毛紡細(xì)紗機(jī)積極式退繞機(jī)構(gòu)的設(shè)計(jì)及毛精紡紗性能預(yù)測(cè)模型的比較.pdf

1、兔毛(絨)具有輕、滑、暖、光澤好等優(yōu)點(diǎn),其產(chǎn)品外表美觀、色澤鮮艷、手感柔軟、絨毛叢立、穿著輕便,深受人們的喜愛。然而,兔毛(絨)纖維鱗片開角小,鱗片層彼此緊壓,鱗片與鱗片之間的界線不夠分明,且纖維長度短、卷曲少、波峰淺、甚至無彎曲等原因?qū)е铝送妹?絨)纖維之間的抱合力較小,難以成紗。許多企業(yè)經(jīng)過多年研究探索,雖然逐步優(yōu)化了紡制高支純兔絨精紡紗的工藝路線,到粗紗時(shí)兔絨纖維的平均長度、平均直徑等指標(biāo)在一定程度上達(dá)到了紡制高支純兔絨精紡紗的要

2、求,但部分企業(yè)在細(xì)紗階段仍存在一個(gè)問題,即毛紡細(xì)紗機(jī)上粗紗的退繞方式是消極式,在紡制高支純兔絨精紡紗時(shí),易出現(xiàn)吊錠到導(dǎo)紗桿階段粗紗的粗細(xì)不勻或斷頭,不利于紡制高品質(zhì)高支純兔絨紗。
　　 傳統(tǒng)上許多企業(yè)都是采用單嘖試紡的方法來確定紡紗的工藝參數(shù)與成紗的性能值,耗費(fèi)了大量人力、物力和時(shí)間。為了提高效率,后來陸續(xù)出現(xiàn)了一些建立數(shù)學(xué)模型或經(jīng)驗(yàn)公式的預(yù)測(cè)方法,但預(yù)測(cè)結(jié)果十分不正確。人工神經(jīng)網(wǎng)絡(luò)在處理和解決問題時(shí),不需要精確的數(shù)學(xué)模型,本身

3、具有強(qiáng)大的自學(xué)能力和結(jié)構(gòu)可變性,非常適合紡織廠對(duì)紗線性能的預(yù)測(cè)。但是,目前關(guān)于在較大輸入層樣本數(shù)、較多輸入層節(jié)點(diǎn)數(shù)條件下的紗線性能的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的深入研究還較少。
　　 針對(duì)因兔絨纖維之間抱合力較小而導(dǎo)致毛紡細(xì)紗機(jī)吊錠到導(dǎo)紗桿階段粗紗的條干不勻與斷頭的現(xiàn)象,本文設(shè)計(jì)了一種適用于毛紡細(xì)紗機(jī)上的積極式退繞機(jī)構(gòu),其工作原理是使粗紗筒粗紗退繞時(shí)的表面線速度與牽伸區(qū)后羅拉的表面線速度相等。實(shí)現(xiàn)粗紗筒回轉(zhuǎn)時(shí)的粗紗微張力或零張力,從而

4、降低粗紗斷頭率和條干不勻率,達(dá)到提高高支純兔絨精紡紗品質(zhì)的目的。分別對(duì)毛紡環(huán)錠細(xì)紗機(jī)上使用了此機(jī)構(gòu)和未使用此機(jī)構(gòu)紡制的高支純兔絨精紡紗,進(jìn)行了強(qiáng)力、彈性和條干不勻率等指標(biāo)的對(duì)比分析。實(shí)驗(yàn)結(jié)果表明,使用此積極式退繞機(jī)構(gòu)所紡制的高支精紡純兔絨紗在各項(xiàng)性能方面都有一定的提高,從而驗(yàn)證了此機(jī)構(gòu)的有效性。
　　 本文使用了BP與RBF神經(jīng)網(wǎng)絡(luò)對(duì)毛精紡紗(不僅包含安裝此機(jī)構(gòu)紡制的高支純兔絨精紡紗,同時(shí)也包含了羊毛精紡紗、羊絨精紡紗等其它類型

5、的紗線)的性能進(jìn)行了預(yù)測(cè)。分析比較了不同人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)性能,確定了適合工廠的最優(yōu)模型。首先,在輸入層樣本數(shù)較大、輸入層節(jié)點(diǎn)數(shù)較多的條件下,使用了單、雙隱層BP神經(jīng)網(wǎng)絡(luò)對(duì)毛精紡紗的條干不勻率、斷裂強(qiáng)力進(jìn)行了預(yù)測(cè),從預(yù)測(cè)精度、穩(wěn)定性、訓(xùn)練速度等三個(gè)方面比較分析兩種BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)性能。實(shí)驗(yàn)結(jié)果表明,在預(yù)測(cè)毛精紡紗的條干不勻率時(shí),隱含層數(shù)為2、隱含層節(jié)點(diǎn)數(shù)為9的BP神經(jīng)網(wǎng)絡(luò)模型為首選模型,表征預(yù)測(cè)精度的相關(guān)系數(shù)值為0.9849;

6、在預(yù)測(cè)毛精紡紗的斷裂強(qiáng)力時(shí),隱含層數(shù)為2、隱含層節(jié)點(diǎn)數(shù)為8的BP神經(jīng)網(wǎng)絡(luò)模型為首選模型,相關(guān)系數(shù)值為0.9888。兩個(gè)首選模型的相關(guān)系數(shù)值都十分接近1,表明在輸入層樣本數(shù)較大、輸入層節(jié)點(diǎn)較多的條件下,BP神經(jīng)網(wǎng)絡(luò)有較高的預(yù)測(cè)精度。
　　 另外,在輸入樣本數(shù)較大、輸入層維數(shù)較高的條件下,本文也使用了RBF神經(jīng)網(wǎng)絡(luò)對(duì)毛精紡紗的條干不勻率、斷裂強(qiáng)力進(jìn)行預(yù)測(cè),并從訓(xùn)練步數(shù)、模型建立難度、預(yù)測(cè)精度等三個(gè)方面綜合評(píng)價(jià)BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)

7、網(wǎng)絡(luò)模型的預(yù)測(cè)性能。實(shí)驗(yàn)結(jié)果表明,在輸入層維數(shù)較高的情況下,RBF神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練速度要快于BP神經(jīng)網(wǎng)絡(luò)模型。RBF神經(jīng)網(wǎng)絡(luò)模型散步系數(shù)值需要通過一定的實(shí)驗(yàn)量才能確定,并需要判斷是否有異常樣本的存在,以達(dá)到精確預(yù)測(cè)的目的,因此,使用RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建模型比較復(fù)雜。剔除異常樣本后表征條干不勻率、斷裂強(qiáng)力模型預(yù)測(cè)精度的相關(guān)系數(shù)值分別為0.9438與0.9423,BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)能力要略強(qiáng)于RBF神經(jīng)網(wǎng)絡(luò)。綜上所述,在輸入樣本數(shù)較大、輸入