基于BP神经网络的原棉短纤指数预测模型

为对脱籽后原棉的短纤指数进行预测,采用遗传优化BP神经网络预测法,设计了原棉短纤指数预测的遗传优化BP神经网络模型。以南疆地区原棉为研究对象,选择籽棉回潮率和轧花速度频率2个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立原棉短纤指数的遗传BP神经网络预测模型。结果表明,遗传BP神经网络模型能较好地表达原棉短纤指数与主控因素之间的非线性关系,预测结果与实测值之间误差小,测试样本的网络输出值与网络目标值的相关系数达0.999 8,模型预测效果较佳。

机采棉加工过程对棉纤维长度及短纤维指数的影响

本文研究了机采棉加工过程中棉纤维长度、短纤维含量随加工工序的变化情况。棉花加工过程的主要作用是分离皮棉与棉籽及清理杂质。清理杂质可提升皮棉的品质,提高棉花定级、定价;但杂质清理过程也会造成棉花纤维损伤、棉纤维平均长度下降、短纤维比重升高等。本研究以新疆地区机采棉为研究对象,选用当前主流的锯齿加工设备,在每道工序前后设置取样点,以HVI1000检测每道工序前后的纤维长度、长度整齐度及短纤维指数这3个重要指标。研究结果表明,现行锯齿加工系统对纤维长度、长度整齐度及短纤维指数的绝对值或相对值影响不大,但从统计学角度看变化显著。

浅析HVI棉纤维指标中短纤维指数与长度整齐度指数的关系

通过对HVI测试棉纤维物理性能指标中短纤维指数和长度整齐度指数的统计分析,寻找两项指标之间的关系,以达到通过长度整齐度指数关联短纤维指数并加以实际应用的目的。

基于BP神经网络的机采原棉品质指标预测模型

为了对脱籽后的机采原棉品质指标进行预测并实现优化控制,设计了用于机采原棉品质指标预测的BP神经网络模型。以南疆地区机采棉为研究对象,以影响原棉品质的主控因素籽棉回潮率和轧花速度为BP神经网络模型的基本特征量,建立了机采原棉品质指标的BP神经网络预测模型。结果表明:该BP神经网络模型能较好表达机采原棉各品质指标与主控因素之间的非线性关系,预测结果与实测值之间误差小,测试样本的网络输出值与网络目标值的相关系数均接近1,模型预测效果较佳。认为:该BP神经网络模型可作为机采原棉品质预测与调控的新方法,也可应用于机采籽棉轧花在线原棉品质监控。

HVI数据中短纤维指数与长度指标的回归分析和应用研究

从棉纤维HVI试验数据中提取短纤维指数、上半部平均长度和长度整齐度指数指标,经过统计分析,建立指标之间的回归方程。研究在一定的置信区间内,通过上半部平均长度和长度整齐度指数指标,关联计算出短纤维指数指标,并在实际检验工作中加以应用。

机采棉轧花皮清道数对棉纤维性能影响分析

为提高新疆机采棉清理加工质量,针对机采棉轧花加工皮清道数及工艺,设计方案并进行4点采样测试,以棉花平均长度、整齐度、短纤指数、强度、颜色级等为评定指标,对比分析轧花机后气流皮清、一道锯齿皮清及二道锯齿皮清对纤维的损伤程度。指出:棉纤维在气流皮清的作用下平均长度基本不变,两道锯齿皮清作用下长度下降0.330mm;短纤指数在气流皮清后上升0.748,在两道锯齿皮清后上升1.290,短纤含量变大;长度整齐度、断裂比强度都属于差档位,SCI值不断下降;建议轧花工序加强对籽棉的清理,优化清理工艺,使得轧花机在保证皮棉质量的情况下,减少皮清工序中锯齿清理道数,以减少锯齿皮清对纤维的大损伤,从而加工出优质棉纤维。

纤维织物增强高延性混凝土单轴拉伸性能试验研究

为研究纤维织物增强高延性混凝土(HDC)的单轴拉伸力学性能,设计7组对比试件、21组碳纤维织物和21组玻璃纤维织物增强HDC单轴拉伸试件,研究短PVA纤维掺量、纤维织物配网率和基体类型对拉伸力学性能的影响。结果表明:PVA纤维可有效改善织物-基体的界面特性和试件的破坏形态,提高纤维织物的利用率;随PVA纤维掺量和织物配网率的增加,试件逐渐展现出多缝开裂特征,纤维织物增强HDC的单轴抗拉强度大幅提高。最后,根据试验结果提出与PVA纤维掺量相关的短纤维指数以考虑PVA纤维掺量和织物-短纤维的耦合作用,可用于计算纤维织物增强HDC的抗拉强度,为实际工程中的应用提供依据。

基于BP神经网络预测模型的轧花机转速控制系统的设计与试验

控制棉纤维中的短纤维率是提高棉花品质的关键因素,利用籽棉回潮率进行轧花机转速的控制能减少成品棉中的原棉短纤维指数,提高成品棉的品质。针对这一问题,利用BP神经网络控制思想,建立以籽棉回潮率与轧花机转速为输入层的BP神经网络预测模型,通过对原棉纤维数据的训练处理,预测出原棉短纤维指数值相对应的电机转速控制频率与回潮率的设定值,并以此数据为基础对轧花机控制系统进行设计,通过预测值提前获知最优的转速控制频率,优化轧花机的转速。通过对试验样机进行测试试验,结果表明,轧花机试验样机系统稳定,能通过回潮率、短纤维指数预测出轧花时所需要的实际转速。原棉短纤维指数实测值的变化曲线与预测值接近,通过回潮率的预测调节,轧花机的转速随着回潮率与原棉短纤维指数进行了相应的调整,验证了BP神经网络预测模型具有较好的控制效果。

轧花环境温湿度对棉花长度和强度指标的影响

为研究轧花环境温湿度对棉花长度和强力指标的影响,采用USTER HVI1000型大容量棉纤维测试仪对棉样上半部平均长度、整齐度、短纤维指数、断裂比强度、断裂伸长率等5项指标进行检测与分析。结果表明:当轧花环境温度低于3℃时,棉纤维脆性增加,表面潮湿,轧花后棉花长度和强度指标下降明显;当轧花环境温度在3℃~10℃时,相对湿度正常,轧花后棉花长度和强度指标较好;当轧花环境温度高于10℃时,环境干燥,轧花后棉花长度和强度指标又有下降的趋势。认为:采取控制轧花环境温湿度措施或选择合适温湿度时间点轧花,有利于提升轧花后棉花长度和强度质量指标。

免疫遗传神经网络算法的纱线原料性能反演

探讨基于免疫遗传神经网络算法的纱线原料性能参数反演。以BP神经网络建立纱线原料性能参数正演模型,同时使用免疫遗传算法优化该网络的权值和阈值,以提高网络的预测精度和速度,在此基础上,以纱线强力值为对象再次通过免疫遗传算法构建反演模型,并对反演参数进行求解。通过真实数据训练仿真,反演精度达到了95%,验证了该方法的可行性与有效性。认为:该方法可为纺织企业的配棉工作和工艺设计提供有效的理论指导。