基于数据模型的浆纱过程操作参数设定方法

针对纺织浆纱生产中,产品规格、原料状况和工况环境等难以实现操作参数的优化设定问题,提出了基于数据模型的操作参数设定方法.利用已有的生产操作参数及上浆率数据建立浆纱上浆率预测模型,将上浆率指标作为输入,操作参数作为输出建立神经网络逆模型.通过该神经网络逆模型计算出满足期望上浆率指标的操作变量设定值,并利用上浆率预测模型验证所计算出的操作变量设定值.实验结果表明,所提出的基于数据模型的操作参数设定方法是有效的.

浆纱过程中分纱力影响因素的研究

提出了浆纱过程中分纱力的定义及测试方法.以浆纱过程中的经纱密度、压浆力、浆纱速度为试验因子设计正交试验,运用分纱力测试仪测定浆纱过程中分纱力的值,研究了这3个因子分别对分纱力的影响程度及其显著性.结果表明:经纱密度对分纱力的影响最大,压浆力次之,浆纱速度最小;同时显著性分析得出经纱密度的F比为33.638,大于F0.0(52,2)的值,也可知经纱密度对分纱力的影响显著.

浆纱过程上浆率的在线测量及其微机监控系统

浆纱过程上浆率的在线测量及其微机监控系统陈新ＴｈｅＣｏｎｔａｃｔｌｅｓｓＴｅｍｐｅｒａｔｕｒｅＣｏｎｔｒｏｌＳｙｓｔｅｍｏｆＨｉｇｈＳｐｅｅｄＲｏｌｌｅｒ￥ＣｈｅｎＸｉｎ１引言经纱上浆是纺织生产过程中最要的工序之一，经纱上浆质量的好坏直接影响棉纱的织...

基于数据分散度聚类的浆纱质量指标建模与仿真

针对典型划分式聚类算法对噪声和孤立点数据敏感问题,提出一种基于数据分散度的聚类算法。该算法定义数据分散度指标,将其引入非欧氏距离函数建立相似性度量实现数据的聚类,并根据基于改进划分系数的有效性函数获取最佳聚类数。将其应用于纺织浆纱过程质量指标建模中,采用径向基神经网络建立上浆率质量指标模型,通过该聚类算法确定隐层节点数,求取径向基函数中心。实验结果表明所提及的基于数据分散度的聚类算法对噪声和孤立点数据敏感度低,所建立的上浆率质量指标模型具有较高精度。

基于集成多支持向量回归融合的上浆率在线软测量方法

现有浆纱过程上浆率的检测无法实现实时在线测量,直接影响纱线产品质量的保障。为此,提出一种新的基于Bagging多SVR融合的建模方法,建立上浆率在线软测量模型。首先对浆纱过程进行分析,确定影响上浆率的主要因素。将这些主要因素作为模型的输入,用不同的核函数、损失函数和参数建立基本SVR模型。使用Bagging将多个SVR模型进行融合,使其优势互补,得到最终的上浆率在线软测量模型。使用实际生产数据对模型进行检验,并将其与传统软测量方法进行比较。结果表明基于Bagging多SVR融合的上浆率在线软测量模型的性能优于传统软测量模型,并具有较高的测量精度,完全能够满足实际生产的需要。