一种智能清纱算法的研究与实现

论文摘要

棉纺织品质量的好坏在很大程度上取决于棉纱线品质的优劣。清除有害纱疵已经成为纺织后道工序中不可缺少的环节。电子清纱器作为切疵的主要手段,能够有效的控制纱线的各种疵点,提高纱线的品质,被各大纺织厂所青睐。然而,电子清纱器的核心鉴别电路是以模拟电路为主,受到器件老化的影响,容易造成乱切、漏切等不稳定现象,使得纱线品质受到严重影响,降低企业的经济效益。此外,在纱疵归类和清纱特性曲线设置上,模拟鉴别电路具有很大的局限性。随着计算机技术、信号处理技术和超大规模集成电路技术的发展,电子清纱器开始逐渐由模拟化往数字化方向发展,而清纱算法则是数字化电子清纱器的关键技术之-研究一种智能化的清纱算法,能够有效鉴别各类纱疵,克服模拟鉴别电路的缺陷,提升电子清纱器的稳定性,因此具有极大的社会经济价值。本文分析了模拟清纱鉴别电路的原理特性,在研究了电子清纱器信号采集、处理等相关技术的基础上,通过构建一种纱线疵点检测的光电传感器,对实际所测得的纱线信号进行了大量对比分析,提出了一种基于EMD（Empirical Mode Decomposition）的纱线消噪算法和基于神经网络的疵点识别算法,能够有效地消除纱线直径信号的干扰,更好地实现各种纱疵的归类,方便用户定制各种清纱特性曲线。论文的主要工作及研究成果可概括如下：（1）在分析研究电子清纱器的传感方式和信号处理方法的基础上,构建了一种基于光电传感方式的信号检测、采集、分析和处理的平台。通过该实验平台可以对现场的噪声环境进行模拟,从而提供可靠的纱线数据。（2）为了提供较高信噪比的纱线信号,便于对纱疵信号进行识别,采用基于经验模态分解方法（EMD）的消噪策略,并对EMD的实时性进行了分析优化,取得了较好的消噪效果。（3）利用神经网络的泛化能力,结合纱疵分级标准,将BP网络应用于纱线疵点的归类识别,对设计的网络进行训练、识别和优化,并与传统的时域识别方法进行了比较。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.3 论文研究内容
• 1.4 论文组织结构
• 第2章 清纱的相关技术
• 2.1 传感技术
• 2.1.1 光电式
• 2.1.2 电容式
• 2.1.3 微摄像式
• 2.1.4 摩擦式
• 2.1.5 多传感式
• 2.2 信号处理技术
• 2.2.1 模拟鉴别电路
• 2.2.2 时域分析算法
• 2.2.3 FFT变换
• 2.2.4 小波分析
• 2.2.5 神经网络
• 2.3 本章小结
• 第3章 实验平台构建与纱线信号提取
• 3.1 实验平台的构建
• 3.2 静态参数分析
• 3.3 动态特性分析
• 3.4 含噪纱线信号提取
• 3.5 本章小结
• 第4章 基于EMD的消噪方法
• 4.1 EMD方法消噪的基本原理
• 4.1.1 固有模态函数的定义
• 4.1.2 EMD方法的分解过程
• 4.1.3 EMD消噪方法
• 4.2 自适应噪声阈值及阈值函数的选取
• 4.3 纱线信号分析
• 4.3.1 纱线信号的EMD消噪
• 4.3.2 EMD消噪效果分析
• 4.4 EMD的实时性改进
• 4.4.1 EMD实时性分析
• 4.4.2 基于频率分析的筛选终止条件
• 4.4.3 改进的EMD消噪分析
• 4.5 本章小结
• 第5章 基于神经网络的纱疵识别
• 5.1 神经网络的基本原理
• 5.1.1 神经网络简介
• 5.1.2 BP神经网络原理
• 5.1.3 BP神经网络的优缺点
• 5.2 基于BP网络的纱疵识别应用研究
• 5.2.1 纱疵的归类与清纱特性曲线
• 5.2.2 纱疵识别的神经网络设计
• 5.2.3 神经网络训练与纱疵识别
• 5.3 本章小结
• 第6章 算法测试
• 6.1 基于LabVIEW实验分析平台
• 6.2 基于EMD消噪算法测试分析
• 6.3 疵点识别算法性能分析
• 6.4 本章小结
• 第7章 总结和展望
• 7.1 总结
• 7.2 展望
• 致谢
• 参考文献
• 附录
• 详细摘要