基于哈密顿原理轴向运动纱线的振动特性研究

为获得任意载荷作用下轴向行进纱线任意点的横向位移参数,建立了轴向运动纱线在哈密顿体系下无量纲动力学微分方程。通过应用最小变分原理得到运动纱线的对偶方程,用分离变量法计算轴向运动纱线系统的各阶特征值和特征函数;基于线性辛特征值得到非奇异模态函数,推导出了模态函数的辛共轭正交归一关系;根据特征值及其分岔规律,分析纱线横向运动的稳定性,并利用非奇异模态函数分析纱线自由振动和受迫振动的位移响应;依据纱线横向振动的近似解,分析运动纱线在不同运行状态下的动力学行为。结果表明,纱线运动速度对响应周期、不同质点的响应幅值以及构形有较大影响,前2项构形经叠加即可求得纱线位移。     

基于横向振动频率的轴向运动纱线张力测量

为高效、便捷地检测纱线张力,构建了一种基于横向振动频率的非接触检测纱线张力方法。利用弦振动原理推导出纱线横向振动方程,根据纱线振动方程计算纱线振动频率。以轴向运动纱线的张力、速度和频率的拟合公式,通过测量纱线的振动频率可方便快捷地计算出纱线张力。将计算结果经过广义回归神经网络(GRNN)模型进行拟合,进一步提高测量结果的准确性。采用高速相机测量纱线的横向振动位移,并检测纱线的振动频率。利用频率法对32 tex纱线在设定张力分别为40和60 cN,速度分别为6和2 m/s时的张力进行测量。结果表明,利用振动频率测量纱线张力的数据经GRNN拟合,其曲线整体趋势与张力传感器测量的张力趋势相同且更加平滑,便于对生产过程中张力的控制,该方法具有有效性和准确性。     

基于深度信念网络的织物疵点检测

为提高织物疵点检测精度和效率,提出了一种基于深度信念网络的织物疵点检测方法。用改进的受限玻尔兹曼机模型对深度信念网络进行训练,完成模型识别参数的构建。利用同态滤波方法对图像进行预处理,使疵点图像更加清晰,同时抑制了背景图像。以Python语言,基于TensorFlow框架构建深度信念网络模型,对织物疵点图像进行处理得到学习样本,确定模型激活函数后,分析了各模型参数对织物疵点检测准确率的影响规律,得到激活函数为Relu, Dropout值为0.3,预训练学习率为0.1,微调学习率为0.000 1,批训练个数为64时,模型参数值达到最优。最后,利用在无缝内衣机上采集到的各类疵点图像,对深度信念网络织物疵点检测模型进行验证。结果表明：所提出的织物疵点检测方法能够快速、有效地对织物疵点进行检测和分类识别,准确率达到98%。     

基于分数阶模型的纱线蠕变性能模拟与预测

针对现有纱线拉伸力学模型描述不准确问题,以分数阶微积分模型对纱线拉伸行为进行分析。首先,引入分数阶微积分理论改进的黏壶模型建立了分数阶纱线蠕变模型,使用XL-2型纱线强伸度仪对不同线密度及不同张力纱线进行蠕变实验,获得纱线蠕变的全过程曲线。通过对不同线密度下的试验曲线进行回归分析得到了模型参数以及蠕变模型参数与施加张力大小的变化关系。最后,利用不同模型对不同张力的纱线蠕变曲线进行拟合和预测。结果表明:分数阶纱线蠕变模型,相比于三元件模型、整数阶模型和Burgers模型,具有结构简单、参数少的特点,并且对纱线蠕变的拟合和预测也具备较高的精度。