转杯纺纺制毛/腈混纺纱工艺研究

论文摘要

转杯纺纱技术是目前世界上技术最成熟、应用最广泛的新型纺纱技术，尤其是在棉纺行业有着宽广的应用。但是，转杯纺在纺制毛纱，尤其是在纺制毛／腈混纺纱方面还很少有研究。本文尝试在FA601A型转杯纺纱机上纺制了37.48 tex毛／腈混纺转杯纱，初步探索了毛／腈混纺纱的转杯纺工艺。为了获得最优的纺纱元件组合，本文应用模糊决策和模糊聚类方法对分梳辊和假捻盘等纺纱元件进行优选。根据有关成纱质量指标，选出了合适的纺纱元件组合，即{0K61锯齿辊—45#钢镀硬铬假捻盘}。优选了纺纱元件后，本文应用二次通用旋转组合设计和最优化方法对转杯速度、分梳辊速度和捻系数等工艺参数进行优化。先是采用二次通用旋转组合设计安排试验，应用最小二乘法建立了有关工艺参数与成纱质量指标之间的回归方程，通过对回归方程和回归方程系数的显著性检验得到了的有效回归方程，然后利用随机方向搜索法得到了最优工艺参数，即转杯速度为36741 rpm，分梳辊速度为8000 rpm，捻系数为387。采用优选和优化结果再次进行纺纱，并测试成纱质量，发现成纱质量总体上优于原有方案，证明该优化工艺是有效的。本文还利用此优选和优化结果纺制出了36.64 tex毛55／腈45的混纺纱。神经网络作为智能科学的一个分支，在模式识别、信息处理以及故障诊断等方面都有广泛的应用。本文在毛／腈混纺转杯纱有关质量指标的神经网络预测模型方面进行了一点探索。本文采用具有一个隐层的误差反向传播(BP)神经网络，隐层神经元数为3，隐层采用tansig传递函数，输出层采用purelin传递函数，选用traingdx函数进行训练。建立了转杯速度、分梳辊速度和捻系数等工艺参数与有关成纱质量指标的关系，并与回归方程的预测结果进行比较。研究发现，除个别指标外，神经网络的预测结果比统计分析回归方程的预测结果更接近于实测结果，表明采用神经网络预测转杯纱质量是可行的、有效的。众所周知，神经网络的建立是需要一定数量的试验数据的。如果没有成纱质量的试验数据，是否也能建立成纱质量的理论模型呢?本文在这方面也进行一点探索，在仅了解组成混纺纱纤维的强伸性能的情况下，建立了毛／腈混纺转杯纱断裂强力的理论模型。该模型以纤维强伸性能指标——纤维的平均拉伸曲线、纤维的断裂强力分布及断裂伸长率分布为参数，结合混纺纱、混纺纤维的基本规格，可以预测混纺纱断裂强力。本文利用该模型对毛30／腈70和毛55／腈45混纺纱的断裂强力进行了预测。由于在模型建立过程中做了较多的简化和假设，预测结果与实测结果之间存在20％左右的误差，预测精度无法与神经网络相比。但是，本文毕竟实现了在没有成纱质量试验数据的情况下，仅根据组成混纺纱纤维的强伸性能，为混纺纱断裂强力建立了一个理论模型，在这方面进行了有益的探索，并将通过不懈的努力使该理论模型不断得到改进。

论文目录

• 摘要
• ABSTRACT
• 第一章 文献综述
• 1.1 转杯纺的特点
• 1.1.1 适纺原料范围广
• 1.1.2 纺纱速度高
• 1.1.3 流程短
• 1.1.4 卷装大
• 1.2 转杯纺的发展历程
• 1.2.1 转杯纺机的发展
• 1.2.2 适纺原料的发展
• 1.2.3 成纱质量的提高
• 1.2.4 产品应用范围的扩大
• 1.3 转杯纺的发展趋势
• 1.4 转杯纺毛类产品
• 1.4.1 转杯纺应用于毛纺行业的意义及前景
• 1.4.2 纺羊毛转杯纱的特点
• 1.4.3 纺腈纶转杯纱的特点
• 1.4.4 转杯纺已生产的毛类产品情况
• 1.5 本课题的研究内容
• 第二章 模糊决策优选转杯纺元件
• 2.1 模糊决策方法简介
• 2.1.1 引言
• 2.1.2 Borda数法
• 2.1.3 密切值法
• 2.2 分梳辊和假捻盘型号的模糊决策
• 2.2.1 试验方案
• 2.2.2 试验条件
• 2.2.3 试验结果
• 2.2.4 结果分析与讨论
• 2.3 分梳辊和假捻盘型号的模糊聚类分析
• 2.3.1 模糊聚类分析简介
• 2.3.2 模糊聚类分析结果
• 2.3.3 模糊聚类优选结果验证
• 2.3.4 模糊聚类优选结果分析
• 2.4 本章结论
• 第三章 转杯纺主要工艺参数的优化设计
• 3.1 优化设计理论简介
• 3.2 工艺参数优化的试验设计
• 3.2.1 试验设计
• 3.2.2 纺纱试验条件
• 3.2.3 试验结果
• 3.3 回归方程的建立和求解
• 3.3.1 各考察指标的回归系数
• 3.3.2 回归方程显著性检验
• 3.3.3 回归系数的显著性检验
• 3.3.4 各指标的有效回归方程
• 3.3.5 试验结果分析与讨论
• 3.4 工艺参数的优化
• 3.5 最优化结果验证
• 3.6 本章结论
• 第四章 毛/腈混纺转杯纱质量指标的神经网络预测模型
• 4.1 神经网络的基本概念
• 4.1.1 神经元模型
• 4.1.2 神经网络的结构
• 4.1.3 神经网络的分类
• 4.1.4 神经网络的学习与训练
• 4.1.5 神经网络的仿真
• 4.2 BP神经网络的介绍
• 4.2.1 BP神经网络模型
• 4.2.2 BP神经网络结构
• 4.2.3 BP神经网络设计
• 4.2.4 BP神经网络的快速学习算法与选择
• 4.2.5 BP神经网络推广能力的提高
• 4.3 人工神经网络在纺织上的应用
• 4.4 成纱质量预测神经网络的模型及算法
• 4.5 成纱质量的神经网络预测
• 4.5.1 成纱条干的预测
• 4.5.2 成纱线毛羽预测
• 4.5.3 成纱强力预测
• 4.5.4 成纱伸长率的预测
• 4.5.5 成纱细节预测
• 4.6 本章结论
• 第五章 毛/腈混纺转杯纱断裂强力的理论模型
• 5.1 混纺纱断裂强力的理论模型
• 5.1.1 假设
• 5.1.2 理论建模的基本思路
• 5.1.3 纤维的平均拉伸曲线
• 5.1.4 纤维断裂区间平均拉伸曲线的回归方程
• 5.1.5 混纺纱中混纺纤维的实际断裂根数
• 5.1.6 混纺纤维断裂强力、断裂伸长率的统计分布
• 5.1.7 混纺纱断裂强力的预测
• 5.2 毛/腈转杯混纺纱断裂强力的预测
• 5.2.1 羊毛、腈纶纤维的拉伸断裂的统计分布
• 5.2.2 混纺纤维、混纺纱的基本参数
• 5.2.3 混纺纱强力预测结果
• 5.3 毛/腈混纺转杯纱断裂强力的预测值与实测值的比较
• 5.4 本章结论
• 第六章 结论与展望
• 6.1 结论
• 6.2 不足与展望
• 参考文献
• 在读期间发表论文情况
• 致谢