斷紗接頭，是紡紗工藝重要的運維工作，存在紗線細、強力低、柔性高、接頭空間狹小等特點，目前自動接頭技術還未得到完全突破和應用。需要結合紡織材料特性及工藝特點，研究軟物質靈巧紡織作業機器人，突破力反饋下的機器人主動柔順控制理論方法，實現環錠紡細紗接頭等高精度、細微操作在特定場景下的應用。

3)自主協同性：紡織產業規模大，生產系統存在多車間、多產線并行生產，需大量的機器人集群協同作業完成生產任務[39]，但紡織車間設備多，工序長，為使產量最大化，往往布局十分緊湊，且存在多品種混線生產，任務量多且復雜，當前方法下機器人缺乏自主認知能力，難以應對實時變化的車間工況。例如紡紗條桶搬運機器人，由于巷道的狹窄、不同型號條桶的排布、空桶的回收路徑、作業空間重疊，難以規劃、協作，導致機器人作業效率不高。需研究機器人自主認知方法，多機器人集群任務調度分配方法，多機器人集群避障、路徑規劃等技術，實現紡織生產系統下的多機器人集群自主、有序、協同、高效作業。

4.2 紡織大數據方面

1)5G高并發數據傳輸：紡織生產流程長、規模大、參數多，平均每日數據吞吐量已達Tb級(萬億字節)，為全面采集和利用紡織車間生產過程數據，且滿足高速實時性需求，需利用5G技術搭建車間網絡基站，對高并發、大體量生產過程數據進行實時傳輸，為紡織車間多機協同實時調度、在線質量檢測、設備預測性運維等提供基礎保障。

2)多模態數據融合：紡織細分行業眾多，產品形式多樣，生產過程中存在圖紙、文本、表單、圖像、視頻、三維模型等多種模態的生產數據；為實現以上海量數據的統一分析，需研究紡織多模態數據的融合方法，對多模態數據進行時序對齊和統一化轉換表征，以實現車間多要素全流程的快速感知與分析。

3)云邊端一體化數據處理：紡織制造過程節拍短、節奏快，對于數據計算與分析的時效性要求高，諸如紡紗過程中的張力優化調控、紡絲過程中的斷絲檢測、染色過程中的溫度控制等優化應用，對計算的時效性要求達毫秒級別。高時效性應用要求在企業現有云中實現傳統參數的優化并實現指令下發的方式將難以滿足。云邊端一體化數據處理方式，由多終端并行感知、邊緣節點并行處理、云端同步控制實現優化運算，在紡織低時延應用中具有明顯的優勢。

4.3 紡織智能應用方面

1)可解釋性：區別于傳統數據驅動的智能應用，基于“數據-特征”的“黑箱”模式，無法認知系統性能受系統運行參數的作用規律，在復雜動態環境下缺乏自適應，存在“認知缺陷”[40]。新一代紡織智能應用，應通過源源不斷的實際數據，借助因果推理等認知科學工具，結合工藝機制的語義化表征，構建數據機制融合模型，自主認知紡織生產系統的性能波動規律。將可解釋的系統模型應用于紡織生產環節，根據紡織場景及工況變化靈活切換、調整生產流程與工藝參數，提升動態適應性。

2)可持續性：紡織行業作為典型的能源密集型行業，隨著“雙碳”目標的發布[41]，新一代數據驅動的機器人化紡織生產智能管控系統，應從省原料、提效率、降能耗三大抓手出發，在應用層通過數據驅動的智能分析技術，對紡織系統中生產設備、纖維原料、紡織工藝、環境溫濕度等多要素進行協同智能管控，實現紡織全要素、全過程、全價值鏈全面連接的可持續制造體系。

3)韌性：在紡織生產系統面臨可預期或不可預期之變，如抗疫等生產任務緊急切換、部分生產單元癱瘓時，根據機器人化紡織制造系統構型演化的特點，自動挖掘系統狀態空間的運行規律，分析沖擊傳遞效應，預測系統韌性定量變化趨勢，重構優化系統運行組件與參數，實現機器人化動態制造系統的自適應、自組織、自學習。從而不需要大量更換生產設備，只需通過智能管控對紡織生產系統進行修正重構即可恢復生產能力，確保生產活動持續正常運行。

5 結束語

本文從紡織工業的智能化轉型升級需求出發，回顧了紡織機器人生產系統3個階段的發展歷程，提出了數據驅動的機器人化紡織生產智能管控系統裝備層-數據層-應用層3層架構，探討了其關鍵技術與應用，并從紡織機器人、紡織大數據和紡織智能應用3個方面對實際應用中的挑戰和未來發展趨勢進行總結和展望。機器人化紡織生產智能管控是一個系統工程，在機器人化改造實現生產自動化的基礎上，對生產過程數據的采集、處理、利用，從全產業鏈、全流程、全要素的角度實現對資源要素的一體化管控同樣重要。各層次協同發展，相互促進，是實現紡織行業智能化轉型升級、由大轉強的重要途徑。