淺析毛精紡前紡工藝參數(shù)網(wǎng)絡(luò)定量評價法(編輯修改稿)
2025-07-14 20:47 本頁面
【文章內(nèi)容簡介】 ；坐標刻度線方向向內(nèi)，橫縱坐標必須有名稱和單位；圖中的網(wǎng)格（底紋）線和上、右邊框線要刪掉，只保留橫縱坐標線。（若是顯微鏡或電鏡照片，圖內(nèi)一定要有比例標尺） 圖2 粗紗CV和單重預(yù)報值與實測值相關(guān)分析 Relevant analysis between the predict and measured value of the roving unevenness (a) and weight (b) (4)將Pij當(dāng)量化后得到 (5)對于每一個輸入層節(jié)點j,將Qij求和,得到輸入層的確定度 (6)可以得到各輸入變量(因子)對輸出變量的影響比例，即輸入因子的貢獻率 (7)在模型可靠和準確的條件下，把訓(xùn)練好的BP網(wǎng)絡(luò)模型的網(wǎng)絡(luò)權(quán)重取出來，運用上面提到的方法，分別計算得出各輸入因子對粗紗CV值和粗紗單重的貢獻率，如下表1所示。對與粗紗CV值(R1)而言，長度離散系數(shù)(X6)、粗紗捻系數(shù)(X13)、纖維平均直徑(X3)為其影響作用最大的3個因素，%、%%。對粗紗單重(R2)來說，對其影響最大的幾個參數(shù)是長度離散系數(shù)(X6)、毛條毛粒(X10)、毛條回潮率(X1)，%、%%。表1 各輸入因子的貢獻率小五宋體，加黑 Tab. 1 Each input parameters contribution ratio %粗紗質(zhì)量毛條原料參數(shù)前紡工藝參數(shù)X1X2X3X4X5X6X7X8X9X10X11X12X13R1R22．5 多元線性回歸對比評價作為比較,運用多元線性回歸法(MLR)分別建立上述13個輸入?yún)?shù)與R1和R2間的多元線性回歸方程。由于這些原始數(shù)據(jù)的數(shù)量級相差很大,可能會造成回歸系數(shù)很小,為此需要對原始數(shù)據(jù)進行當(dāng)量化處理,即把原始數(shù)據(jù)標準化到[0 1]區(qū)間。采用最小最大值的標準化,可以使數(shù)據(jù)在[0 1]區(qū)間上獲得良好的分布,如式(8)。 （8）將標準化后的數(shù)據(jù)進行多元線性回歸擬合,分別得到R1和R2的回歸方程,并經(jīng)顯著性檢驗,說明2個方程都有顯著性。通過回歸可以看出，對粗紗CV值(R1)影響因素由大到小依次為：X13 X6 X3 X5 X7 X8 X10 X9 X2 X4 X1 X12 X11；而對于粗紗單重(R2)來說，依次為：X6 X8 X1 X9 X11 X7 X2 X3 X10 X13 X4 X5 X12。顯然重要性和次序是不同的，表明各自變量間有交互或相關(guān)性。3 結(jié) 論結(jié)論應(yīng)是以正文中的實驗或考察得到的現(xiàn)象、數(shù)據(jù)的闡述分析為依據(jù)，完整、準確、簡潔地指出以下內(nèi)容：a. 由對研究對象進行考察或?qū)嶒灥玫降慕Y(jié)果所揭示的原理及其普遍性；b. 研究中有無發(fā)現(xiàn)例外或本論文尚難以解釋和解決的問題；c. 與先前已發(fā)表過的（包括他人和作者自己）研究工作的異同；d. 本論文在理論上和實用上的意義及價值；e. 進一步深入研究本課題的建議。通過BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)，直接利用生產(chǎn)歷史數(shù)據(jù)，建立粗紗CV值、粗紗單重預(yù)測模型，以實現(xiàn)對粗紗加工和質(zhì)量的預(yù)報，所建模型的平均相對誤差都低于3%。采用未參與建模訓(xùn)練的樣本數(shù)據(jù)驗證。利用所建立的模型對粗紗工序各輸入?yún)?shù)的重要性分析，將輸入?yún)?shù)重要性分成3個系列重要參數(shù)、較為重要參數(shù)和不重要參數(shù)，具體結(jié)果如下：1) 對與粗紗CV值(R1)而言，重要參數(shù)為長度離散系數(shù)(X6)、粗紗捻系數(shù)(X13)和纖維平均直徑(X3)，%、%%。較為重要的影響因子(5%~10%)依次為短毛率(X7)、直徑離散系數(shù)(X4)、毛條重量(X8)、前紡總并合次數(shù)(X11)、毛條含油率(X2)、毛條毛粒(X10)。不重要的參數(shù)(5%)依次為纖維平均長度(X5)、前紡總牽伸倍數(shù)(X12)、毛條重量不勻率(X9)、毛條回潮率(X1)；2)對粗紗單重(R2)來說，重要參數(shù)為長度離散系數(shù)(X6)、毛條毛粒(X10)和毛條回潮率(X1)，%、%%。較為重要的影響因子(5%~10%)依次為粗紗捻系數(shù)(X13)、前紡總牽伸倍數(shù)(X12)、直徑離散系數(shù)(X4)、短毛率(X7)、毛條重量不勻率(X9)。不重要的參數(shù)(5%)依次為毛條重量(X8)、纖維平均長度(X5)、毛條含油率(X2)、纖維平均直徑(X3)、前紡總并合次數(shù)(X11)。對比多元線性回歸分析，對粗紗CV值來說，最重要的3個影響因子都是長度離散系數(shù)(X6)、粗紗捻系數(shù)(X13)和纖維平均直徑(X3)。對粗紗單重而言，采用BP網(wǎng)絡(luò)權(quán)重法得出最重要的3個參數(shù)為長度離散系數(shù)(X6)、毛條毛粒(X10)和毛條回潮率(X1)。而多元回歸分析得出的是長度離散系數(shù)(X6)、毛條重量(X8)和毛條回潮率(X1)，兩者略有差異，可見兩種參數(shù)重要性評價具有較好的一致性，而且BP網(wǎng)絡(luò)法可以量化。粗紗工序輸入?yún)?shù)重要性定量評價法，通過運用歷史數(shù)據(jù)的BP網(wǎng)絡(luò)建模技術(shù)，找出了各參數(shù)對其質(zhì)量的重要程度，為合理調(diào)配粗紗工藝，達到最優(yōu)的粗紗質(zhì)量提供了參考。參考文獻(五號黑體，)[1] [J].毛
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號-1