|
انتخاب عدلهاي پنبه همراه با شاخص سازگاري ريسندگي و ميكرونير با
استفاده از شبكههاي عصبي مصنوعي
خلاصه
اين مقاله ارائه دهنده روشي براي انتخاب عدلهاي پنبه جهت انطباق با
خصيصههاي نخ حلقوي خاص با استفاده از شبكههاي عصبي مصنوعي ميباشد.
بدين منظور پنج نوع از خصيصهها و نمرههاي نخ بعنوان ورودي بكار گرفته
شده و در مقابل شاخص سازگاري ريسندگي (SCI) و ميكرونير نيز بعنوان
خروجي مدلهاي شبكه عصبي انتخاب گرديد. عدلها بر اساس تركيبات پيشبينيشده
SCI و ميكرونير انتخاب شدند. خصيصههاي نخ ريسيده از عدلهاي انتخابي
پيوستگي خوبي را با خصيصههاي نخ هدف نشان ميدهد.
كلمات كليدي
ادوات حجم بالا، ميكرونير، شبكه عصبي، نخهاي حلقوي، شاخص سازگاري
ريسندگي
مقدمه
پنبه جزء الياف طبيعي اصلي ميباشد كه گوناگوني زيادي را در خصيصههاي
خود نشان ميدهد. براي قرنها، طريقه ارزيابي رتبه و طول متوسط الياف
پنبه بعنوان نقطه اتكاي انتخاب الياف پنبه براي صنايع ريسندگي بشمار ميآمده
است. بتدريج، در صنعت منسوجات، توجه كافي معطوف ميكرونير، استحكام
كلافها و خصيصههاي طولي الياف گرديد. در دهه 1970، ادوات حجم بالا (HVI)
معرفي گرديد. توانايي HVI در توليد چنين حجم بالايي از دادههاي الياف
با كيفيت، انقلابي را در زمينه مفاهيم تست الياف و انتخاب آنها بوجود
آورد. با اين وجود، استفاده از دادههاي HVI بنظر بسيار پيچيده ميبود،
بدين طريق كه استفاده از فرآيندهاي فراگرفته شده در اين خصوص به منظور
پياده سازي آنها در محيطي حقيقي مشكل جلوه مينمود. از اينرو، انتخاب
الياف پنبهاي مناسب به منظور تحت پوشش قرار دادن نيازهاي مشتريان
نهايي بعنوان يك چالش هميشگي پيش روي ريسندگان قرار داشت. جهت رفع اين
معضل، محققين نسبت به توسعه چندين روش رياضي، آماري و شبكه عصبي مصنوعي
اقدام نمودند تا بدينوسيله بتوانند با استفاده از خصيصههاي تشكيل
دهنده اجزاي الياف به خصيصههاي نخ پي برند. با اين وجود، تلاشهاي
چنداني جهت تحت پوشش قرار دادن رويه انتخاب الياف پنبه از طريق خصيصههاي
داده شده نخ صورت گرفته نشده است. بنابر اين، مشكل انتخاب عدل پنبه
همچنان بعنوان معضلي حل نشده باقي مانده است...
شاخص
سازگاري ريسندگي (SCI)
شاخص
سازگاري ريسندگي (SCI) يكي از روشهاي
محاسباتي جهت تخمين كيفيت جامع و داشتن قابليت ريسندگي مطلوب الياف
پنبه ميباشد...
شبكه عصبي و الگوريتم انتشار معكوس
محاسبه
از طريق شبكه عصبي مصنوعي (ANN) از دهه
گذشته بعنوان يك الگوي قوي ظهور نموده است و تقريبا در كليه رشتههاي
مهندسي كاربرد دارد. توسعه اين روش در حقيقت از مكانيسمي كه بر اساس آن
نورونهاي بيولوژيكي در مغز انسان كار ميكنند الهام گرفته شده است...
موارد تجربي
آمادهسازي نمونه
نمونههاي نخ كاردي ريسيده حلقوي از الياف پنبه شناخته شده مقادير
SCI و ميكرونير ساخته شدهاند. كليه
عدلهاي الياف پنبه قبل از عمليات ريسندگي بوسيله HVI تست ميشوند...
پارامترهاي شبكه عصبي
ساخت
چارچوب مناسب شبكه عصبي و بهينهسازي پارامترهاي فراگيري در اين خصوص
از اهميت زيادي در جهت دستيابي به نتايج داراي دقت بالا، از مدلهاي
ANN، برخوردار است. پارامترهاي ساختاري
مهم كه ميبايست نسبت به تعيين و تشخيص آنها اقدام نمود عبارتند از:
پيشبيني
SCI و ميكرونير با استفاده از مدلهاي
ANN
پس از
تكميل آموزش، دادههاي تست مشخصنشده، به مدلهاي آموزش- ديده
ANN معرفي شده تا بدينوسيله قدرت
پيشگويي آنها مورد بررسي و تاييد قرار گيرد...
خصيصههاي نخهاي، بدست آمده از عدلهاي انتخابي
به منظور
تاييد ميزان دوام روش انتخاب عدل پيشنهادي، 14 نمونه جديد نخ از عدلهاي
پنبهاي، كه بر اساس تركيبات پيشبيني شده
SCI و ميكرونير انتخاب شده بودند،
ريسيده شد...
نتيجهگيري
ما روشي
را براي انتخاب عدل پنبه از طريق خصيصههاي نخي داده شده با استفاده از
شبكههاي عصبي مصنوعي ارائه نموديم. با استفاده از
SCI و ميكرونير، بعنوان شاخصهاي جامع
كيفيت الياف پنبه، پيچيدگي انتخاب عدل كاهش يافت...
|
