（纺织材料与纺织品设计专业论文）基于人工神经网络技术的精纺后整理预报模型.pdf

基于人工神经网络技术的精纺后整理预报模型 摘要 绣织麓工是一个尊容复杂懿逡程，戈荬辩予壤纺螽整遴避程来说，蓑王艺流程 的复杂和多变性为我们所共知；而对最后成品织物质量的影响，除了纤维原料、纱 线品质、织物规格和织物组织之外，后整理是影响织物质量和风格最为关镳的因素， 纛嚣裁鼹磊整理工终筑瑾移荟工廖之阙豹提要终瘸关系数磷究少之又少，嚣这些嚣 素与织物质量之间存在大量的非线性关系，因此找一贴切的方法来表征遗凝关系， 具有重娶的理论意义。目前，全球范围激烈的市场竞争使得潮内纺织业磷临严峻形 骜，翅耱逶蓬凄量疆溪l 帮蕊控麓王工艺过程，获褥低耗、撬骚、裹瓣麴僮静纺缓磊， 是我国纺织工业急需解决的重要课题，而“面向毛纺织加工的工艺智能设计和质量 预测”嶷是解决上述问题的关键技术和基本途径，因具有实际意义。 瑰蠢缓魏震量豹译徐主要集中在墓予织携筑疆羁菜些憨筑熬测量爱辩织秘懿疑 格或亏输评价，或对织物某些力学性能指标进行预测。本文通过对企业所用辛昀口工 过程参数进行筛选与确定，结合灰色关联度分析确定了对织物质量影响较为重要的 参鼗，遴遭建立a 王糖经弼终摸黧窿辍实瑷了姨坯毒羁最瑟残瑟翡全过戆嬷工。在 研究和建模过程中，简化了后整理加工过程，着燕把握原料端和后整理重点工序端， 通过选撵合适的模型_ 搏对网络进行训练，完成了对离散样本的学习并获取存在于离 鼗襻零之中懿瓣蒋，实现了委三淘豹蘸囊颈溺过程酾爱囊蒙褥参数选择豹爱演过程。焉 对传统的数学方法因建模过程中需做各种假设和简化导致模测适应性差的问题，采 用了回归分析与神经网络预测的对比，得出神缀网络预测效累优于回归分析预测的 结论。 通过大量的预测对比发现，伐所用的7 8 组训练样本对网络训练学习后预测，其 效果不及用3 0 组训练样本时预测效果，于是提如了对训练样本进行残差分析以提赢 网络静遮零亍效率霸颈溅精疫，实骚诞弱该法是有效撵毒瓣终效采醵途径，同时班 此方法验证了神经网络的容错性能。这样的做法唯一目的就怒去除在训练样本中的 “伪”数据，从而保证数据的真实商效性：同时也发现神经网络具有很好髂决线性 可分翔戆的能力。道过利蠲裤经黼络建立了织物质量与纤维蘸籽、纱线晶硬、织物 规格以及后整理重要工序的参数或工序道数选择的反演模型，并获得很好的效果， 此霹为翁缓佥烂褒王艺攘铡、矮鼙懿犍戳及产瑟竣诗挺镞参考，戳憩爨毒缀姆蜘实 露意义。 本文中搿溺溪董矮濑与轰演摸墅耄饕珏精辑耩穗糕实魏，蒸予，n e t 橙麓技术 寨滋了零溪燮疆溅与反瀵豢绞熬嚣豳波蜜邀方式，炼台鼹0 数据霹竞姨慰象绞瓣黪 鼗攒熬嘉诺、缮砻舞与璃舔。遴篷赣a 藤务撩蘧缝镄霹璇鲻零系蠛，遴避对群零、粼 褥鼹棱参数麓聚撩，霹藏稳党藏零黎绕鼹鞭灞与菠滚；较 孛赛瓣熬芨好洼与激瓣穗 裙蔗实褒了糁绣嚣整鬟嶷熬秘王。 蓑镟壤：薅整理，大王$ 枣澄溅终，疑豢鞭溅，爱浚，悫搭麓王，获色努辏，焚袋庭， 强黝分糖，懿差分梃 p r e d i c t i o nm o d e l sf o rw o r s t e df i n i s h i n gp r o c e s s i n g b a s e do n a r t i f i c i a ln e u r a ln e t w o r k t e c h n o l o g y a b s t r a c t t e x t i l ep r o c e s s i n gi sav e r yc o m p l i c a t e da n dl o n gp r o c e d u r e ，e s p e c i a l l yf o rw o r s t e d f i n i s h i n g i t i sw e l lk n o w nt h a t f i n i s h i n gp r o c e s s i n g i st h em o s tc o m p l i c a t e da n d c h a n g e a b l eo n ea n dh a sas i g n i f i c a n te f f e c to nt h eq u a l i t ya n de n d u s eo ft h ew o r s t e d f a b r i c ，b e s i d e st h ef i b e rp r o p e r t i e s ，s p i i m i n ga n dw e a v i n g h o w e v e r , t h es t u d i e so nt h e t h e o r i e sa n dt h er e l a t i o n s h i p so ft h ep r o c e d u r e sh a v eb e e nd o n es l o w l ya n dl i t t l et h a t m a n yp r o b l e m sa sw e l la st h ec o r r e s p o n d i n gr e l a t i o n s h i p sa r es t i l ld e s c r i b e di nq u a l i t y o n eo fm a i nr e a s o n si st h a tt h er e l a t i o n s h i p sb e t w e e nt h eq u a l i t yo fw o r s t e df a b r i ca n dt h e p a r a m e t e r so ff i b e r ，y a ma n dp r o c e s s i n ga f ef u z z y , c o m p l e xa n dn o n l i n e a rr e l a t i o n s h e n c e i ti sv e r ys i g n i f i c a n tt of i n do u ta na c c u r a t ea n de f f e c t i v ea p p r o a c ht oc h a r a c t e r i z e t h e s er e l a t i o n s h i p sa n dt or e a l i z eq u i c kr e s p o n s ep r o e e s s i n gi nt e x t i l ei n d u s t r y a tp r e s e n t ， t h ew o r l d w i d ed e v e l o p m e n t o f e c o n o m y m a k e sd o m e s t i ct e x t i l ei n d u s t r yf a c e dw i t ht o u g h m a r k e t i n gc o m p e t i t i o n i f w a n tt ow i nt h em a r k e t ，h o wt oo b t a i nl o w c o s t ，h i 辨q u a l i t y a n da d d e d - v a l u et e x t i l e si sav e r yu r g e n tt a s kf o rc h i n at e x t i l ei n d u s t r y t h ep r o j e c t ， n a m e dt h ei n t e l l i g e n tt e c h n o l o g i c a ld e s i g n i n ga n ds m a r tq u a l i t yf o r e c a s t i n go fw o r s t e d p r o c e s s i n gi nt e x t i l ei st h ek e yt e c h n o l o g ya n dt h ea c t u a lm e t h o d 协s o l v et h ep r o b l e m s m e n t i o n e da b o v e t h ec u r r e n te v a l u a t i o no ff a b r i c q u a l i t ym a i n l yf o c u s e so nt h es t y l e ，h a n d l ea n d p h y s i c a lp r o p e r t i e sb a s e do nm e a s u r e m e n t so f f a b r i cp r o p e r t i e sa n dp e r f o r m a n c e i nt h i s p a p e r , ag r e a td e a lo f w o r k w a sd o n et of i l t r a t ea n dc o n f i r mt h ep a r a m e t e r so f t h em a t e r i a l a n dp r o c e s s i n gb e f o r ee s t a b l i s h i n gt h ep r e d i c t i n gm o d e l s t h ei m p o r t a n c eo f i n p u t t e d p a r a m e t e r sa f f e c t i n gt h ef a b r i cq u a l i t yw a se s t i m a t e da n dc o n f i r m e db yg r a yc o r r e l a t i v e a n a l y z i n g t h ev i r t u a lp r o c e s s i n go f w h o l e f i n i s h i n gw a sr e a l i z e db ye s t a b l i s h i n ga r t i f i c i a l n e u r a ln e t w o r k ( a n n ) m o d e l s 。f o rs i m p l i f i c a t i o n ，t h et w oe n d sf o rt h ew o r s t e df a b r i c p r o c e s s i n ga n dk e yp r o c e d u r e sw e r ep a i dt h em o s ta t t e n t i o nd u r i n gt h er e s e a r c h ，m a i n l y f o c u s i n go nt h e f i b e rp r o p e r t i e s ，p a r a m e t e r so fy a r n ，f i n i s h i n ga n df a b r i cq u a l i t y t h e a p p r o p r i a t ea n n m o d e l sh a v eb e e ns e l e c t e d f o rt h ep r e d i c t i o na n dd e d u c t i o nt ot h ea c t u a l p r o c e s s i n gf o r ac h i n aw o r s t e dm i l l 。t h ee s s e n t i a lr e l a t i o n s h i p sb e t w e e n i n p u t a n do u t p u t v a l u e sh a v eb e e nf o u n d a c c u r a t e l y a n da u t o m a t i c a l l ya f t e rt h e e n o u g ht r a i n i n g o f i n d e p e n d e n td a t aa r r a y s c o m p a r i n gt o t r a d i t i o n a ls t a t i s t i cm e t h o d s ，t h eh y p o t h e s e so r p r e d i g e s t i o n sa r ca l w a y sm a d e os e tu pam a t h e m a t i c a lm o d e l ，w h i c hr e s u l t s i nb a d a d a p t a b i l i t ya n df o r e c a s t i n g ，s ot h a tm u l t i v a r i a t el i n e a rr e g r e s s i o nm o d e l sa r ei n f e r i o rt o a n nm o d e l si nt h ep r e d i c t i o no f f a b r i cq u a l i t y t th a sb e e nf o u n di ne x p e r i m e n t st h a tt h ep r e d i c t e dr e s u l t so b t a i n e df r o mt h ea n a l y s i s f o r7 8g r o u p so fm e a s u r e dd a t aw e r en o tb e u e rt h a nt h o s eo ft h e3 0 一g r o u p sd a t as e l e c t e d f r o mt h e7 8 9 r o u po n e s t h o u g ht h ea n a l y s i sb a s e do nr e s i d u a l sa n a l y s i s ，ad a t a - s e l e c t i n g m e t h o dw a s p u tf o r w a r d t oi m p r o v et h ee f f i c i e n c ya n d p r e d i c t i o ne f f e c to f t h ea n n ，t h e c a l c u l a t e dr e s u l t si n d i c a t et h a tt h es e l e c t i o ni se f f e c t i v et oe n h a n c et h ee f f e c t i v i t ya l l d a c c u r a c y o ft h ea n nm o d e l s a tt h es a m et i m e ，a n n t e c h n i q u e h a sb e e nf o u n dt oh a v ea g o o dc a p a b i l i t yo f s o l v i n g t h el i n e a ra n dn o n l i n e a r p r o b l e m s 。 i nt h ep a p e r , s e v e r a la n nm o d e l sh a v eb e e ns e tu pt od e d u c et h ec h a r a c t e r i s t i c so f f i b e r , y a r n ，f a b r i ca n dt h ep a r a m e t e r so fw o r s t e df i n i s h i n g t h ee x p e c t e dr e s u l t sw e r e o b t a i n e d ，s ot h em e t h o d sa r ev e r yp r a c t i c a la n dt h es u g g e s t i o n sf r o mt h ea n a l y s i sc a nb e u s e df o rr e f e r e n c e si n t e c h n o l o g i c a lc o n t r o l ，q u a l i t ym o n i t o r i n ga n dp r o d u c td e s i g n t h ep r e d i c t i o nm o d e l sb a s e do na n n t e c h n i q u ed e v e l o p e d i nt h i s p a p e rw e r e a c h i e v e dt h r o u g ht h em a t l a bp r o g r a m m i n ga n dw e bt e c h n i q u e ，i e n e tf r a m e w o r k t e c h n o l o g y ，d a t am i n i n ga n ds q l d a t a b a s et or e a l i z et h es t o r a g e ，m a i n t e n a n c e ，t r a n s f e r a n da n a l y s i so f t h ed a t ai nt h i ss y s t e m i tc a nb ea c c e s s e di f i n p u t t e dc o r r e c ta d d r e s so f t h e s e r v e r t h ep r e d i c t i o na n dd e d u c t i o nc a l lb ea c h i e v e da f t e rc o l l o c a t i n gt h ed a t aa n dt h e p a r a m e t e r s f o ra n nm o d e l s m e a n w h i l e ，t h ef r i e n d l i n e s sa n d p r a c t i c a b i l i t y o ft h e s o f t w a r em a k et h ev i r t u a lp r o c e s s i n gs y s t e m so f t h ew o r s t e d f i n i s h i n gc o m e i n t ot r u e 。 x i a o y u a n f af t e x t i l em a t e r i a l & d e s i g n i n g ) s u p e r v i s e db y 激i l 瑚董d q 粥 k e y w o r d s ：f i n i s h i n g ，a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) ，q u a l i t yf o r e c a s t ，d e d u c e 。 v i r t u a lp r o c e s s i n g ，g r a ya n a l y z e ，c o r r e l a t e ，r e g r e s s i o na n a l y z e ，r e s i d u a l sa n a l y z e v 附件一； 东牮大学学位论文牒创t 陡声溺 本人郑整孝鹄：我伥守孥岽道德，崇蠢严谨学戴。辑鼙窝麓学织论文，篷本人程孥辩翁糖 喾下t 独立进行磷究工嚣掰取簿静戏鬃。除文审已骥确注锈鬻；震豹内容努，奉论文不毽窘疑 何其他个人或煞体已经发表蛾撰写过的褥晶殿成果的内容。论文为本人亲自撰写，找对所筠的 内容负责，并巍垒意识到本声明的法律结暴惫本人承搀。 学位论文作蠢签名：嗜$ 葭 日期：j 嘶年，善爿o 匿 附髂二： 东牮大学学位论文版权使用授权书 学位论交彳睾者究全了解学校肖装保留、使用学位论文的规趱同意学校保留并向图家有燕 部门残机擒送交论文驰复爨l 转和迄予舨，悫许论文装壹鼹或簧瓣。本人授投糸搿大学靖以将本 学位论文的金部或部分内礴编入有关数搬库进彳亍检索，可以采用影印、缩印或扫描等复制手段 爨存鞠汇编本学经谂文。 学位论文作者签名： 憎莓公 网期! u 口舻年，月扣联 姆教师签名：鼍触 e l 期：盖秘年l 蝴知基 社梗版本雕适后 簖解年 一一 m z 口 密 糍 僚 保 不 予震文沦鼗擎零 第一章日；言 第一章孳| 言 第一节精纺后整理质量预测与工艺控制的意义 零论文所指的精纺后整理质鬣预测与工艺控制是通过一定的数学工具和计算机 程序，结合实际加工池程的特点，虚拟实现从原料到成品的加工过程。它主要包括 嚣令方壤：绥耱矮豢鞭攘帮嚣整毽工艺裁骧糕参数弱爰滨，攀壤攥琢辩瑟蔟撵爨移 后整理加工工艺参数对织物质量谶行预报，以此评定织物服闱性能：或根据预期织 物质量反演所需的原料品质、后整理工艺参数的选取以及后熬理工序的合理搭配， 捂导实际蕊工豹。零深透吴毒以下熬瑾论与实瓢意义。 一、理论意义 后熬理是一个多工序的生产过程，并且在加工过程中人为的西素也比较多，因 魏对嚣瓣鹃最后藤鬻瞧麓( 豫了豢糟、纱线与织物结捣、纺织工艺等影稠嚣索乡 ) 影响因綮很多，所有的这些影响因綮与最后的硒料性能之间襻在大量的非线性关系， 借助于传统的数学建模来建立它们之间的相互关系是传很困难的、很费时的事情。 嚣且数学模墼中往往蒙求各因子之淘楚稳互独立的，讴实际上在后整理各工痔中各 影响因子有不同程度上的相关性，所以它们对最后的产品的影响程度很难用数学统 计的方法统计出来。阂此需要寻求一种贴切的方法来模拟后整理过程，对蕊整理质 量逮嚣预溺和在众多鹣函子里筛选滋影确最为激箸的禹子。主要采嗣主成分分辑法 及其模糊处理方法，而神经网络就具有处理象聪艇理这样模糊性东西的特点，它在 解决问题时不需要精确的数学模型，面是通过英强大的自学凌和结构的霹变性， 逐步适黢静部环靖因豢豹作掰，不断修改自身鹩行为叛达翻凝终解决问题的目的。 通过借助于神经网络的设计和计算，期望得到很好的结果和邋应性，并反演预测出 最为影响显著匿子以便在加工过程中进行控制的同时预测出织物斡质量。 二、实际意义 随着我国的加入w t o 、贸易配额的取消，中国的面料市场如何顺应潮流，实现 壶数量增长至l 痿量效豢提毫，出资源劳动密集黧裂资源鼓拳翘识密集型懿转褒，建 立现代企业制造加工模式，适应多变的纺织品市场的需求，以保持可持续发展，僳 熊一章g 害 证豳内毛纺织企业在国际砸料市场的畿争力。这就嚣要从根本上提高纺织船工中快 遮爱瘦毽，产菇靛囊整翻企、监懿效盏。 影照曼缪翅屡量照凰戆很多，除了羊毛原料、纱线品质秘产鼹设汁鲍规格外， 鹾熬理工艺对提高和改蛰实甥产晶质攮起决定性捧瘸，其通过燃王工艺的变化酾工 艺参数窘理遗择褥疆实现”；。磊整瑾工艺不同予缝妙、缓造王慧，美煮缀丈鲍灵送 性。合理的麟熬理工艺，熊使羊毛的弹性、保鹾惶、挺括及滑粪铸性能愿以拨据。 因此研究和优化工艺是加工其有特色、鞲绩产熬赢档豫秘走出企嫂创颧之鼹的鏊醚。 纛瑟蘸，工慧参数鹣选簿一般凭经验，客纛整静漆撩瞧差，两王艺濂灌与参数靛确 定怒优选和擞统问题，襻在多重因素【2 1 。g 入专家颧报系统戚方法，霹以霪瀵、撩 确、快速地评价工艺台理性和产品质蕊，鼷目翦擞工体系中攫樽鳃决赡趣题，在改 造亳纺绞菇升级按筏中凝有特粼重癸熬佟邂。 第= 书磁整理产品质量的 平徐方法1 磊撬溪韵织物己耩谶终产品，豫常瓶静织物井躐疵点和基本力学性瓒外，最为 霪要穗实掰的缝麓就是缎物的风稽或手感。而织物风格本身就是织物所具有的物理、 援攘牲琵及足鹰形态终髑予夫麴感富掰声生嚣绽台效痤，宅是一耱感灌效慕，主要 包耪舷觉藏袼、视觉风格和钎觉砜褡。僵楚一般来说，我们所揩的织物风格怒指织 物的狭义飙格郢缓物的学感。主要评价方法有： 一、主褒浮徐 主观评价是通过人的母对织物的触摸所引起的黪爨并结仓对织物的终溅印象来 作出评价，避常又称为戆蛮评定，这一方法广泛应粥于糕纺睨缄麴捡骏上，典体方 法霹照缡凳一建、二豢、三蒸、嚣着。然惹对织耪佟凄落露潺耩、嚣挺或桑较、事 满、厚实、瀚络、滑爽等谮言的评价。在主观评价聪，一般是集中在逶当的熟练人 员，在一定的环境条件下对织物进行检验，每一检验人员根据冀缝验对织物溅楱钱 劣给予译定。评意结巢霹黻瘸瑷下殛稀方法逶行表示。 l 、分档评定法 对织物巢项手感的基本特性( 如漪糯程度、摄攒程度等) 以人为选定懿足发避 芎亍分糖译分，最后簿爨该搬织秘孛蚤个试襻魏菜疆 。赣入藤裂豫藤之藏瓣投萤矩解焉矿表示， v = ( k ，砭，_ ，圪，) ，其中捌向量屹为隐层篇v ，个神经元时应的枚向鬣；臆层到输 出层之阅舱权馕短阵越袭示，w = ( 。哎，暇，j 氍) ，其中烈蠢量冁为输出屡 繁k 个襻经元辩应酌投囊塞。交照褥鬟套垂之溺麓数学关系： 对予输出缮：o k = f ( n e t 。) n e t k ；w g 只 t 2 k 。1 , 2 ， k 。 ，2 , - 、z ( 2 1 ) ( 2 2 ) 第二章神经网络原理与建模过程 对于隐层：y ；= f ( n e t ，) n e t j = 驴 = 0 j = 1 , 2 ，一，m j = 1 , 2 i 一， ( 2 3 ) ( 2 4 ) 2 - 1 与2 3 两式中弱f ( x ) 为转移嚣数，簿瑟穆经元一般采髑避辍瞧豹对数 兰鞭鳓： 歹( 砖2 寿 2 5 ) 该函数具有避续、w 导的特点，可使得隐层的输出强一个较小的范围内变化： 输出层神经元采用纯线性变换函数，可使得整个网络的输出可以取任懑值；传递函 数一般辗掇模型褥要遥强选择，弱瓣这些委数豹选捧是与灏嗣鼹络密窃程关。 三、b p 算法m 1 b p 算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程 组成。正向传播时，输入样本从输入层传入，经各隐层逐层处理后，传向输出层。 若羧爨层懿实际输出与凝望辕邀不耱，裂转入反舞传撵除段。漩差霞舞黄撵过程， 是将输出误差以某种形式逶过隐层向输入层逐层反传，弗将误装分摊给各层的所有 单元，从而获得释层单元的误麓信号，此误差信磅即作为修正备单元权值的依据。 这群信号委两黄掇与误差反自嫱撵豹器层较毽遮熬过程，在达戮期望簸蹬之藩是蠲 而复始地进行的。权值不断调熬的过程就是网络学习训练的过稷。 神经嘲络学习算法的数学表达： ( 1 ) 投毽，弹麻帮潮麓蛾，嚷) 拐始亿： ( 2 绘定鲶入变爨昱秘羁标竣出d ： ( 3 ) 计算实际输出o ： 首先是计算酶层节点输出： y j = ，( v 口葺- o j ) j = l 如- ，卅( 2 - - 6 ) 。 江。；。露，趾叫 然后计算输出层节点输出： 。 2 厂( w j k y ，一o k ) k = 1 2 。，( 2 - - 7 ) ( 4 ) 计算期望输出与实际输出误差： 知e ，螺囊。露k ， 岁。7 第二章神经鄹络原理与建模过程 e = 寺呔一嚷) 2 = 寺救- f ( 啄y ，一馥) ) 。 k t o知l ；0i = 0 。委窆( 矾，( 艺w 。f ( e ”v i x i - 吃) 一啊 女= e ，一8，# 0 式2 - 8 中d k 尧豳鳞的期望输戳。 ( 2 一g ( 5 ) 修芷校值与闽值 如柒谟麓e 没有达到预鬣误羞，都么嘲络就会从输出层开始，将误差信母沿连 接遵籍爱囱镑疆，掺歪蛰粳遣与黉篷搜褥诿差最，l 、。 输戳麓节点投值与闽值调整 w 1 k ( r + 1 ) = ( f ) + w 庸= ( f ) 十喊乃( 2 - - 9 ) 这鼙警为学习率，t 为投魏穆歪次数，疋受输墩层囊蕊蠡鹣诶差璞： 坑* ( 以一。) f ( w m y j ) j 砩 ( 2 一l o ) 对予演馕，凌渗囊蔽篷懿蕊露，u | 纛要终密键整： o a t + 1 ) = o a t ) + 帮镊( 2 - - 1 1 ) 懿鼷节点投蓬与淡蘧璃整 对于权德； v 口0 + 1 ) = ( o 十a v g = ( f ) 十r 形x 。 ( 2 1 2 ) 这篓这藏警与t 皱台义翅上稳遮，艿。受瑟层j 节蕊赘诿差袋： 艿，= ，( v ，t ) 瞑( 2 - - 1 3 ) # 0f 神 其中隐节点误差屯中的唾w 辟袭示输出屡麓点的误茇颤通过权值向隐 0 苇点j 爱海悖矮残为戆繁煮鹣谈差。 对于闽德： 口，( f 十1 ) 。9 0 ) + 撑- 霉( 2 - - 1 4 ) 麴暴船入动鳖霆予a ( 0 p 。； ( ( 扛l 一2 一m ；p ，g ，s 1 , 2 ， ) 则对参数值序列有x ，为最优因素，表示它对织物的性能影响最大，x 。次之， ，最劣，记为z ，。，- x ，。若无元素满足最优因素，则进而考虑按兰岛( i = 1 , 2 ，m ：j _ 1 ，2 ，t ) 的大小对盖，进行排序，其值越大，表示对织物的性能影响越大 称之为壅垡里窭a 一般的灰色关联矩阵中不一定有最优因素，但一定存在准优因素。 二、实验结果分析 课题选取了企业提供的，基本反映出织物的力学和服用性能的八指标的测试值 作为叠篡蓬剖，具体包括织物的经向缩水率、纬向缩水率、弹性角、落水变形、 第三犟校蠢输入参数桷确定岛重要性糕度的评定 经脱缝、纬脱缝、经汽蒸收缩摩和纬汽蒸收缩率八指标；同时考虑到影响织物性能 的工艺参数和原料参数，选取了表4 1 中全部输入参数】4 个指标作为因素序列。 这样就确定了堡塑些熊型j 萎值度列和室! 墼鸯星型，然后分别计算糖纺全毛织物 的综合关联矩阵并进行分析。 通邋编穗求得关于精纺全毛织物的综合关联矩降见瞅录b ( 矩阵中各行依次代 表织物的经向缩水率、纬向缩水率、弹性角、经脱缝、纬脱缝、落水变形、经汽蒸 收缩率和纬汽蒸收缩率；锫列依次代表经纱支数、纬纱支数、经纱捻度、纬纱捻度、 经密、纬密、浮点长、纤维细度、细度离散、纾维长度、长度离数、洗缝时间、煮 呢工艺道数和蒸呢工艺时间压力组合参数) 。 从矩阵c 的每刿求和得矩阵d ，从d 中可以蠢出： p t 7 = 6 2 0 2 5 p i l 32 5 8 1 0 1 n 82 5 6 9 9 5 艺p l 一5 4 2 0 8 芝p ，1 】= 5 2 7 8 8 芝砌，= 5 2 5 0 1 芝n 。= 5 1 8 1 6 芝p , 2 = 5 1 7 6 2 芝b 。= 5 1 5 0 芝如= 5 1 4 1 5 妻几 5 1 3 2 3 一1 0q 9 7 8 1 房92 4 8 1 3 7 p ，4 2 4 7 7 4 3 ，；l，1p t i 由此可知浮点长为准优因素，煮昵工艺道数之，其对织物整体质量效粱戆影噙 重要性程度依次摊名为：浮点长 煮昵王艺遴数 纤维缨发 经纱支数 长度离数洗 缩时阃 终密 纬纱支数 终纱捻度 经磷 经纱捻发 终维长度 缀发离数 蒸睨王艺 时阅压力组合参数。 因为不慰组织鳇织物其各秘性能各异，其对织物性毙指标超决定性俸糟；煮聪 姥使毛织甥内邦的不_ 乎捷张力褥以消除并产生定形效粟，镬褥织物昵甏平整挺摄、 尺寸稳定等，是麟绫蕺织物必经蛉工露：毛缓绻缨度是掇高蓁织辏轻薄高档仡豹基 础：对于糖纺毛织妨，经纱支数一般要求其毖纬纱支数离，蔼显有一定麓质量要求； 瞧对蒸呢痰淡，冀对上述，k 撂标整体效果豹影响最弱，餐是考虑多磊栎对缓物菜一 个度量指标影螭羹要一陡鞋，其作用裁会体襞蹬来。 三、结论 通过建立的获色优势分析为下一章的质覆预钡9 提供了铺垫，也为精纺琵织物加 工全过程提供了系统全面的质赣控制理念，通过控制这些对织物质量影响爨要的参 数，从整体上把攒质鸶可为企渡生产加工和成品质量提供有效的保证。 3 0 第三鬻模型输入参数的确定与重要性程度的评定 第兰节多因素对织物质量单一指标的灰色关联度分析 针对第二节中讨论了多因索对织物质量整体水平的灰色优势分析，发现煎要性 指标与实际应用有很好的相吻合。在本节中主要对多因素对织物单质燎指标影响重 要槛逡行搽誊季，黻覆必众、翌疆供理论基磷静溺薅毪为企鼗提 ；鼷量缣诞，当耩设计 的织物侧冀点发生变化时。以便进行快速的调整。 按照第一节的思想与做法，建立并计算了基于织物髅能钡4 试值单序列和参数值 多露舞靛蔹色关联度分辑，分毒牙密对每一个获量豢棘影鞠较为黧要静瓣素。蕻中织 物质量指标为企业提供的8 指标，分别为：弹性角、落水变形、缩水率、汽蒸收缩 率和脱缝：参数序列包括：经纬支数、经纬捻度、经纬密、浮点长、纤维细度、纤 维长度、长度离散、绸瘦离散、洗缩辩闻、煮昵工序遘数、蒸嘴组合参数。 一、影响弹性麓和落水变彩因子蛉莰色关联度分婿 弹性角是反映织物褶皱后阐复性能的指标，在织物力学性熊指标中常常与弯曲 刚度相对成；落水变形怒反映织物落水后变形能力的指标，在这两指标中浮点长对 起佟震是桶当显蓑豹，与筹二节中一样，说疆了浮点长对织秘力学瞧筑豹影桶，群 织物组织对力学性能起黛要性作用。 按照上述的想法对弹性角和落水变形进行灰色关联度分析，表3 1 是其关联度 大小鞠对誓标贡簸率舞 名清撬。 表3 - 1 弹性角和落水变形灰色关联度及其摊序 泌 经纱支数纬纱支数经纱捻度纬纱捻度经密纬密浮点长 关联度 0 7 0 4 70 5 3 3 20 ，5 15 2o 5 4 6o 5 1 8 7o5 1 6 40 6 5 6 弹性角 排名2 1 01 31 41 11 24 荧联度 0 ，5 4 5 8o 7 3 3 20 ，7 3 5 40 7 4 4 2o 7 3 4 3o7 4 l0 7 4 5 6 落水变形 排名1 3 7526 3l 纾维细疫绥度蔫教纾维长度，汝度离散浚缩靖阉煮程道数蒸聪参数 关联度 0 6 0 5 4o 7 5 7 50 6 0 9 50 5 4 7 7o 5 3 4 60 6 9 4 2o 5 7 弹性角 捧名 6l5s9 37 关联度0 6 3 8 】 o 5 4 4 70 5 6 2 10 7 3 6 20 6 9 3 50 7 2 5 1 0 6 0 5 3 落水变形 撵名1 01 41 24 叠 8 1 从表3 。l 中w 以看出，影响织物弹性角的重簧性程度依次为：缨度离散 经纱 支数煮呢工序道数 浮点长，纤维长度 纤维细度 蒸呢组合参数 长度离散，洗缩时 阕 终纱支数 经寮 纬密 经缪捻发 纬诊捻度；丽对于落水变形瀚影确因素中，重要 3 l 第三霉模型输入参数薛确定与重蘩往稳度的评定 性程度依次为：浮点长 纬纱捻度纬密 长度离敝 经纱捻度经密 纬纱支数 煮呢 道数 洗缩时间 纤维细度 蒸昵组合参数 纤维长度 经纱支数 细度离散。 二、影溺缩水率性链霞子的灰色美联瘦分析 经纬嗣缩水率的获色关联淀分车厅方法与上述一致，表3 2 是对经纬向缩水率影 响因子酌灰色关联度及其摊名。 袭3 - 2 对缩水率影饷因予灰色关联虚及其排名 1 汰 缎纱支数纬纱支数经纱捻度纬纱捻度 经密纬密 浮点长 关联度 0 5 3 0 90 6 4 4 20 6 4 4 80 6 5 0 20 ，6 4 4 30 6 6 1 30 7 6 5 3 经缩水 撵名1 41 087941 关联艘0 。5 3 2 30 6 3 7 90 ；6 3 7 6o 6 4 2 70 。6 3 7 30 6 5 3 40 ；7 8 8 纬缩承 排名1 47861 05l 纤维翻度镝度离散纤维长度长度离散洗缩时间煮昵道数燕呢参数 荚联度0 6 5 3 40 。5 5 0 8 0 。5 5 9 40 6 8 t 8o ，7 50 6 5 90 5 6 6 2 经缩水 排名 61 31 232s 1 1 关联度0 6 3 7 50 5 4 5 40 5 5 3 90 6 7 4 50 7 0 5 40 6 7 3 80 5 6 4 6 纬缩水 捧名 9 31 23241 1 觚袭3 2 中看出，在上述影响精纺毛织物的缩水率的因子中。对经纬向缩水率 有重要影响的因子基本致，即基本上爱同样因素的影响；在所有影响经缩水的指 标中，影响程度 | # 序为；浮点长 洗缩时间 长度离散纬密 煮呢道数 纤维细度 纬 纱捻度 经纱捻度 经密 纬纱支数 蒸昵组合参数 纤维长度 细度离散经纱支数， 而对于纬向缩水率的影响萋要性程艘排序为：浮点长 洗缩时问 长度离散 煮昵道 数 纬密 纬纱捻度 纬纱支数 经纱支数 纤维细度 缎密 蒸呢组合参数 纤维长度 细度离散 经纱支数。从表中可以看出，浮点长对织物缩水率起很重要的作用。 三、影嚷聪缝i 生裴的参数灰色关联度分析 对于精纺毛织耪来说，一般要求萁脱缝尽量小，而对于影响缩水率因豢的研究 少之又少，因为这是一个牵涉剽飘纤维原料列后整理全过程研究。本研究的优势在 于企妇摄供了藏原料到最籍成菇的多套数据，同样按照上述的方法对影响脱缝因子 遂行了关联度分析，觅表3 - 3 。 簸表3 - 3 可知，对经脱缝影响重要髋程度排侉为：浮点长长度离散 煮昵道数 洗缩对闽 纬密 纬纱捻度 纬纱支数 经密 经纱支数 蒸昵组合参数2 f f f l t n 度经 纱支数 纤维长度 细霞离散，而对予纬脱缝的影响重矮性排序为：煮瞩道数 纤维 3 2 第三章模型输入参数的确定与重要性程度的评定 细度 蒸呢组合参数 浮点长 纬纱支数 经密 经纱捻度 纬纱捻度 长度离散 纬密 洗缩时间 纤维长度 细度离散 经纱支数。可以看出，浮点长和煮呢工序对脱缝性 能影响很大。 3 - 3 对脱缝影响园子的灰色关联度分析及排名 j 孓乏 经纱支数纬纱支数 经纱捻度纬纱捻度经密 纬密浮点长 关联度 0 5 5 8 70 7 0 3 90 7 0 0 10 ，7 0 7 60 7 0 0 307 2 3 60 8 5 1 7 经脱缝 排名1 2 796851 关联度 o 5 60 6 5 9 10 6 4 8 30 6 4 2 90 6 5 0 80 6 3 4 50 6 7 4 9 纬脱缝 排名 1 457861 04 纤维细度细度离散纤维长度长度离散洗缩时间煮昵道数蒸呢参数 关联度0 5 9 2 3 0 5 2 9 50 5 4 4 90 7 6 0 30 7 3 307 5 7 50 6 0 0 3 经脱缝 排名 1 11 41 32431 0 关联度 0 6 9 6 4o 5 6 2 80 ，5 9 5 40 6 3 4 70 6 10 7 3 6 l0 6 7 6 9 纬脱缝 排名2 1 31 291 1l3 四、影响汽蒸收缩率的因子灰色关联度分析 对精纺毛织物来讲，汽蒸收缩率是一考核其质量效果的重要指标，基于上述的 做法对影响其大小的因子做了灰色关联度分析，见表3 4 。 表3 - 4 影响汽燕收缩率因子的灰色关联度分析及其排名 j 。淑 经纱支数纬纱支数经纱捻度纬纱捻度经密纬密浮点长 关联度 0 5 4 60 6 6 7 10 6 5 9 】0 6 5 3 30 6 6 1 10 6 4 3 70 6 0 4 7 经蒸缩 排名1 425639l3 关联度 0 5 2 9 30 ，5 9 405 9 1 60 5 9 50 5 9 1 80 6 0 2 4 0 8 8 0 3 纬蒸缩 排名 1 481 07961 纤维细度细度离散纤维长度长度离散洗缩时间 煮呢道数蒸呢参数 关联度 0 7 9 3 20 6 2 0 90 6 4 5 90 6 3 7 50 6 1 3 l0 6 4 5 2 0 6 5 9 2 经蒸缩 排名1 1 1 71 01 284 关联度06 2 0 1 05 40 5 4 4 80 6 2 0 5 0 6 3 9 60 6 7 4 805 4