色纺纱快速发展,给现在的纺织市场带来了一个新契机。色纺纱采用“先染色、后纺纱”的新工艺,缩短了后道加工工序,生产环节更加便捷,并且具有对环境污染小、色彩丰富等优势。随着色纺纱的广泛应用,“批量小,品种多,变化大,翻改频繁”的特点也产生调整耗时耗力、浪费原料,配色配比确定难等问题,在配色打样流程中加大了企业所花的时间和成本。本论文针对色纺纱配色打样过程中两大问题——配色耗时耗原料和配比确定难,分别开发了快速打样系统和快速配色模型。首先通过快速试纺与传统梳棉机对比并优化SX01型试验纤维成条仪,建立色纺纱快速打样系统,进而利用BP神经网络技术建立快速配色模型,最终开发出色纺纱快速配色系统,缩短传统配色的流程,节约纤维原料,解决传统打样对色中配比确定难问题,给工作人员提供配比初始值,再进行微调,进而省去很多时间、精力和原料。论文研究的主要内容及结论如下:(1)进行色纺纱快速打样系统开发,与传统配色打样流程不同的是运用了SX01型试验纤维成条仪。经过快速试纺过程后,熟悉色纺纱配色打样流程的纺纱与织造流程,并与传统梳棉机在生产色纺纱流程中比较,得到SX01型试验纤维成条仪具有混色时间比较短,纤维原料用量少,生产流程短,精确程度比较高等优势,能达到快速打样的要求。(2)进行sx01型试验纤维成条仪混色过程参数优化,成条仪输入纤维和输出纤维存在重量差值,其中小部分纤维成为落纤,在对成条仪参数经过单因子试验后选取三因素纤维克重、工艺负压和转杯速度进行正交试验优化后,sx01型试验纤维成条仪落纤率由4.32%变为3.28%,落纤率减小。经过参数优化后的成条仪能更好的运用在快速配色模型的打样对色工序中,最终开发色纺纱快速配色系统。(3)进行快速配色模型的设计与实现,重点解决配色对色中配比确定难问题的问题,建立预测配比初始值的方法。首先设计36组不同纤维和颜色的配比,在色纺纱快速打样系统的基础上纺纱织造构建样本库。经过样本数据的采集从每一种配比的织物图片上截取5张相同像素大小的图片得到180个子样本进行rgb颜色特征值的获取,rgb颜色特征值标准化处理后与对应的配比构成神经网络的教师样本集和检验样本集,其中150组作为教师样本集,30组作为检验样本集,经过神经网络配色模型的设计,确定神经网络为输入层为3,隐含层为10,输出层为3的3层结构。设置网络参数,输入激活函数为tansig,输出激活函数为purelin,学习规则函数为traingdx,训练目标为0.07,训练最大步数为2000,在matlab的神经网络工具箱中训练后,在1993步的时候达到训练目标0.07,最后输出每个试验编号下5个子样本配比均值,预测出6组均值配比与设计的配比有一定的误差,进需要一步评价快速配色模型的预测配比的准确性。(4)经过BP神经网络快速配色模型的设计与实现后,预测得出了网络输出配比,输出的配比与检验样本实际配比之间存在一定的误差需要进行模型验证与结果分析,即不同试验编号检验样本原样织物与预测输出配比织物之间的色差情况分析,通过颜色模型的转换利用L*a*b*的色差公式求ΔE。得出结论,31-36六组对比后,31组检验样本织物与网络输出配比织物之间的ΔE≥1.5,存在可观察出来的误差,32、33、34、35、36五组ΔE<1.5,基本无色差。通过进一步分析原因,由于试验过程中训练样本数据少,影响BP神经网络最终的预测配比的效果。基于BP神经网络快速配色模型的设计与实现配比预测的方法具有一定基础指导意义,为进一步的研究色纺纱的配色提供了可实现的方法。