论文部分内容阅读
纱线不匀由纱线的随机分布不匀(或称为理论极限不匀)和纺纱中因工艺和机械等因素造成的附加不匀组成。一般情况下,理论探讨时较多考虑前者,而实际生产中更关心的实测不匀是二者之和。本文分析了纤维细度、细度不匀与纱线理论不匀的关系,得出纤维细度不匀对成纱均匀度是有一定影响的,但比起细度本身的影响还是小得多,因此,最终的成纱极限不匀主要是受纤维细度的影响。同时,本文分析了纤维长度分布与纱线理论不匀的关系,参考了一些国外文献的经典算法,并对其做了较深入的研究和总结。然后基于纤维在纱条内平行分布的理想模型,分析了纤维细度、长度对纱线理论不匀的综合影响。文中假设纤维长度分布密度f(x)为三角分布,并通过纤维长度密度函数f(x)的性质建立纤维长度各指标统计量,即纤维的平均长度(ML)、上四分位平均长度(UQL)、短纤维率(SFC)等纤维长度分布参数的概率表征。将模型中的纤维长度分布密度函数f(x)用这几个统计量表示出来,求出纤维长度、细度和成纱极限不匀的关系式。化简后,定量地分析了纤维细度、长度对成纱不匀的影响,得出结论:纤维细度越细、长度越长,纱线理论不匀率越小,成纱质量越好。此外,本文对也做了有关成纱质量预报的工作。由于纱线本身的物理结构比较复杂,在纺纱过程中,纤维品质、纺纱工艺参数与纱线质量指标之间存在着复杂的非线性关系,仅用一般的数学模型很难清楚地描述这样的模糊关系,因此,寻找更为贴切的方法来表征这些关系,具有重要的实际意义。本文考虑将主成分分析与BP神经网络模型结合,作为成纱质量预报模型。基本思想是把纤维的各项指标通过主成分分析,压缩成为几个综合指标构成新的变量,消除了新变量之间彼此的相关性,从而优化网格。这种处理方法,使网格训练速度加快,输出精度提高。最后,收集工厂生产历史数据验证模型,预测模型收敛速度快、拟合残差小,整个预测结果的平均误差小于7.0%。因此由纤维检测指标预测成纱性能模型有着较好的适应性,适合推广使用。