棉花加工過程智能化關(guān)鍵技術(shù)研究.pdf

1、中國的棉花加工現(xiàn)狀相對于世界先進國家有很大差距。當(dāng)前我國棉花加工行業(yè)對不同回潮率、含雜率的籽棉采用單一的軋花模式，或者由操作人員僅憑經(jīng)驗現(xiàn)場手動調(diào)整，缺少在線檢測和智能控制環(huán)節(jié)，屬于粗放型加工產(chǎn)業(yè)。棉花加工技術(shù)的落后致使不同品級的籽棉混級、混軋現(xiàn)象嚴重，降低了皮棉品級，造成了巨大的資源浪費與經(jīng)濟損失。
　　 棉花加工過程中影響棉花加工質(zhì)量的因素眾多，涵蓋面較廣，控制過程復(fù)雜，針對加工過程中自動化、智能化方面的不足，本文圍繞回潮率

2、在線檢測及控制、顏色特征信息提取、雜質(zhì)自動識別分類、加工設(shè)備對棉花性狀參數(shù)的影響規(guī)律、重點設(shè)備數(shù)控化設(shè)計、皮棉質(zhì)量評價方法及工藝智能優(yōu)化等關(guān)鍵技術(shù)進行了研究。
　　 主要工作如下：
　　 回潮率是影響棉花加工及安全存儲的一個關(guān)鍵因素，研究了棉花回潮率的在線檢測方法及控制技術(shù)。提出一種基于相對濕度的棉花回潮率在線檢測方法，并利用改進BP神經(jīng)網(wǎng)絡(luò)建立溫度、相對濕度與棉花回潮率的關(guān)系模型。為了實現(xiàn)加工過程回潮率的精確控制，建立

3、了籽棉烘干模糊PID控制模型，保證了適于棉花加工的回潮率條件。根據(jù)棉包儲存理論建立皮棉加濕模糊PID控制模型，實現(xiàn)了皮棉加濕量的精確控制。
　　 棉花圖像反映了其顏色特征和雜質(zhì)信息，通過使用彩色CCD工業(yè)相機構(gòu)建了棉花圖像在線提取方案。在XYZ空間分析棉花的顏色特征，計算了反射率和黃度，為棉花品級的評定提供了條件。由于機采棉雜質(zhì)種類較多以及棉花加工設(shè)備清雜側(cè)重點不同，提出了基于雜質(zhì)顏色與形狀特征的棉花雜質(zhì)分類識別統(tǒng)計方法。對于雜

4、質(zhì)顏色特征方面，首先對彩色圖像在HSI空間采用矢量中值濾波，然后通過改進的模糊C均值聚類算法(FCM)對圖像進行分割。改進的FCM能夠自適應(yīng)調(diào)整初始聚類中心及聚類數(shù)目，有效結(jié)合了棉花圖像的經(jīng)驗知識與FCM的自適應(yīng)推理功能，并且該算法在迭代過程中采用改進的歐式距離衡量樣本點與聚類中心的顏色差別，此方法符合色調(diào)、飽和度對視覺的影響隨強度I變化的規(guī)律。通過雜質(zhì)圖形區(qū)域的面積、圓度、形態(tài)復(fù)雜度、矩形度、伸長度，提取棉花雜質(zhì)的形狀特征，建立基于顏

5、色與形狀特征的棉花雜質(zhì)識別BP神經(jīng)網(wǎng)絡(luò)模型，得到了棉花雜質(zhì)的類型及其含量，為工藝路線的精確優(yōu)化提供了依據(jù)。
　　 研究了棉花加工關(guān)鍵設(shè)備的清雜機理，針對棉花性狀參數(shù)與設(shè)備工藝參數(shù)之間復(fù)雜的非線性映射關(guān)系，建立了清雜BP神經(jīng)網(wǎng)絡(luò)模型。在籽棉清理工藝階段，分別建立傾斜式籽清、提凈式籽清、回收式籽清及喂花軋花BP模型，分析刺釘滾筒轉(zhuǎn)速、刺釘滾筒與格條柵間隙、提凈滾筒轉(zhuǎn)速、鋸齒滾筒轉(zhuǎn)速及籽棉產(chǎn)量等對籽棉性狀參數(shù)的影響，并利用正交實驗法驗

6、證各模型的正確性。針對傾斜式籽清機的結(jié)構(gòu)缺陷，提出了刺釘滾筒與格條柵間隙自動調(diào)節(jié)的數(shù)控化設(shè)計方案。
　　 在皮棉清理工藝階段，分別建立鋸齒式皮清、氣流式皮清BP神經(jīng)網(wǎng)絡(luò)模型，分析鋸齒滾筒轉(zhuǎn)速、鋸齒滾筒與排雜刀間隙、皮棉產(chǎn)量、排雜刀數(shù)量及縫隙寬度等對皮棉性狀參數(shù)的影響，并利用正交實驗法驗證各模型的正確性。提出了鋸齒式皮清機排雜刀數(shù)量自動控制方案和鋸齒滾筒與排雜刀間隙自動調(diào)節(jié)方案。
　　 為實現(xiàn)棉花加工工藝的智能優(yōu)化，提出了

7、基于神經(jīng)網(wǎng)絡(luò)-遺傳算法(BP-GA)的工藝參數(shù)優(yōu)化策略。采用基于BP模型串聯(lián)設(shè)備的棉花性狀參數(shù)控制方法，為GA算法提供了參數(shù)變量空間。棉花加工工藝優(yōu)化是一個多目標多變量非線性優(yōu)化問題，利用線性加權(quán)和法將該問題轉(zhuǎn)換為基于收益最大化的單目標多變量優(yōu)化問題，為遺傳算法提供了適應(yīng)度評價函數(shù)。棉花質(zhì)量是評價函數(shù)中一個重要的參數(shù)，棉花質(zhì)量依賴于其品級。通過纖維成熟程度、色特征及軋工質(zhì)量建立了品級評判BP模型。對于遺傳算法，提出基于基因組的混合實數(shù)編

8、碼方法，使得多層遺傳操作得以簡化；針對加工工藝要求，根據(jù)軋花后皮棉中不含重雜的約束條件，使用懲罰函數(shù)將其與適應(yīng)度評價函數(shù)建立關(guān)聯(lián)；結(jié)合相似度比較、適應(yīng)度排序、最優(yōu)保留策略和小范圍競爭的思想，提出基于適應(yīng)度排序的改進遺傳算法，該算法具有較強的全局搜索能力及較快的收斂速度。
　　 通過本文的工作，提出了棉花加工過程在線檢測技術(shù)和工藝參數(shù)自適應(yīng)優(yōu)化策略，該方法能夠根據(jù)付軋籽棉的回潮率和性狀參數(shù)等自動優(yōu)化加工方案，并確定各設(shè)備工藝參數(shù)，