毛精纺前纺工艺参数重要性的BP网络定量评价法

在BP神经网络建模技术的基础上,提出利用神经网络输入层与输出层之间的网络权值及其分布来求各输入参数重要程度的方法。将采集到的毛精纺企业前纺工艺参数运用BP神经网络分别建立了粗纱CV值和粗纱单重的预测模型。结果表明:所建模型的平均相对误差都低于3%;采用样本数据验证,其预报值与实测值间的相关系数都高于0.95。对所建模型的网络权重进行提取,分别计算出13个输入参数对粗纱CV值和粗纱单重的重要性,挖掘出显著而有效的参数。经对比认为,BP网络法比多元回归显著性分析(MRSA)更为精准,可用于对实际生产加工的预报和控制。

索罗纺精梳毛纱的生产实践

探讨了索罗纺的纺纱原理及索罗纺精梳毛纱工艺。通过合理配置前纺工艺参数,加强车间的生产管理,对索罗纺生产的精纺毛纱在基本性能上与传统的环锭纺、赛络纺进行了对照比较,结果表明:相同线密度条件下,索罗纺纱的单纱强力高,抗摩擦性、条干、强力都比较好,毛羽少,成纱紧密。由于单纱在取消了加捻系统的同时,降低了纺纱线密度,因此提高了卷绕产量及效率。索罗纺可以使用较粗的纤维纺出高质量的纱,为高档精毛纺面料的生产提供可靠的原纱,可节约30%的成本。