毛紡細紗機積極式退繞機構(gòu)的設計及毛精紡紗性能預測模型的比較.pdf

1、兔毛(絨)具有輕、滑、暖、光澤好等優(yōu)點,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,到粗紗時兔絨纖維的平均長度、平均直徑等指標在一定程度上達到了紡制高支純兔絨精紡紗的要

2、求,但部分企業(yè)在細紗階段仍存在一個問題,即毛紡細紗機上粗紗的退繞方式是消極式,在紡制高支純兔絨精紡紗時,易出現(xiàn)吊錠到導紗桿階段粗紗的粗細不勻或斷頭,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,耗費了大量人力、物力和時間。為了提高效率,后來陸續(xù)出現(xiàn)了一些建立數(shù)學模型或經(jīng)驗公式的預測方法,但預測結(jié)果十分不正確。人工神經(jīng)網(wǎng)絡在處理和解決問題時,不需要精確的數(shù)學模型,本身

3、具有強大的自學能力和結(jié)構(gòu)可變性,非常適合紡織廠對紗線性能的預測。但是,目前關(guān)于在較大輸入層樣本數(shù)、較多輸入層節(jié)點數(shù)條件下的紗線性能的人工神經(jīng)網(wǎng)絡預測模型的深入研究還較少。
　　 針對因兔絨纖維之間抱合力較小而導致毛紡細紗機吊錠到導紗桿階段粗紗的條干不勻與斷頭的現(xiàn)象,本文設計了一種適用于毛紡細紗機上的積極式退繞機構(gòu),其工作原理是使粗紗筒粗紗退繞時的表面線速度與牽伸區(qū)后羅拉的表面線速度相等。實現(xiàn)粗紗筒回轉(zhuǎn)時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,達到提高高支純兔絨精紡紗品質(zhì)的目的。分別對毛紡環(huán)錠細紗機上使用了此機構(gòu)和未使用此機構(gòu)紡制的高支純兔絨精紡紗,進行了強力、彈性和條干不勻率等指標的對比分析。實驗結(jié)果表明,使用此積極式退繞機構(gòu)所紡制的高支精紡純兔絨紗在各項性能方面都有一定的提高,從而驗證了此機構(gòu)的有效性。
　　 本文使用了BP與RBF神經(jīng)網(wǎng)絡對毛精紡紗(不僅包含安裝此機構(gòu)紡制的高支純兔絨精紡紗,同時也包含了羊毛精紡紗、羊絨精紡紗等其它類型

5、的紗線)的性能進行了預測。分析比較了不同人工神經(jīng)網(wǎng)絡模型的預測性能,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)點數(shù)較多的條件下,使用了單、雙隱層BP神經(jīng)網(wǎng)絡對毛精紡紗的條干不勻率、斷裂強力進行了預測,從預測精度、穩(wěn)定性、訓練速度等三個方面比較分析兩種BP神經(jīng)網(wǎng)絡模型的預測性能。實驗結(jié)果表明,在預測毛精紡紗的條干不勻率時,隱含層數(shù)為2、隱含層節(jié)點數(shù)為9的BP神經(jīng)網(wǎng)絡模型為首選模型,表征預測精度的相關(guān)系數(shù)值為0.9849;

6、在預測毛精紡紗的斷裂強力時,隱含層數(shù)為2、隱含層節(jié)點數(shù)為8的BP神經(jīng)網(wǎng)絡模型為首選模型,相關(guān)系數(shù)值為0.9888。兩個首選模型的相關(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)點較多的條件下,BP神經(jīng)網(wǎng)絡有較高的預測精度。
　　 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)絡對毛精紡紗的條干不勻率、斷裂強力進行預測,并從訓練步數(shù)、模型建立難度、預測精度等三個方面綜合評價BP神經(jīng)網(wǎng)絡與RBF神經(jīng)

7、網(wǎng)絡模型的預測性能。實驗結(jié)果表明,在輸入層維數(shù)較高的情況下,RBF神經(jīng)網(wǎng)絡模型的訓練速度要快于BP神經(jīng)網(wǎng)絡模型。RBF神經(jīng)網(wǎng)絡模型散步系數(shù)值需要通過一定的實驗量才能確定,并需要判斷是否有異常樣本的存在,以達到精確預測的目的,因此,使用RBF神經(jīng)網(wǎng)絡構(gòu)建模型比較復雜。剔除異常樣本后表征條干不勻率、斷裂強力模型預測精度的相關(guān)系數(shù)值分別為0.9438與0.9423,BP神經(jīng)網(wǎng)絡的預測能力要略強于RBF神經(jīng)網(wǎng)絡。綜上所述,在輸入樣本數(shù)較大、輸入