论文部分内容阅读
“中国制造2025”计划纲要的提出和实施,给纺织这个传统制造业的发展带来了前所未有的发展机遇和挑战,特别是纺织工业“十三五”规划将我国纺织业“十三五”重要任务确定为“控制总量、提升质量”。因此,对于我国纺织产业发展而言,如何有效解决我国纺织品尤其是棉纺织品质量低下、附加值过低的问题是一大挑战。这是因为在纺织生产过程中原材料频繁经历物理化学改性过程,使得棉纺数字化车间中的纺纱质量尚未实现精准控制,其问题的根源在于:(1)纺纱数据知识关联度较低;(2)纺纱质量波动因素难以有效识别;(3)纺纱质量输出值难以有效控制。对纺纱质量控制的现有研究,主要面向单一工序的纺纱质量控制模型,目前解决了纺纱生产质量异常数据监测与异常事件溯源问题,但还存在纺纱数据知识关联度低、纺纱质量波动机理难以有效识别以及纺纱质量难以精准控制的问题尚未彻底解决。为此,本文以上述三个问题为切入点,以提升棉纺数字化车间中纺纱质量水平为目标,重点研究纺纱数据知识关联,纺纱质量波动因素识别,以及纺纱质量智能控制三个方面的内容,具体的创新工作如下所述。(1)提出了基于质量损失函数的棉纺过程数据知识关联方法。针对棉纺数字化车间中各工序间知识关联度低的问题,借助多Agent理论,构建了面向棉纺数字化车间的系统集成模型,并在该模型下实现了各子系统功能的协同。然后,在系统功能集成与协同的基础之上,分析并研究了异构数据间的冲突问题,建立了棉纺数字化车间数据集成分析模型。进而,提出了一种基于质量损失函数的棉纺过程知识关联方法,有利于解决纺纱数据知识关联度较低的问题。(2)提出了一种纺纱质量异常波动因素辨识方法。在纱线质量国家标准中的纱线质量指标的基础之上,选取影响纱线质量波动的主要指标,并通过对纺纱生产过程中质量波动数据的统计分析,辨识了影响纱线质量波动的关键质量指标。进而,以纱线断裂强度质量指标为具体分析对象,借助Softmax多值回归算法,提出了一种基于Softmax回归的纺纱质量异常波动关键因素识别方法,有利于解决纺纱质量波动因素难以有效识别的问题。(3)建立了基于知识关联的纺纱质量控制模型。在辨识影响纺纱质量波动关键质量指标及其影响因素的基础之上,提出了一种基于烟花算法改进BP神经网络的纺纱质量预测模型,实验结果表明该模型对纺纱质量预测的精度达到97.88%。进而,选取纱线断裂强度为主要指标,构建了基于多工序知识关联的纺纱质量控制模型,对比验证结果表明,因纱线断裂强力而导致的纱线不合格率降低了 23.48%,从而有利于解决纺纱质量难以有效控制的问题。本论文的研究成果,一方面有利于解决棉纺数字化车间中存在的“数据丰富、知识匮乏”的问题,为实现基于数据驱动的纺纱质量控制提供理论基础;另一方面,有利于解决纺纱质量难以有效控制的问题,为提升棉纺数字化车间中棉纺织产品的质量管理水平提供技术支撑。