随着纺织行业技术的快速发展,自动化、智能化仪器设备得到了大量应用。然而,在生产中依然存在生产过程表征方法落后、控制过程自适应智能程度不高、生产过程智能化模型框架不确定等问题。本论文结合棉纺存在的相关问题,开展了纺织流程复杂自适应表征和产品质量智能预测、多维指标分类和降维以及基于Agent的虚拟制造模型等研究和探索工作。本论文主要研究了以下内容:(1)基于Petri网较强的开放性和处理多因素问题的能力,针对其表达多维度问题交互模型构造复杂的特点,提出了复杂自适应Petri网(CAPN,Complex Adaptive Petri Net)模型,并对该模型进行了形式化定义和可达树验证。同时考虑因素复杂度、关系复杂度、环境复杂度等影响条件,构建了系统复杂度模型,并运行得出CAPN在单个基本单元解决问题的能力在元素复杂度方面提升1.67倍,关系复杂度方面提升1.5倍,系统复杂度方面提升1.6倍,即整个系统通过CAPN表征的能力提升了1.6n倍(n为基本单元个数)。以实际数据比较了双工序的复杂度,得出在应用CAPN建模后系统元素复杂度Ca绝对比值降低了14%,关系复杂度Cr绝对比值降低了17%,系统复杂度C绝对比值降低了14%;复杂度相对比值整体降低了40%,由此证明运用CAPN模型能更好的优化建模、降低建模复杂度。(2)定义了CAPN变迁触发边界和网络触发边界,构建了连续生产和离散生产时的能量流向模型,并提出了模型的优化策略。通过选取棉纺生产过程单工序建模,对实验样本数据的测试,结果显示系统完成一次迭代的时间用优化模型比原模型缩短了33.3%,结合前期增加的数据处理过程,最终证明优化后的系统的性能整体提高了23%,使用该优化策略可以明显提高系统的计算效率。(3)对棉纺质量指标实例数据作为降维与分类预处理数据,然后输出神经网络模型进行预测,即建立了一种混杂智能指标集约优化模型。该模型是结合灰色关联理论、主成分分析方法以及专家知识库的一种质量指标分析模型。实验证明运用混杂指标模型可将棉纺生产过程选取的15个原棉质量指标降维到6个原棉指标,降维高达60%。本方法可以实现在不降低计算精度的情况下将计算效率提高60%以上。该方法可以在数据采集阶段指导精确采集主要贡献的指标数据,即主要关注影响结果的40%的数据质量(降维后选取的指标所对应的数据)就可以保证预测得到准确结果(+2%误差范围),提高数据采集的精准性。用一种两步过滤算法对指标数据分类,通过仿真得出该算法比朴素贝叶斯分类法确定的信息准确率提高近10%;和决策粗糙集(DTRST,Decision-Theoretic Rough Sets)算法相比,发现新样本或未知样本时对负域范围缩小,错误比率下降了5%;证明采用该算法比其他两种算法更准确。(4)针对BP神经网络初始权值的不确定性造成结果波动较大的问题,提出用遗传算法优化BP神经网络的初始权值,构建了GA-BP神经网络算法,分别用BP神经网络和GA-BP算法对原棉指标、细纱指标进行质量预测和逆向预测。通过实际测试发现GA-BP算法具有以下优势:1)在训练收敛速度上有明显提高。GA-BP算法的正向预测模型比单纯BP神经网络提高了55%,逆向质量评估模型比单纯BP神经网络提高了16%。2)在预测准确率上有明显提高。GA-BP算法的正向预测准确度提升26%。GA-BP算法的逆向质量评估模型预测准确度提升28%。3)预测结果稳定性好。GA-BP算法的正向网络实际预测结果的平均误差在5%以内,GA-BP算法的逆向质量评价模型实际预测结果误差均值为4.65%,比BP网络逆向模型测试误差均值5.87%提高了21%。(5)根据柔性制造过程的特点,提出多智能体系统-复杂自适应Perti网(MAS-CAPN,Multi-Agent System CAPN)模型框架。模型通过正向的由数据生成知识和逆向的由知识指导Agent学习的两个过程加强了Agent的学习、交互和协作能力。在模型中提出了X-KQML通信机制,在模型寻址方面提出一种MAS交叉寻址方法。该方法有效避免Agent在局部区域过于频繁活动所带来的地址链长、寻址效率低的问题。(6)基于MAS-CAPN模型实现了虚拟加工系统的展现。该系统实现了单个、组合、自定义等不同类型的加工过程,同时对加工过程进行逆向评估;实现了依据原始数据的情况分别进行指标分类、指标降维、指标确认等数据的预处理工作;实现了内置算法的多元组合计算,支持自定义算法或其他工具编程的算法接口。通过运行测试验证了系统效率高、运行稳定、预测算法灵活等优点。综上所述,本文提出了复杂自适应Petri网模型,构建了系统复杂度模型并验证了CAPN模型降低建模复杂度的能力;定义了变迁及网络触发的边界;构建了连续生产和离散生产时的能量流向模型;提出了模型优化策略;验证了优化后的模型计算效率提升。提出一种混杂智能指标集约优化模型和两步过滤算法,通过实验验证了降维方法的有效性和分类的准确性。提出了GA-BP神经网络算法,并验证了算法预测准确性等方面的优势。提出了MAS-CAPN模型框架,并通过该框架实现了棉纺虚拟加工系统。