CN102053578A - 弹性织物热定型工艺优化设计及过程控制的方法和系统 - Google Patents
弹性织物热定型工艺优化设计及过程控制的方法和系统 Download PDFInfo
- Publication number
- CN102053578A CN102053578A CN2009101127437A CN200910112743A CN102053578A CN 102053578 A CN102053578 A CN 102053578A CN 2009101127437 A CN2009101127437 A CN 2009101127437A CN 200910112743 A CN200910112743 A CN 200910112743A CN 102053578 A CN102053578 A CN 102053578A
- Authority
- CN
- China
- Prior art keywords
- heat setting
- setting process
- thermal finalization
- elastic fabric
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Treatment Of Fiber Materials (AREA)
Abstract
弹性织物热定型工艺优化设计及过程控制的方法和系统,方法包括以下步骤:a)根据弹性织物参数、热定型质量指标和工艺参数关系建立弹性织物的热定型工艺模型;以及b1)以弹性织物参数和热定型工艺参数为初始条件,根据热定型工艺模型,得到热定型质量指标;或b2)以弹性织物参数和设计要求的热定型质量指标为初始条件,根据热定型工艺模型,确定热定型工艺参数、并根据预定的判断规则选定最佳热定型工艺参数。所述热定型质量指标至少包括热定型效率,热定型效率为成品织物幅宽与定形时幅宽的百分比;所述热定型工艺参数至少包括热定型时间和温度;所述热定型工艺模型包括定义热定型效率与热定型时间和温度之间关系的多元非线性模型。
Description
技术领域
本发明涉及一种弹性织物热定型工艺优化设计及过程控制的方法和系统,尤其是一种根据弹性织物热定型工艺模型预测热定型质量、确定最佳热定型工艺参数、以及控制热定型过程的方法和系统。
背景技术
热定型是纺织染整生产过程中的一个重要环节。热定型是将织物保持一定的尺寸,经高温加热一定时间,然后以适当速度冷却的过程。热定型加工的目的是使织物在加热状态下,平整度、宽度、克重和含水率达到用户要求。
弹力织物热定型的质量指标主要有门幅、克重、缩水率等,影响热定型质量的工艺参数有加热温度、时间、张力和车速,影响加工质量的其它因素还包括织物的含水率、定型机进出风量大小、织物中弹性纤维的含量和其他纤维成分。热定型温度是控制织物收缩率、弹性等质量指标的关键。适当提高定形温度会降低面料的收缩率,但随着温度的升高弹性会逐步下降。热定型时间是指织物达到定形所规定的温度时所需工的时间,影响织物升温的因素有织物含水率、纤维成分等。收缩率通常是随着时间的增加而降低,但延长定形时间会使得面料出现发硬、泛黄、强力下降等情况。张力包括经向张力和纬向张力。经向张力用超喂率表示,可通过机械加工的伸长及超喂装置控制;纬向张力是以织物伸幅大小来表示,由针夹或布夹伸幅装置控制。在施加张力状态下热定型,纤维大分子链受到外力而不能自由活动,保证了尺寸的稳定性。
目前,热定型工艺选择往往依赖长期热定型工艺设计和生产过程中积累的经验,存在准确性低、适应性差等诸多缺点,不能保证产品质量,经常出现同批次产品缩水率、克重和门幅不稳定等问题,定形效果差与产品质量不稳定导致了高废品率、高成本。所设计的热定型工艺参数只能在很小的范围内改变。当用户对织物热定型质量要求和生产状况发生较大变化时,依赖经验的定性设计就无法达到生产的需求。另一方面,在确定工艺参数值的情况下也无法实现对定形质量指标的估算和预测,只能依靠在热定型结束后进行人工取样检验。也就是说,无论定形质量指标合格与否,都必须经过一轮的热定型过程,这种方式无论对人力还是物力来说都是很大的浪费。
因此,存在对弹性织物热定型工艺及生产过程进行准确设计、控制的要求。而这种准确设计、控制依赖于准确可靠的热定型工艺模型。但是,由于描述热定型工艺参数与质量指标的关系是一种复杂的多变量数学模型,并且目前缺乏对弹力织物热定型工艺机理和模型的研究,国内外尚未见到关于弹性织物热定型工艺参数优化设计和过程控制的报道。
发明内容
本发明的目的是提供一种弹性织物热定型工艺优化设计及过程控制的方法,可根据弹性织物热定型工艺模型预测热定型质量、确定最佳热定型工艺参数、以及控制热定型过程。
本发明的另一个目的是提供实现上述方法的系统。
弹性织物热定型工艺优化设计及过程控制的方法,包括以下步骤:
a)根据弹性织物参数、热定型质量指标和工艺参数关系建立弹性织物的热定型工艺模型;以及
b1)以弹性织物参数和热定型工艺参数为初始条件,根据热定型工艺模型,得到热定型质量指标;或
b2)以弹性织物参数和设计要求的热定型质量指标为初始条件,根据热定型工艺模型,确定热定型工艺参数、并根据预定的判断规则选定最佳热定型工艺参数;
所述热定型质量指标至少包括热定型效率,所述热定型效率为成品织物幅宽与定形时幅宽的百分比;
所述热定型工艺参数至少包括热定型时间和温度;
所述热定型工艺模型包括定义热定型效率与热定型时间和温度之间关系的多元非线性模型。
所述多元非线性模型通过以下过程建立:
(1)选定弹性织物并在设定的工艺条件下,进行以单一热定型工艺参数xi作为变量、以特定的热定型质量指标y为应变量的热定型实验,对实验数据采用多元非线性回归分析进行曲线拟合,建立热定型质量指标y与单一热定型工艺参数xi的最佳一元回归模型,y与各xi(1,2,…,n)的最佳一元回归模型函数的变换形式为y=fi(xi),对各回归模型进行决定系数R2及F检验,确定其正确性;
(2)根据各一元回归模型函数和正交试验因素之间的交互性,采用多元回归分析建立多元非线性回归模型,并检验模型的正确性,从而确定该弹性织物的热定型工艺模型;
(3)针对不同弹性织物,重复步骤(1)和(2),分别确定不同弹性织物的热定型工艺模型。
所述多元非线性模型为
其中,x1为热定型时间,x2为热定型温度,y为热定型效率。
所述弹性织物为含氨纶弹性织物。
进一步的,步骤a)还包括建立热定型工艺参数和生产成本值之间关系数据库,该数据库通过试验获取不同热定型工艺条件下生产过程的物耗和能耗情况进行确定。
步骤b1)还包括根据热定型工艺参数和生产成本值之间关系,同时确定生产成本值。
步骤b2)还包括根据热定型工艺参数和生产成本值之间关系并且按照生产成本值最优的判断规则选定最佳热定型工艺参数。
进一步的,还包括将步骤b2)中得到的最佳热定型工艺参数数据传输给热定型机,控制热定型机工作。
弹性织物热定型工艺优化设计及过程控制的系统,包括计算机装置,以及与热定型机连接的数据传输装置。
本发明的有益效果是:可实现对弹性织物热定型质量的准确预测和根据设计要求随时制订出最佳的热定型工艺参数,克服依靠经验制定的热定型工艺参数具有不准确、稳定性和可重现性差的缺点;可实现对针织弹力面料热定型加工过程的精确控制,实现热定型机的智能优化控制,提高成品率和生产效率,降低废品率、热定型能耗和生产成本。
下面结合附图和实施例对本发明作进一步详细说明。
附图说明
图1是热定型时间与热定型效率的拟合曲线的示意图。
图2是热定型温度与热定型效率的拟合曲线的示意图。
图3是用于实现弹性织物热定型工艺优化设计及过程控制方法的计算机程序流程图,用于进行质量预测。
图4是用于实现弹性织物热定型工艺优化设计及过程控制方法的计算机程序流程图,用于进行获得最佳工艺参数。
图5是弹性织物热定型工艺优化设计及过程控制系统的构成图。
具体实施方式
以下以含氨纶弹性织物为例,通过对弹性织物的热定型机理进行深入分析,并进行大量的热定型实验测试的基础上,构建一种含氨纶弹性织物的热定型工艺模型,提供一种含氨纶弹性织物热定型工艺优化设计的方法和系统,进一步实现热定型机的智能优化控制,从而提高生产过程的成品率和生产效率,降低废品率和热定型能耗,。当然,本发明并不限于此,下述的方法同样适用于其它种类的弹性织物。
一、含氨纶弹性织物热定型原理
基于氨纶纤维特性分析可知,由于氨纶纤维中的软段相的尺寸远远大于硬段相的尺寸,热定型时的高温和定形时间可以使硬段相的取向度提高,使其结构得到稳定,并可使得处于各个硬段微晶之间的软段受到更大的制约,使它们不能随意发生大的收缩,从而产生热定型效果。氨纶与绦纶、锦纶热定型的最大差别是氨纶通常是在有外界能量介入条件下进行的,起作用的主要是氨纶大分子中硬段取向度的提高,其次是微相分离程度的增大。
由于含氨纶弹性织物是在外力的拉伸条件下进行热定型的,所以对于氨纶来说,并不是自发过程的应力松弛。热定型加工后,其他纤维对氨纶所产生摩擦力以及织物组织的框架结构所产生的制约作用会阻止氨纶丝的自由伸缩,为了帮助氨纶能克服织物内的各种阻力,实现织物的极限收缩,热定型后应将织物放入水中沸煮或汽蒸,松弛处理适当时间。
二、含氨纶弹性织物热定型试验
选择JC40S+30D棉氨针织全衬弹力布作为试验材料。
试验用的热定型设备可采用工业生产的定型机。当然,如果为了避免因试验测试而影响生产,并且考虑到工业用的定型机尺寸较大,试验时必须使用大尺寸的布匹,势必造成极大的浪费。因此,也可设计一套模拟热定型加工过程的试验设备。
试验步骤:(1)将JC40S+30D棉氨全衬弹力布制成10cm*10cm的方块浸透于水中;(2)在扎液机中对布进行扎液(在同一压力下);(3)设定上机门幅为15cm(即拉伸率为50%),并设置热定型的时间和温度进行热定型;(4)将热定型后的试样在沸水中松弛处理8min,松式烘干后进行测量热定型的幅宽。
三、含氨纶弹性织物热定型模型的构建
目前,数学模型的构建一般是采用多元回归或神经网络,模糊数学等方法或几种方法互相结合。这些方法在本质上是一致的,都是基于数理统计的经验模型。考虑到开发的投入,一般多采用回归方法,以缩短开发周期和减少开发成本。选择适当的正交表进行试验设计,获得建立非多元线性回归模型的样本数据,以实现在较少的试验数据下建立多元非线性回归的模型。
3.1热定型效率与热定型温度、时间的关系模型
热定型效率是指成品织物幅宽与定形时幅宽的百分比。温度和时间是影响棉氨热定型效率的重要因素。
首先,分别建立热定型效率y与各工艺参数xi的最佳单元回归模型。设y与各xi(1,2,…,n)建立最佳一元回归模型函数的变换形式为y=fi(xi)。对各单元回归模型进行检验(进行决定系数R2及F检验),确定其正确性。其次,根据fi(xi)中呈现的y与xi的单元模型关系和正交试验因素之间的交互性以建立多元非线性回归模型。最后,通过对多元非线性回归模型的检验,确定多元模型效果是否可靠,能否应用于实际生产对热定型效率的预测。
3.1.1棉氨热定型效率与单一工艺参数的回归模型
由图1可知,热定型效率随时间的增加而提高,当时间少于55s时,定型效率呈直线提高;当时间超过55s时,定型效率趋于平稳,因此该曲线拟合采用线性和指数相结合。由图2可知,热定型效率随温度的升高而提高,这是由于热定型温度越高,使得氨纶硬段微晶的结构越完整,稳定性越好,该曲线拟合采用二次项拟合效果为最佳。但温度不宜过高,因为分子动能增加会造成微相混合,就会促进软段与硬段之间的互溶,部分硬段溶入软段相中后,就会降低软段相的柔软性,纤维手感变硬、刚性增加。
根据上述分析,综合线性和指数方程对时间与热定型效率进行拟合,采用二次方程对时间与热定型效率进行拟合,其中x1代表热定型时间,x2代表热定型温度,y代表热定型效率。表中单元回归方程的R2值都较高,且F值都远远大于F0.05(4,7)和F0.05(2,7),说明拟合优度较高,总体回归方程显著,各一元特性回归方程正确可信。
表1各工艺参数与热定型效率的单元回归模型
工艺参数 | 单一工艺参数与热定型效率回归方程 | R2 | F | |
x1 | y=337.067*exp(-63.922/x1)+1.786*x1+80.371 | (1) | 0.994 | 30709.8 |
x2 | y=0.001x2 2-0.116x2+16.155 | (2) | 0.996 | 577.4 |
注:F0.05(4,7)=4.12,F0.05(2,7)=4.74。
3.1.2热定型效率多元非线性模型的建立
选择有交互作用的正交试验表L16(45)进行正交试验。实验设计方案见表2。
表2棉氨热定型效率正交实验方案
试验号 | A(时间) | B(温度) | A×B(交互) | C(空列) | D(空列) | 热定型效率 |
1 | 1(35) | 1(160) | 1 | 1 | 1 | 66.67 |
2 | 1(35) | 2(170) | 2 | 2 | 2 | 68.67 |
3 | 1(35) | 3(180) | 3 | 3 | 3 | 71.33 |
4 | 1(35) | 4(190) | 4 | 4 | 4 | 75.33 |
5 | 2(45) | 2(170) | 3 | 4 | 1 | 75.33 |
6 | 2(45) | 3(180) | 4 | 1 | 2 | 81.33 |
7 | 2(45) | 4(190) | 1 | 2 | 3 | 86.67 |
8 | 2(45) | 1(160) | 2 | 3 | 4 | 73.33 |
9 | 3(55) | 3(180) | 1 | 3 | 1 | 88 |
10 | 3(55) | 4(190) | 2 | 4 | 2 | 91.33 |
11 | 3(55) | 1(160) | 3 | 1 | 3 | 78 |
12 | 3(55) | 2(170) | 4 | 2 | 4 | 81.33 |
13 | 4(65) | 4(190) | 3 | 2 | 1 | 92.67 |
14 | 4(65) | 1(160) | 4 | 3 | 2 | 79.33 |
15 | 4(65) | 2(170) | 1 | 4 | 3 | 84.67 |
16 | 4(65) | 3(180) | 2 | 1 | 4 | 90 |
K1 | 297.33 | 282 | 326.01 | |||
K2 | 314.01 | 318 | 323.33 | |||
K3 | 330.66 | 341.33 | 318.67 |
K4 | 346 | 346.67 | 319.99 |
由正交实验方差分析可得:
SA=330.86;SB=649.56;S交互=8.2445;Se=7.3567;
方差的大小反映该参数对实验指标(热定型效率)均值偏离的程度,数值越大,表明该参数水平的微小变动会导致指标值的较大波动,即所谓灵敏度很高。因此方差最大的称为主要因素,交互列的方差S交互比实验误差Se大,灵敏度不是很高,交互列是次要因素,但为了建立较为精确的热定型效率多元非线性模型,在模型建立时应考虑时间与温度之间的交互性。
通过表1中建立各工艺参数与热定型效率的一元回归模型,得到热定型效率与时间在一定范围内呈兼有线性和指数的关系,与温度在呈二次方程关系的结论;通过正交试验方差分析,得到了时间与温度具有一定的交互性。在此基础之上,利用SPSS应用软件的多元非线性回归分析功能,采用25组热定型实验数据建立多元非线性模型,得到棉氨热定型效率多元非线性模型:
首先,检验该多元模型是否存在自相关,若存在自相关,说明模型的数学形式设定不当。根据自相关检验,查DW分布表,得到下临界DL=1.21和上临界DH=1.55,1.55<DW=2.449<4-1.55,可判断不存在自相关,确定该数学模型是正确的。其次,进行多重共线性的检验。若容限度(Tolerance)大于0.1,方差扩大因子(VIF)小于10时,可判别变量之间不存在多重共线性。计算得到Tolerance(x′1)=0.142,Tolerance(x′2)=0.578,Tolerance(x′3)=0.129,均大于0.1;VIF(x′1)=7.024,VIF(x′2)=1.792,VIF(x′3)=7.753,均小于10,可判断x′1,x′2,x′3之间不存在多重共线性,即各个影响因素对热定型效率的影响可被精确鉴别。最后,进行t检验、决定系数R2及F检验。根据计算得到t(x′1)=6.419,t(x′2)=13.291,t(x′3)=0.115。t检验是对偏回归系数是否等于零进行统计学检验,由上可知偏回归系数均不为零;R2=0.983,说明拟合效果良好;F=202.649>F0.05(3,21)=3.07,说明总体回归方程显著成立,即该方程能较准确地反映热定型时间及定型温度对热定型效率的影响规律。综上检验结果说明该数学模型正确可信,可用于实际预测。
3.1.3模型的试验验证
应用热定型效率多元非线性模型对热定型效率进行预测,结果见表3。
表3模型的预测值与实际值的比较
时间/s | 温度/℃ | 实测热定型效率(%) | 预测热定型效率(%) | 相对误差(%) |
40 | 150 | 68.67 | 64.96 | 5.4 |
45 | 170 | 76.67 | 75.66 | 1.3 |
65 | 190 | 92.67 | 91.86 | 0.88 |
70 | 200 | 98.67 | 96.67 | 1.35 |
由表3可以看出,预测热定型效率与实际的热定型效率十分相近。在热定型过程中,热定型效率的误差绝对值范围要求在10%以内,由相对误差列可看出,预测热定型效率与实际的热定型效率的相对误差符合要求,故该模型的预测可靠性较强,可将上述的多元非线性模型作为JC40S+30D全衬弹力布的专用模型,应用于对棉氨热定型工艺的优化设计。
当然,不同织物品种的多元非线性模型存在着偏差,因此,可按照上述建立多元非线性预测模型的方法,分别建立其他织物品种的专用模型,最终组合成为完整的包含各种织物的热定型效率模型组。
3.2拉幅量、超喂率参数的确定
热定型加工过程的超喂率、拉幅量,可根据热定型前织物初始数据(如门幅、克重等)和热定型后成品的质量指标(如门幅、克重等)关系式进行确定。
拉幅量=(上机门幅-胚布门幅)/胚布门幅;
上机门幅=成品织物门幅/热定型效率;
确定热定型效率后,可根据胚布门幅和成品织物门幅并代入上述的公式中,即可求得热定型加工过程的拉幅量。
拉幅量主要是控制织物门幅,超喂主要是控制织物的克重,因此超喂量主要是由成品克重和胚布克重确定的。
3.3热定型工艺参数与成本值的关系
通过试验获得不同热定型时间、温度的条件下生产过程染料、助剂、水和能源消耗情况,从而确定不同热定型工艺条件与成本值的关系,试验数据汇编成相应的关系数据库应用于计算机系统。
四、热定型工艺优化设计及过程控制的方法和系统
弹性织物热定型工艺优化设计及过程控制的方法,包括以下步骤:
a)根据上述关系式建立弹性织物的热定型工艺模型和相关的关系数据库;以及
b1)以弹性织物参数和热定型工艺参数为初始条件,根据热定型工艺模型,得到热定型质量指标,并根据热定型工艺参数和生产成本值之间关系,在确定热定型质量指标的同时确定生产成本值;或
b2)以弹性织物参数和设计要求的热定型质量指标为初始条件,根据热定型工艺模型,确定热定型工艺参数,根据热定型工艺参数和生产成本值之间关系并且按照生产成本值最优的判断规则选定最佳热定型工艺参数。
热定型机过程控制包括:将步骤b2)得到的最佳热定型工艺参数数据传输给热定型机,以控制热定型工作过程。
参照图5,是用于实现热定型工艺优化设计及过程控制的系统
该系统包括在建立的热定型工艺模型基础上,采用基于windows的操作系统平台、Visual Basic.net集成程序设计环境和SQL server关系数据库开发的热定型工艺优化设计计算机系统,以及与热定型机连接的数据传输装置。计算机装置的硬件部分包括输入单元、处理单元、存储单元和显示单元等,应用软件包括后台的数学模型计算算法、数据库和前台的质量预测界面和最优化工艺参数界面。使用者无需编写程序,只需在界面中输入相应的内容,就可得到结果。该系统可实现以下功能:
(1)在确定工艺参数值的情况下预测热定型质量指标及成本值。该操作在质量预测界面中进行,程序处理流程如图3所示。在界面的参数输入窗口中输入织物初始数据(如织物种类、门幅、克重、弹性等)和任意工艺参数值(如温度、时间、超喂率、拉幅量等),计算机系统可预测出热定型质量指标(如门幅、克重、弹性等)及成本值,并在界面显示窗口中显示。根据预测值,操作人员通过对相应的工艺参数进行适当调整,即可获得客户要求的热定型质量,无需进行预先试验,大大提高了产品的一次合格率,降低了废品率和热定型能耗。
(2)根据织物参数,且满足设计要求的热定型质量指标的情况下,通过计算机得出成本最优工艺参数值。该操作在最优工艺参数界面中进行,程序处理流程如图4所示。
在界面的参数输入窗口中输入织物数据(如织物种类、门幅、克重、弹性等)和设计要求的热定型质量指标(如门幅、克重、弹性等),首先计算出超喂率、拉幅量,通过模型计算出温度、时间,再通过成本最优算法得到最佳工艺参数并在输出窗口中显示,然后将工艺参数值通过网络数据传输对工业热定型机进行工艺参数的最优设置。利用该功能可解决用户对织物热定型质量要求发生较大变化时如何制定出最佳的热定型工艺参数,以及根据生产状况的需求随时制订出最佳的热定型工艺的问题。如企业为了提高生产效率、缩短周期而提高车速,相应的工艺参数需要重新设置,使用本系统能自动而快速的制定出最佳工艺参数,从而克服依靠经验制定的热定型工艺参数不准确、稳定性和可重现性差的缺点,实现对弹性织物热定型加工过程的精确控制,提高生产的成品率和生产效率,缩短生产周期,降低废品率和热定型能耗。
上述实施例仅用来进一步说明本发明提出的方法和系统,但本发明并不局限于实施例,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均属于本发明的保护范围。
Claims (9)
1.弹性织物热定型工艺优化设计及过程控制的方法,包括以下步骤:
a)根据弹性织物参数、热定型质量指标和工艺参数关系建立弹性织物的热定型工艺模型;以及
b1)以弹性织物参数和热定型工艺参数为初始条件,根据热定型工艺模型,得到热定型质量指标;或
b2)以弹性织物参数和设计要求的热定型质量指标为初始条件,根据热定型工艺模型,确定热定型工艺参数、并根据预定的判断规则选定最佳热定型工艺参数;
所述热定型质量指标至少包括热定型效率,所述热定型效率为成品织物幅宽与定形时幅宽的百分比;
所述热定型工艺参数至少包括热定型时间和温度;
所述热定型工艺模型包括定义热定型效率与热定型时间和温度之间关系的多元非线性模型。
2.根据权利要求1所述的弹性织物热定型工艺优化设计及过程控制的方法,其特征是所述多元非线性模型通过以下过程建立:
(1)选定弹性织物并在设定的工艺条件下,进行以单一热定型工艺参数xi作为变量、以特定的热定型质量指标y为应变量的热定型实验,对实验数据采用多元非线性回归分析进行曲线拟合,建立热定型质量指标y与单一热定型工艺参数xi的最佳一元回归模型,y与各xi(1,2,…,n)的最佳一元回归模型函数的变换形式为y=fi(xi),对各回归模型进行决定系数R2及F检验,确定其正确性;
(2)根据各一元回归模型函数和正交试验因素之间的交互性,采用多元回归分析建立多元非线性回归模型,并检验模型的正确性,从而确定该弹性织物的热定型工艺模型;
(3)针对不同弹性织物,重复步骤(1)和(2),分别确定不同弹性织物的热定型工艺模型。
3.根据权利要求1所述的弹性织物热定型工艺优化设计及过程控制的方法,其特征是:所述多元非线性模型为
其中,x1为热定型时间,x2为热定型温度,y为热定型效率。
4.根据权利要求1、2或3所述的弹性织物热定型工艺优化设计及过程控制的方法,其特征是:所述弹性织物为含氨纶弹性织物。
5.根据权利要求1或2所述的弹性织物热定型工艺优化设计及过程控制的方法,其特征是:步骤a)还包括建立热定型工艺参数和生产成本值关系数据库,该数据库通过试验获取不同热定型工艺条件下生产过程的物耗和能耗情况进行确定。
6.根据权利要求5所述的弹性织物热定型工艺优化设计及过程控制的方法,其特征是:步骤b1)还包括根据热定型工艺参数和生产成本值之间关系,确定生产成本值。
7.根据权利要求5所述的弹性织物热定型工艺优化设计及过程控制的方法,其特征是:步骤b2)还包括根据热定型工艺参数和生产成本值之间关系并且按照生产成本值最优的判断规则选定最佳热定型工艺参数。
8.根据权利要求7所述的弹性织物热定型工艺优化设计及过程控制的方法,其特征是:还包括将步骤b2)中得到的最佳热定型工艺参数数据传输给热定型机,控制热定型机工作。
9.弹性织物热定型工艺优化设计及过程控制的系统,其特征是:包括计算机装置、以及与热定型机连接的数据传输装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101127437A CN102053578A (zh) | 2009-10-29 | 2009-10-29 | 弹性织物热定型工艺优化设计及过程控制的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101127437A CN102053578A (zh) | 2009-10-29 | 2009-10-29 | 弹性织物热定型工艺优化设计及过程控制的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102053578A true CN102053578A (zh) | 2011-05-11 |
Family
ID=43957999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101127437A Pending CN102053578A (zh) | 2009-10-29 | 2009-10-29 | 弹性织物热定型工艺优化设计及过程控制的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102053578A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104562528A (zh) * | 2014-11-14 | 2015-04-29 | 林顺德 | 一种设置有网络模块的智能定型机 |
CN104894793A (zh) * | 2015-04-15 | 2015-09-09 | 华侨大学 | 热定型中针织物克重的实时控制方法及系统 |
CN105700498A (zh) * | 2016-01-22 | 2016-06-22 | 泉州晨鑫自动化科技有限公司 | 一种针织物热定型工艺参数的定量设计方法 |
CN106407602A (zh) * | 2016-10-19 | 2017-02-15 | 浙江理工大学 | 一种干布热定型过程织物实时温度的估算优化方法 |
CN108038256A (zh) * | 2017-11-02 | 2018-05-15 | 浙江理工大学 | 一种湿布热定型过程实时温度估算方法 |
CN109754164A (zh) * | 2018-12-18 | 2019-05-14 | 内蒙古鄂尔多斯资源股份有限公司东昊厂 | 一种羊绒纺织生产计算投入量的动态制成率模型 |
CN110722285A (zh) * | 2019-09-30 | 2020-01-24 | 湖南科技大学 | 一种激光热丝焊接焊缝成形质量预测方法、系统及介质 |
CN111160781A (zh) * | 2019-12-30 | 2020-05-15 | 内蒙古鄂尔多斯资源股份有限公司东昊厂 | 一种羊绒纺织生产计算投入量的复合动态制成率模型 |
CN111475988A (zh) * | 2020-04-03 | 2020-07-31 | 浙江工业大学之江学院 | 基于梯度提升决策树和遗传算法的印染定型机能耗优化方法 |
CN112288258A (zh) * | 2020-10-22 | 2021-01-29 | 南通大学 | 一种芳纶粘胶织物电弧防护性能atpv值的评价方法 |
CN113722908A (zh) * | 2021-08-30 | 2021-11-30 | 湖南工商大学 | 一种基于多元非线性回归的纺织物烘干时间判定方法 |
CN114293332A (zh) * | 2021-11-29 | 2022-04-08 | 信泰(福建)科技有限公司 | 一种定型机超喂输入值的计算方法 |
CN114438692A (zh) * | 2020-10-30 | 2022-05-06 | 财团法人工业技术研究院 | 纺织工艺的参数控制方法 |
-
2009
- 2009-10-29 CN CN2009101127437A patent/CN102053578A/zh active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104562528A (zh) * | 2014-11-14 | 2015-04-29 | 林顺德 | 一种设置有网络模块的智能定型机 |
CN104894793A (zh) * | 2015-04-15 | 2015-09-09 | 华侨大学 | 热定型中针织物克重的实时控制方法及系统 |
CN104894793B (zh) * | 2015-04-15 | 2017-03-22 | 华侨大学 | 热定型中针织物克重的实时控制方法及系统 |
CN105700498A (zh) * | 2016-01-22 | 2016-06-22 | 泉州晨鑫自动化科技有限公司 | 一种针织物热定型工艺参数的定量设计方法 |
CN105700498B (zh) * | 2016-01-22 | 2018-06-08 | 泉州晨鑫自动化科技有限公司 | 一种针织物热定型工艺参数的定量设计方法 |
CN106407602A (zh) * | 2016-10-19 | 2017-02-15 | 浙江理工大学 | 一种干布热定型过程织物实时温度的估算优化方法 |
CN108038256A (zh) * | 2017-11-02 | 2018-05-15 | 浙江理工大学 | 一种湿布热定型过程实时温度估算方法 |
CN109754164A (zh) * | 2018-12-18 | 2019-05-14 | 内蒙古鄂尔多斯资源股份有限公司东昊厂 | 一种羊绒纺织生产计算投入量的动态制成率模型 |
CN110722285A (zh) * | 2019-09-30 | 2020-01-24 | 湖南科技大学 | 一种激光热丝焊接焊缝成形质量预测方法、系统及介质 |
CN111160781B (zh) * | 2019-12-30 | 2023-09-08 | 内蒙古鄂尔多斯资源股份有限公司东昊厂 | 一种羊绒纺织生产计算投入量的复合动态制成率模型 |
CN111160781A (zh) * | 2019-12-30 | 2020-05-15 | 内蒙古鄂尔多斯资源股份有限公司东昊厂 | 一种羊绒纺织生产计算投入量的复合动态制成率模型 |
CN111475988A (zh) * | 2020-04-03 | 2020-07-31 | 浙江工业大学之江学院 | 基于梯度提升决策树和遗传算法的印染定型机能耗优化方法 |
CN111475988B (zh) * | 2020-04-03 | 2024-02-23 | 浙江工业大学之江学院 | 基于梯度提升决策树和遗传算法的印染定型机能耗优化方法 |
CN112288258A (zh) * | 2020-10-22 | 2021-01-29 | 南通大学 | 一种芳纶粘胶织物电弧防护性能atpv值的评价方法 |
CN112288258B (zh) * | 2020-10-22 | 2024-04-09 | 南通大学 | 一种芳纶粘胶织物电弧防护性能atpv值的评价方法 |
CN114438692A (zh) * | 2020-10-30 | 2022-05-06 | 财团法人工业技术研究院 | 纺织工艺的参数控制方法 |
CN114438692B (zh) * | 2020-10-30 | 2024-02-23 | 财团法人工业技术研究院 | 纺织工艺的参数控制方法 |
CN113722908A (zh) * | 2021-08-30 | 2021-11-30 | 湖南工商大学 | 一种基于多元非线性回归的纺织物烘干时间判定方法 |
CN113722908B (zh) * | 2021-08-30 | 2022-04-29 | 湖南工商大学 | 一种基于多元非线性回归的纺织物烘干时间判定方法 |
CN114293332A (zh) * | 2021-11-29 | 2022-04-08 | 信泰(福建)科技有限公司 | 一种定型机超喂输入值的计算方法 |
CN114293332B (zh) * | 2021-11-29 | 2024-01-02 | 信泰(福建)科技有限公司 | 一种定型机超喂输入值的计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102053578A (zh) | 弹性织物热定型工艺优化设计及过程控制的方法和系统 | |
CN103247008A (zh) | 一种电力统计指标数据的质量评估方法 | |
CN109193650B (zh) | 一种基于高维随机矩阵理论的电网薄弱点评估方法 | |
CN109255160A (zh) | 基于神经网络的单元延时预测方法和单元延时灵敏度计算方法 | |
CN107862324B (zh) | 一种基于mwspca的cbr预测模型智能化预警方法 | |
CN103745114A (zh) | 一种钛合金应力松弛数值及回弹计算方法 | |
CN103308723A (zh) | 一种基于物理模型的产品寿命快速检验方法 | |
CN103726888A (zh) | 一种汽轮机转子低周疲劳在线监控方法 | |
CN101154242A (zh) | 基于集成电路制程性能变化建立模型的方法 | |
CN113720702A (zh) | 一种基于等效性理论的材料外场低温试验响应等效方法 | |
CN105486845A (zh) | 基于轴载谱的沥青混合料多级加载高温蠕变曲线分析方法 | |
US11333653B2 (en) | Method for evaluating crease recovery of fabrics based on power function equation | |
CN103940586B (zh) | 中红外固体激光器的寿命检测方法 | |
CN108447737B (zh) | 一种基于单纯形搜索的继电器底座质量优化系统 | |
CN103425896A (zh) | 一种产品参数成品率估计方法 | |
Prošek et al. | Quantitative assessment with improved fast Fourier transform based method by signal mirroring | |
CN113919204B (zh) | 一种多状态制造系统可用性综合重要度分析方法 | |
Ghashghaei et al. | A self-starting control chart for simultaneous monitoring of mean and variance of simple linear profiles | |
KR101843572B1 (ko) | 회귀분석 알고리즘을 적용한 직물 염색 공정 최적화 방법 | |
CN102778386B (zh) | 一种玻璃钢套管工程寿命的预测方法 | |
CN101556460A (zh) | 一种工艺控制方法及控制系统 | |
CN101776674A (zh) | 基于模糊动态模式识别的复合材料高温机械性能测试方法 | |
CN105511454A (zh) | 一种工业控制回路时变振荡行为检测方法 | |
Yu et al. | Prediction of the reactive dye recipe in cotton fabric dyeing using the pad‐dry‐pad‐steam process by particle swarm optimisation‐least squares support vector machine with matching database | |
Zhang et al. | Key fault propagation path identification of CNC machine tools based on maximum occurrence probability |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110511 |