论文部分内容阅读
织造工艺是根据总工艺要求和纱线的品质,通过一定的生产过程织造出符合下道工序要求的合格坯布的重要工序。在织造过程中纱线的品质、特点、织造工艺参数与织机效率、坯布质量之间存在非线性和的离散性的特点。找到一种适合的方法,来建立虚拟织造过程,具有重要的理论意义。在同样品质纱线的前提下,通过织造工艺参数的优化减少纱线质量的负担,提高织物的品质。对降低生产成本和提高效率意义更为重大。 目前存在多种纺织质量预报建模的方法。有传统的数理统计方法,近代的模糊数学和灰色系统理论以及人工神经网络(ANN)方法等。本课题采用了人工神经网络的方法分别对织机效率、织疵公分数、纱线支数、纱线强力、上机张力和织机车速进行了预报和反演。 织机效率和织疵公分数为织机性能和坯布质量预报模型,其原理是通过输入原料指标和工艺参数来预报的。对于织机效率模型,预报误差绝对值的平均为2.05%,最大误差为5.12%,可知模型具有较高的预报精度,人工神经网络对此模型的预报可行有效。对于织疵公分数平均误差为7.0%,最大误差为13.90%,模型可用但存在一定误差说明需要引入或新建指标提高预报精度。 纱线支数和纱线强力为主要的反演指标,为优选原料提供依据。其主要是通过目标函数(如织疵、织机效率)和工艺参数建立反演模型来选择。纱线支数反演模型的预报误差平均为4.02%,最大误差为10.4%;纱线强力模型的预报平均误差为3.78%,最大误差为8.5%。上机张力和车速为工艺参数反演模型,原理同纱线参数的反演,为工艺人员调节和设计工艺提供参考。上机张力模型反演结果的平均误差为5.46%,最大误差为-8.97%;车速模型反演结果的平均误差为3.49%,最大误差为-7.23%。反演的精度达到了企业应用的要求,已成为企业设计、选择、控制质量的基础。实际预报与反演模型的应用证明,本文所建ANN模型有效,并在大量实用数据的训练下,新参数可以发掘,