多针状电极场空间分布的MATLABGUI创建及实现

针对多针状电极场数值模拟结果,利用MATLAB编程和MATLAB的GUIDE开发了复杂多针状电极场的图形用户界面(GUI),实现了复杂多针状电极场的三维和二维空间分布图形显示,可以方便地同时显示任意根、任意长、任意方向放置的多针状电极场的数值计算的结果,实现了复杂多针状电极场空间分布的可视化,为更好地应用多针状电极带来了方便。     

基于人工神经网络的毛精纺纱线质量预报技术

介绍了毛精纺纺纱过程与人工神经网络的特点 ,提出人工神经网络在纺纱质量预报中的工作原理与实现方法 ,并提供了国内外的应用实例 ,指出人工神经网络技术在毛精纺纱线质量预报中的广泛应用前景。     

工艺参数的改变对涤棉环锭包芯纱性能的影响

选用细度为650tex的棉粗纱为鞘纱,3.33tex的涤纶长丝为芯纱,改变其混纺比及捻系数,设置不同的工艺参数,在环锭细纱机上进行纺纱。将纺制好的几组纱线进行条干不匀率、毛羽、单纱断裂强力等测试,并将纱线做切片分析。通过实验,分析各种影响包芯纱性能的因素,给出了一组工艺参数来提高包芯纱的质量。     

混纺比对生物基锦纶56短纤/棉混纺纱力学性能的影响

针对新型生物基锦纶56的基础纺纱数据不足问题,制备了锦纶56短纤纯纺纱、纯棉纱及多种混纺比的锦纶56短纤/棉混纺纱,并分别测试了纤维、纯纺纱和混纺纱的拉伸力学性能,通过建立纤维模型和纯纺纱强度模型对混纺纱强度进行预测。结果表明：纯纺纱预测曲线上混纺纱最小强度点及整体趋势与试纺数据拟合度较好,通过纯纺纱模型可预测锦纶56短纤/棉混纺纱强度。以纤维模型为基础,利用纱线中纤维强度利用率对纤维模型进行修正,修正的纤维模型与纯纺纱模型预测结果相近,可省去纯纺纱试纺流程,快速完成混纺纱强度预测。     

Recipe prediction of mélange yarn using modular artificial neural network

Mélange yarn is produced by mixing some pre-dyed fibers, as a part of mélange yarn manufacturing process, predicting the recipe, i.e. a list of percentages of pre-dyed fibers, is the most important and difficult step. Artificial neural network (ANN) is considered as a more effective recipe prediction method than the traditional model. In order to improve the application performances of neural network in recipe prediction of mélange yarn under the condition of larger data-set, this paper proposed a new framework to carry out recipe prediction of top dyed mélange yarn from reflectance spectra using the concept of modular artificial neural network (MANN), which decomposed the whole data-set into different units by taking a dyed fiber as a module unit. Compared with ANN, MANN showed a clear superiority in correlation coefficient, training execution time, as well as root-mean-square error of recipe. The average CMC (2:1) color difference of the predicted spectrum obtained with MANN model was 1.26, which was much lower than that obtained with ANN (~3.94), indicating that MANN model was more accurate than ANN. Even the color differences were not small enough in practice, it still could be used as a recognition method to find out the main compounds of mélange yarn, which would be very helpful for accurate color matching.     

神经网络纱线质量预测子系统--神经网络技术在纺织企业质量管理系统中的应用

介绍了神经网络纱线质量预测子系统的设计思路以及流程 ,探讨神经网络技术在现有纺织企业质量管理系统基础上的应用问题。提出神经网络质量预测技术的实用化问题以及解决方法     

基于HVI指标与RBF神经网络的纱线质量预测

将人工神经网络与HVI指标相结合,提出了一种基于RBF神经网络的纱线质量预测方法,克服了BP神经网络训练效率低、容易陷入局部极小化等不足。通过实例分析,利用马克隆值等14项HVI指标和工艺参数对纱线的单纱断裂强度等4项指标进行预测,试验结果表明:与传统纱线质量预测方法相比,基于RBF神经网络的纱线质量预测模型表现出了优良的预测精度及稳定性,对降低生产成本、提高生产效率具有积极意义。     

皮革手感的智能检测研究：Ⅱ人工神经网络在手感评定中的应用

人工神经网络具有较强的自适应模式识别能力和联想记忆能力。本文应用ＢＰ神经网络处理服装革的手感检测信号，为织物，皮革等服装材料的手感评定探索出一条新途径。     

基于ANN和PCA的玉米品种特征分析与识别研究

研究了一种基于玉米外观形态和颜色特征进行的玉米品种的特征主分量分析及BP神经网络识别方法。采用数码相机获得了11个品种每个品种50粒共550幅图像,然后对各品种对应的籽粒群体图像提取每个籽粒的形态特征8个,颜色特征12个、纹理特征13个,共33个特征参数,采用主分量分析PCA的方法提取其主分量,将这些主分量作为BP神经网络的输入,构建4层神经网络,并分别定义11个玉米品种的二进制编码作为网络的输出,建立特征参数与玉米品种之间的神经网络识别模型。试验结果表明,方法对11个品种550个籽粒的品种检出率为92%以上,得到了较好的识别效果。     

原棉成纱品质质量模型

基于对国内外原棉性能与成纱品质关系的研究,提出棉纤维综合品质指数(IFQI)的概念是棉纤维品质性状的综合表达,能表示原棉和成纱品质质量,是预测成纱强力的一个中间参数,并与成纱强力成正比的一个无量纲指标。在纺纱试验的基础上,建立了棉纤维综合品质指数的模型。该模型具有机理性强、自变量少、形式简单直观等优点。     

人工神经网络技术与纺纱质量预报

评述了人工神经网络和纺纱过程的特点 ,提出人工神经网络在纺纱质量预报中的工作原理和网络构建方法 ,并提供了国内外的应用实例和网络的实现方法 ,指出人工神经网络技术在纺纱质量预报中的广泛应用前景     

毛织物起毛起球的BP神经网络预测研究

采用BP神经网络技术建立和训练反应纱线、织物结构参数与织物起毛起球性之间关系的三层神经网络模型,对比预测值和实验值,表明用神经网络方法预测织物起毛起球性有相当的准确性。     

遗传算法对红景天苷缓释微囊制作参数优化的研究

本文在建立适应度函数、选择编码方案、确定遗传操作、选取控制参数的基础上，研究了缓释微囊神经网络模型的遗传算法优化。得到的最佳工艺参数为海藻酸钠与红景天苷质量比为2，海藻酸钠浓度为3％，壳聚糖浓度为0．5％，氯化钙浓度为1％，pH6．35，该工艺参数下载药量、包埋率和决定系数的加权和明显大于试验的结果，比最好的大14％；且最佳工艺参数下目标的预测值和试验值基本相符，可以满足实际需要。遗传算法用于缓释微囊神经网络模型的工艺参数寻优是可行的。     

人工神经网络-遗传算法优化酶法提取绿豆渣水溶性纤维素工艺研究

探讨了人工神经网络和遗传算法在酶法提取绿豆渣水溶性纤维素工艺优化方面的应用。基于RBF神经网络建立绿豆中的水溶性纤维素提取率预测模型,并利用遗传算法对影响提取率的主要因素进行寻优。由实际数据得出仿真结果,并通过验证实验表明该方法有效。     

Two‐way prediction of cotton yarn properties and fiber properties using multivariate multiple regression

This paper explains the feasibility of two‐way prediction by developing direct models relating fiber to yarn and reverse models relating yarn to fiber using multivariate methods simultaneously. These models evaluate the dependencies of cotton yarn properties on fiber properties and vice versa with minimum random errors and maximum accuracy. To this end, cotton fiber properties were measured from rovings carefully untwisted. An HVI system and an evenness tester of premier were used to measure the various properties. The samples of cotton yarns (108 samples) produced yarn counts ranging from 16 to 32 Ne with optimum twist factor. In this study, effective variables were selected by multivariate statistical test (m‐test). Then, multivariate analysis of variance (MANOVA) was used for evaluating the significance of obtained models. Next, the optimal separate equations were determined through multivariate multiple regression. After solving the linear equation system, a reverse model was achieved. By selecting fiber properties and machine factors as appropriate variables, the relative importance of these factors was also investigated. The results showed that the obtained equations were significant at the significance level α = 0.01.     

ANN-GA法优化石吊兰素提取工艺

为了研究人工神经网络技术（ANN）、遗传算法（GA）相结合的化学计量方法在石吊兰素回流提取过程中的应用,在单因素实验基础上,采用Box-Behnken实验设计和ANN-GA法研究乙醇浓度、提取时间和提取次数、固液比对提取液中石吊兰素含量的影响。得到石吊兰中石吊兰素的最佳提取工艺为:乙醇浓度84%,提取2.8h,固液比1∶17,提取2次。按照该条件进行验证,得到提取液中石吊兰素含量为2.35mg/g,与预测值误差为1.88%。结果表明,神经网络遗传算法模型拟合度较好,这一方法在工艺优化过程中具有广泛的应用前景。      

基于数据的废纸配比预测纸浆白度的研究

针对实际生产过程中根据人工经验配比废纸用量导致纸浆性能与预期差别较大的现状,本研究利用纸厂提供的废纸配比和纸浆性能检测数据,使用BP神经网络和支持向量机（SVM）的建模方法,分别采用全部样本数据和样本平均值数据建立基于废纸配比的纸浆白度预测模型。研究结果表明,在模型预测精度、预测稳定性以及模型训练时间等方面,以样本平均值数据作为建模数据集,使用SVM方法建立的纸浆白度预测模型,具有较好的预测精度(2.42%)和良好的稳定性(0.58%),且模型训练时间短(0.2 s),可以满足实际生产过程的需要。