棉纺织品质量预测与优化控制技术研究与应用

论文摘要

产品质量控制是企业参与市场竞争并且赖以生存和发展的基础,也是先进制造生产模式的重要组成部分。为适应市场全球化、消费个性化趋势发展的需要,现代生产过程要求具有自动化、柔性化、集成化和智能化的特点。棉纺行业作为中国的传统行业,已不能满足市场和客户对纺织品高质量、低消耗、个性化的需求。本文针对目前棉纺产品质量不能适应市场需求,以及传统质量控制手段滞后性等弱点,提出了智能质量预侧与控制系统。本系统使用智能质量预测方法,建立数据集市和预测模型库,可以进行智能化工艺决策和实现过程质量监测与控制。本文对各种智能模型进行深入的比较和分析,为建立最优智能质量预测模型提供了理论基础。本论文的主要工作包括:1、智能质量预测与控制在棉纺行业应用的理论研究。研究智能质量预测理论在棉纺行业的适用性及面向棉纺行业的质量预测模型。2、智能质量预测模型在棉纺行业应用的试验研究。针对棉纺行业存在的数据量大,数据缺失、重复、有噪声等特点,本文使用多种手段分析模型的鲁棒性及其在棉纺行业的应用方法和技术。3、棉纺数据提取方法的研究及数据采集系统的开发。针对纺织企业数据繁杂的特点,提出建立单项指标分段预测的方法,并开发出满足企业实际需求的数据采集系统,为质量预测模型提供数据支持。4、棉纺织品质量预测系统的开发与实现。本文完成了棉纺质量预测系统。该系统具有预测方便、灵活、准确等优点,能适应多种条件下质量预测的需要。5、质量预测控制理论在纺织行业的应用研究。本文使用质量预测系统进行工艺智能化决策及过程质量监测与控制。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 引言
• 1.1.1 质量是棉纺企业的核心竞争力
• 1.1.2 现代质量控制技术
• 1.2 课题研究意义
• 1.3 研究现状及发展趋势
• 1.3.1 质量预测控制技术
• 1.3.2 质量预测控制技术在棉纺行业的应用现状
• 1.4 主要研究目标及内容
• 1.4.1 课题来源及目标
• 1.4.2 课题研究内容
• 1.5 本文章节安排
• 第二章 棉纺质量预测基本理论
• 2.1 引言
• 2.2 人工神经网络
• 2.2.1 人工神经网络及其特点
• 2.2.2 BP网络模型及其优缺点
• 2.2.3 基于BP网络的棉纺织品质量预测建模
• 2.3 支持向量机
• 2.3.1 支持向量机及其理论基础
• 2.3.2 基于网格搜索和遗传算法的参数优化方法
• 2.3.3 基于支持向量机的棉纺织品质量预测建模
• 2.4 基于案例的推理
• 2.4.1 基于案例的推理及其特点
• 2.4.2 基于案例的推理在棉纺织品质量预测中的应用研究
• 2.5 本章小结
• 第三章 棉纺质量预测模型试验研究
• 3.1 引言
• 3.2 试验数据及模型测试方法
• 3.2.1 试验数据及数据预处理
• 3.2.2 重复数据测试方法
• 3.2.3 噪声数据测试方法
• 3.3 棉纺质量预测模型测试试验
• 3.3.1 神经网络试验
• 3.3.2 支持向量机试验
• 3.3.3 基于案例的推理试验
• 3.4 试验结果与分析
• 3.4.1 样本数据预测结果与分析
• 3.4.2 重复数据试验及分析
• 3.4.3 噪声数据试验及分析
• 3.5 本章小结
• 第四章 棉纺织品加工工艺及数据采集系统
• 4.1 棉纺织品加工工艺及质量
• 4.1.1 棉纺织品工艺过程
• 4.1.2 棉纺织品工艺过程的特点
• 4.1.3 各环节质量指标及影响因素
• 4.2 数据采集系统的设计
• 4.2.1 数据库设计
• 4.2.2 系统功能模块
• 4.2.3 模型扩展与数据提取
• 4.3 数据采集系统的实现及应用
• 4.4 本章小结
• 第五章 棉纺质量预测系统的设计及实现
• 5.1 系统设计目标及原则
• 5.2 系统设计
• 5.2.1 系统总体设计
• 5.2.2 系统功能模块设计
• 5.2.3 模块处理过程设计
• 5.2.4 系统数据库设计
• 5.3 系统的实现
• 5.3.1 系统开发环境
• 5.3.2 系统主界面设计
• 5.3.3 导入数据模块设计
• 5.3.4 训练模块实现
• 5.4.5 测试模块实现
• 5.4 本章小结
• 第六章 棉纺质量优化控制技术研究
• 6.1 质量预测控制理论及方法
• 6.1.1 质量控制方法
• 6.1.2 质量预测控制理论
• 6.2 棉纺质量预测控制模型
• 6.2 智能工艺决策方法
• 6.3 基于 SPC的工艺补偿策略
• 6.3.1 SPC理论及其在棉纺行业的应用
• 6.3.2 基于知识的SPC工艺补偿策略
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 攻读硕士期间发表论文
• 致谢