CN1048807C - 在包括杂质的纺织材料中测量实体特性的设备和方法 - Google Patents

Abstract

用于在包括杂质的纺织材料试样中测量实体特性的设备和方法，将纺织材料试样送至处理器，在那里实体被分离且随后被送到传感器系统。特性信号是由代表包括杂质的实体的被检测特性的传感器信号所产生的，计算机分析特性信号以识别代表杂质的信号并将杂质信号按几种杂质类型之一分类。根据特性信号，计算机确定实体长度、直径和速度且还确定代表实体的特性信号的峰值。根据这些测量，杂质被区分为几种杂质类型之一。

Description

在包括杂质的纺织材料中测量实体特性的设备和方法

本发明涉及用于监视纤维试样特性的设备和方法，尤其涉及在纤维试样中将杂质分类为几类杂质(例如纤维质或其他、树皮或玻璃等等)之一的设备和方法。

本申请是共同未决申请07/962,898题为“带自动喂入的单独纺织试样复合特性的测试仪器和方法”以及共同未决申请07/493,961题为“对纤维或其他试样中单独实体的光电高速多变量测量方法和仪器”的部分继续，它们的公开纳入本文作为参考。

本发明的前身是由乌斯特公司所制造的AFIS仪。该仪器利用美国专利第4,512,060号公开的方法把纤维和棉结分离入一个气流中，而杂质分离到另一气流中。杂质是定义为粒子大小超过50μm的外部物质。有时这种外部物质称为灰尘和杂质，但这里为了简单起见我们只称之为杂质。在前身AFIS中必须对纺织材料的3组重复的试样进行单独测试来确定纤维、棉结和杂质的信息。对每一重复的试样的每一种实体必须进行一次试验和采用一单独的纺织材料试样。虽然AFIS能为快速自动纺织测试提供最佳的数据，但仍要求获得更佳的数据和更高的速度。在共同未决申请07/493,961中公开了一种新发现的改进传感器，采用这种改进传感器的仪器仍命名为AFIS，系由乌斯特公司制造。为了更明确一些并与参考相一致，我们把第一种仪器称为AFIS-0，而采用改进传感的仪器称为AFIS-1。

本发明是AFIS-1的进一步改进，而且主要是针对测试速度来考虑的。首先发现AFIS-1的改进传感器能大体上从同一纺织试样同时实现多重数据的测试。所谓大体上同时是指：棉结数据、纤维数据和杂质数据是通过一单独的纺织材料试样的测试而获得的，并对基本上所有的棉结和杂质以及某一种代表性的纤维试样进行检测和测量。因此这种改进不需要对3组单独的试样反复3～5次地进行3种单独的试验来取得棉结、杂质和纤维的数据。而且如果需要的话，这些数据也可只用一个传感器来获得。上述测试速度的提高是通过在优选实施例中一模拟和数字混合电路所构成的新颖分析电路来取得的。本发明的操作速度与AFIS-1或AFIS-0相比提高了3倍。

随着高速处理的出现，对试样中实体鉴定的准确性和速度提出了更高的要求。虽然有了杂质和单独纤维的基本数目和大小的信息有时已经足够，但仍需要有对棉结和杂质的更详细的信息。

在棉纤维纺织品中棉结广义地被定义为纤维的小团或缠结。它们是棉纤维中三种主要成分之一。但棉结还可分成三类：由机械产生的棉结、棉子壳棉结和有光泽的(或未成熟的)棉结。由机械产生的棉结是在开棉、轧花和梳棉过程中产生的，其直径范围可从0.1mm到5mm。它们是由一棉花或化纤的缠结核心与一长尾纤维形成的而且在加工中无法开松的紧密纤维结头。棉子壳棉结或棉子壳碎片是附着于棉子壳上的纤维团所形成的。从可见光中观看，它们是附在中央一个黑的核点上的纤维小绒头。有光泽的棉结或抗染色棉结是由极不成熟或死的棉花纤维结成的团。它们是由于部分或全部棉籽受到应力而使纤维的成熟过程停止所形成的。结果所产生的纤维既细又弱并具有极小的横向韧性而很容易形成由平行纤维压成的小团。这些未成熟的纤维不能正常地吸收染料，因而在染成织物中将出现白色斑点。这些光泽的棉结可以附在棉子壳上，也可以不附在棉子壳上。

了解上述说明以后便不难理解对棉结进行分类的重要性。由机械产生的棉结表明加工机械有干扰，因此这些粒子的精确计量有助于对加工机械进行细调或甚至进行大检修。对最普通的化纤涤纶棉结与棉花棉结之间的区分十分重要，因为它们通常是分开加工而后在并条机中并成棉条。

棉子壳碎片来自棉株，它的数目受轧花、清棉和棉花品种的影响。棉子壳最令人讨厌的是它是纱疵的主要来源。每单位重量中的棉子壳碎片数可对棉农提供有关棉籽到纤维强度的有用信息，对轧花厂提供有关去棉籽工艺的干扰信息，而对加工厂提供有关原棉质量的信息。

有光泽的棉结数可用以预测所加工棉纱的可染性。特别是每克的光泽棉结数可预测染成织物的外观质量，因而有可能使有质量意识的纺织工人把最高质量的材料用于要求最高的产品。

纤维试样中的杂质数量和性质与上述理由相同对纺织加工厂也是十分重要的。棉花中杂质的产生主要是由于机械摘棉所引起，这种杂质可分为纤维状的或非纤维状的，并还可细分为纤维状树皮、纤维状的草或树叶、草片或叶片、厚的杂质(棉子壳碎片和树皮)、灰尘或纤维碎片。对试样中杂质的分类能揭露前道加工中的问题，有利于校正加工，并有助于预测由纤维制成的终端产品(通常是纱线)的质量。

因此本发明的目的使任何纺织加工厂，棉农和轧花厂纺纱厂甚至织布厂能够掌握有关原料，尤其是棉结的更多的具体信息，使他们能有效地提高加工效率和产品质量。

根据本发明，提供了用于在包括至少杂质的纺织材料试样中测量实体特性的设备。纺织材料试样由供料装置提供而一处理器接收这些纺织试样并对其进行处理以使试样实体相互分离，把实体分离成互不相关而后送至出口。设有一传送机构用于将相互分离的各个实体送至一传感器系统，在那里由传送机构所移动且包括杂质的一部分实体的至少一个特性被检测。传感器系统相应于被检测的特性产生特性信号，同时这些信号被送给计算机以在那里进行分析。计算机识别代表杂质的信号并进一步分析杂质信号以便相应于几种杂质类型之一将信号分类。

在本发明的特定设备和方法中，基于特性信号来确实体长度并将该长度与阈值相比较。部分基于比较结果，杂质被分类为几种杂质类型之一。

根据本发明的另一方面，确定相应于由传感器系统所检测的实体直径特性来确定直径。应该理解术语“直径”在本申请中是十分广义的，因为杂质非常不规则并且不具有精确的几何直径。在本申请中，直径还可被认为是当实体以两维截面观视时的宽度。在确定直径后，根据长度与直径相比的比率被用于与阈值相比较。最好地，长度被直径除以确定纵横比并将该纵横比与阈值3相比较。然后，再根据该比与阈值相比较的结果来给杂质分类。

根据本发明的另一方面，实体的速度是由传感器检测并通过分析特性信号而确定的。该速度与阈值相比较，并部分根据该速度与阈值的比较结果而将实体分类。术语“速度”也是广义地用在本发明中，而且它也可被认为是代表实体速度的数字。然而，“速度”可以不必是以距离除以时间的单位来表达的数字。例如，本发明通过测量实体从第一点运动到第二点所需的时间来确定速度。时间测量实际上就是速度测量并且可以理解这里所用的术语“速度”应该也包括时间测量。

根据本发明的另一个方面，相应于杂质为特性信号确定峰值。这个峰值与阈值相比较，然后部分根据峰值与阈值的比较结果将实体分类为几种杂质类型之一。

根据本发明的一个方面，用于在至少包括杂质的纺织材料试样中测量实体特性的设备，包括：

用于提供纺织材料试样的供料装置；

含有入口和出口的处理器，所述处理器入口被定位并可操作地接收来自所述供料装置的纺织试样，所述处理器可操作地用于处理所述试样，将所述试样的实体相互分离，使试样实体互不相关以产生单个实体，并将实体以相互分离的状态送至所述处理器的出口；

传感器装置和用于将分离状态的一个所述实体输送到所述传感器装置的输送装置；所述传感器装置是可操作的，以检测包括杂质的一部分实体的至少一个特性，由所述输送装置移动并用以响应所述检测到的特性而产生特性信号；

用于接收所述特性信号、分析所述特性信号以便识别代表至少杂质的信号的分析装置，所述分析装置还包括细分析装置，用于分析代表杂质的所述特性信号并进一步分析所述信号，以便相应于几类杂质之一而将所述信号分类。

根据本发明的一个实施例，分析装置进一步包括：

用以基于特性信号而确定实体长度的装置；

用于将实体长度与阀值相比较的装置；

部分地基于该长度与阈值相比较的结果按几种类型杂质之一而将实体分类的装置。

根据本发明的一个实施例，分析装置包括：

用以基于特性信号而确定实体长度的装置；

用于确定代表了由传感器根据特性信号检测的实体直径特性的直径的装置；

用于确定长度对直径的比值并用于将该比值同阀值相比较的装置；以及

部分地根据该比值与阈值的比较结果而按几种类型的杂质之一而将实体分类的装置。

根据本发明的再一个实施例，分析装置还包括：

用于确定代表了由传感器根据特性信号而检测的实体直径特性的直径的装置；

用于将该直径与阈值相比较的装置；以及

部分地根据直径与阈值的比较结果而按几种类型的杂质将实体分类的装置。

根据本发明的又一个实施例，所述分析装置还包括：

通过分析特性信号，用于确定由所述传感器装置所检测的实体的速度的装置；

用于将该速度与阈值相比较的装置；以及

部分地根据该速度与阈值的比较结果而按几种类型杂质之一将实体分类的装置。

根据本发明的一个实施例用以分类的装置是可操作的，以便部分地根据该速度与阈值的比较结果而按树皮杂质或纤维杂质将实体分类。

根据本发明的又一个实施例，用于分类的装置是可操作的，以便部分地根据该速度与阈值的比较结果而按厚度杂质或薄杂质将实体分类。

根据本发明的又一个实施例，用以分类的装置是可操作的，以便部分地根据该速度与阈值的比较结果而按灰尘或纤维碎片而将实体分类。

根据本发明分析装置还包括：

用于根据杂质实体的所述特性信号而确定峰值的装置；

用于将所述峰值与阈值相比较的装置；以及

部分地根据该峰值与阈值相比较的结果而按几种杂质类型之一将实体分类的装置。

根据本发明的一个实施例，用以分类的装置是可操作的，以便部分地根据峰值与阈值的比较结果而将实体分类为第一和第二组之一，其中第一组由灰尘或纤维碎片组成而第二组由厚杂质或薄杂质组成。

根据本发明的实施例，分析装置还包括：

用于确定根据特性信号而由所述传感器装置检测的实体的速度的装置；

用于确定基于特性信号的实体长度的装置；

用于将实体长度与长度阈值相比较的装置；

如果长度大于长度阈值，则用于确定代表了根据特性信号而由传感器检测的实体的直径特性的直径的装置；

如果长度大于长度阈值，则用于确定根据长度与直径相比较的纵横比并用于将该比值与纵横比阈值相比较的装置；

如果长度大于长度阈值且纵横比大于纵横比阈值，则用于将直径与直径阈值相比较的装置；

如果长度大于长度阈值且纵横比大于纵横比阈值同时直径大于直径阈值，则用于将速度与最大树皮速度相比较的装置；

如果速度不大于最大树皮速度，则将实体分类为树皮杂质，而如果速度大于最大树皮速度，则将实体分类为纤维杂质的装置；

用于根据杂质实体的所述特性信号而确定峰值的装置；

如果长度小于长度阈值，则用于将所述峰值与峰值阈值相比较的装置；

如果峰值大于峰值阈值，则用于将速度与最大棉籽碎片(速度)相比较的第一装置；

如果速度大于最大棉籽碎片(速度)且峰值大于峰值阈值，则将实体分类为薄杂质，而如果速度不大于最在棉籽碎片(速度)且峰值大于峰值阈值，则将实体分类为厚度杂质的装置；

用于将速度与最大灰尘(速度)相比较的装置；

如果速度大于最大灰尘(速度)，则将实体分类为纤维碎片，而如果速度不大于最大灰尘(速度)，则将实体分类为灰尘的装置；

如果纵横比不大于纵横比阈值，则将速度与最大棉籽碎片(速度)相比较的第二装置；以及

如果速度不大于最大棉籽碎片(速度)且纵横比不大于纵横比阈值，则将实体分类为厚杂质，而如果速度大于最大棉籽碎片(速度)且纵横比不大于纵横比阈值，则将实体分类为薄杂质的装置。

根据本发明的另一个方面，一种用于在至少包括杂质的纺织材料试样中测量实体特性的方法，包括：

供给纺织材料试样；

处理所述试样并将所述试样的实体相互分离，分离试样实体以产生单个实体；

在所述处理之后传送分离状态的一个所述实体；

检测包括杂质的部分实体的至少一个特性，由所述传送过程移动并产生代表所述检测特性的特性信号；

分析所述特性信号以识别代表至少杂质的特性信号；以及

对所述代表杂质的特性信号进行细分析以便相应于几种杂质类型之一而将所述信号分类。

如果同以下的附图相结合来考虑，则通过以下具体说明可对本发明有一充分的理解：

图1是纤维测试仪的外形图，表示本发明的优选实施例；

图2是自动喂入机构的剖面略图，包括一储仓；

图3是图2中所示的储仓的剖面略图；

图4是喂给头和储仓的剖面略图；

图5是喂入触指和喂入辊的侧面剖视略图；

图6是操作自动喂入机构用的计算机和控制系统的方框图；

图7表示从自动喂入机构接收试样的实体分离器的实施例，以及一个单独的从分离器接收实体的传感器；

图8是分离器和传感系统的另一实施例的略图；

图9是又一种分离器和传感系统的实施例；

图10是分析器系统的方框图，它表示检测器和传感器的模拟放大器，以及一块数据采集板；

图11是根据图10推导出的通用方块图；

图12是来自传感器的模拟波形；

图13表示计算机如何获得数据和分析数据，并对棉结、杂质和纤维数据进行分析的流程图；

图14是表示实体的光-电参数之间的文氏(Venn)图表；

图15a、15b和15c是对三种棉结的说明；

图16a表示图7系统中的另一种传感器；

图16b表示图16a的传感器连接到一数据采集板；

图17表示不同棉结通过图16的传感器时所产生的波形图；

图18是棉结分类程序的流程图；

图19是表示棉结分类的馅饼式统计图；

图20是表示杂质分类的馅饼式统计图；

图21是对各种类型杂质的描绘；

图22a，22b和22c为杂质分类程序的流程图。

在所有的图中，凡相同的数字号表示同一个或相应的部件。图1表示组成本发明优选实施例的纺织测试仪10的外形图，测试仪10包括一主体外壳12，在外壳12顶部装有一自动装置14用以支持纺织材料的试样，从装置14中有一喂入头16伸出，用以把纺织试样装入测试仪10。

测试仪器10是在计算机18的控制下工作的。计算机与操作者之间通过一显示屏20和一键盘22进行对话。在优选实施例中，测试仪10是用来测试纺织材料的，它是专门设计用于纺织纤维、棉结和杂质特性的测量，但它也同样能用于任何具有同前述纺织实体可比拟的尺寸和重量特性的实体。

图2表示了储仓24和喂入头16的概略顶视图。储仓24是设在图1所示的装置14内，它包括许多(20～200)个贮槽26，从储仓24的长度方向延伸以接纳纺织材料的拉长试样。在图3中表示了部分储仓24的概略剖视图。图3清楚地表明了贮槽26呈沟道状，它在储仓24内的深度约1英寸，水平宽度约1英寸。储仓24装在一由步进电动机30驱动使之水平地按图2所示的箭头32和34方向而移动的齿条28上，因此步进电动机30能有选择地在水平方向使喂入头16同所需的贮槽26对齐。一旦所需的贮槽26与喂入头16适当衔接时，在特定贮槽中的试样便被喂入头16移动，送入测试仪进行测试。

图4是喂入头16和储仓24的侧面剖图。图中一个拉长的细狭的纺织试样36被放在储仓24中的一个贮槽26上。试样36被装在由虚线42所代表的架子上的喂入头皮带38和40所咬合。机架42可摆动地安装在芯轴44上，其位置由一活塞和气缸组46所控制，能使机架42沿着由箭头48所示的方向上升或下降。因此活塞和气缸组46既能使皮带38和40下降与试样36咬合，又能使皮带38和40上升从试样36和储仓离开，这样储仓24移动时不致干扰皮带38和40。当皮带38和40咬合试样36时便把试样36牵入一上部喂入辊50，它接着把试样输送到喂入盘52上。

图5表示喂入盘52的侧视图。上喂入辊50把试样输送到喂入盘52上，柱塞54将试样咬合并通过安装在喂入盘52上方并与之平行的喂入皮带54来驱动试样在喂入盘52上往下输送。这是测试仪10的自动喂入头16所完成的最后一步。光传感器60和62用以控制喂入机构中有无纺织材料试样36存在，传感器60位于喂入皮带50的输出端，对柱塞头56所横越的喂入盘区域进行观察，光传感器62位于喂入皮带54的末端，对喂入盘进行观察。

从图2、3、4、5可知：对喂入皮带38、40、50、54以及为之设置的包括电动机、控制器及连接器等在内的传动机构是操作喂入皮带所需的常用措施。同样，光传感器60和62代表由常规电源供电的常规传感器和控制线路，另外由一双重动作的活塞气缸组58和柱塞头56组成的柱塞54以及另一活塞气缸组46也代表常规的活塞和气缸组，包括压缩空气的供应和其控制机构。

这些部件及其控制元件的运行可从图6的方框图中充分了解，它说明计算机18和控制机构在自动喂入头16中的应用。关于图2～6，当测试仪接通后，计算机18向步进控制64发出一指令驱动储仓24到其初始位置，使第一个贮槽26与自动喂入机构16对齐。当储仓24位于所需的位置时，计算机向喂入头皮带控制66和气缸控制68发出指令，接通喂入皮带38和40，并使气缸46把皮带38降下使之与试样36咬合。计算机18还向上皮带控制70和喂入盘皮带控制72发出一起动指令，从而上喂入皮带50和盘喂入皮带54开始运行。

当计算机18发出指令使喂入皮带38、40和50向喂入盘52送出一试样之后，它就监测来自传感器60的信号，当检测到盘52上有试样时，计算机18将向柱塞控制74发出指令使柱塞54的气缸58把柱塞头56向前移往盘喂入辊54，并把试样36推到喂入皮带54下的盘52上。当柱塞头56动作以后，如果1～1.5秒之内计算机18没有在传感器62检测到试样的存在，则计算机将发出另一指令给柱塞控制74使柱塞头56动作，把试样压在盘喂入辊54的下面。这个过程将重复5次，如果在第5次以后传感器62仍未探测到试样，计算机18将发出指令使喂入机构16的全部动作停止，并在屏幕20上显示故障情况，表示试样可能在喂入机构中阻塞。

假使并没有阻塞的话，计算机18便对来自光传感器60和62的信号进行分析是否在自动喂入机构16中有试样存在。在正常情况下，两个传感器将指示试样36的存在，如果任何一个传感器没有探测到试样，计算机18将等待10秒钟再分析来自光传感器60和62的信号。如果任何一个传感器没有检测到试样，计算机将发出一指令给控制气缸68，把机架42和喂入皮带38和40升高而离开储仓24，然后计算机18将向步进控制64发出一指令使步进电动机30把储仓24的第2个贮槽同喂入机构16对齐，于是计算机18再次向气缸控制68发出指令使喂入皮带38和40下降同第2贮槽26中的试样咬合，接着计算机18再对来自光传感器60和62的信号进行分析，确定试样的有无并继续指引储仓前进，直到在喂入机构内检测到试样为止。

如果两个光传感器60和62一开始就探测到在喂入机构16中存在试样36，于是试样便可通过喂入机构喂入。计算机18周期性地检查来自光传感器60和62的信号。当它们指出喂入机构16中不存在试样36时，它将等候预定的停留时间(约10秒钟)，并对测试仪器的其他操作进行检查。如果一切功能正常，经过上述停留时间以后，计算机18将向气缸控制68和步进控制64发出指令使储仓24移向下一个贮槽26。

当最后贮槽26的试样被喂入机构16装载后，计算机18认为储仓24现在已排空，于是在屏幕20上显示一提示要求操作人再把纺织试样装载入储仓24，并重新开始自动喂入过程。

图7表示一纤维分离器80和一传感器82。分离器80接收来自喂入盘52和喂入盘皮带54的纺织试样36。分离器的功能是释放和分离所喂入的实体。在优选实施例中，分离器80把棉结、杂质和纤维相互分开并对不同类别的实体进行分离。

分离器80包括一喂入辊1，它接收喂入盘52上的试样，并把试样36喂入分离器80，经过处理的空气经空气输送管道83、84、85、86输入分离器。(用以净化或清洗的压缩空气是通过管道87短时供应的，例如0.5秒)。试样36由喂入辊81在控制的情况下喂入。实体是由多孔滚筒88和实心滚筒90与梳理板84、85和96相结合而进行处理的。经过处理后，棉结、纤维和杂质等实体相互释放而分离，使实体在分离器80的输出端92以分离的状态逐一输出。

分离器80实际上与美国专利4,512,060所公开的相同并已纳入参考。与该专利相比，分离器80在结构上的主要差别在于它在输气管道83和86内设有错开的双档板98和100。挡板98和100允许空气通过而进入分离器，但它们阻止杂质和其他粒子通过通道83和86被甩出分离器。因此它与美国专利4,512,060相反，由分离器80所处理的全部实体均能通过分离器的输出92而送入管道102。管道102把实体在气流中带入一密封室104中。管道102的末端有一喷嘴106，而在腔室104中设有一反向喷嘴正好同喷嘴106对准。因此在两个喷嘴106和108之间形成一开口。喷嘴108同管道112相连接，继而同一真空源112相连，以提供真空度并在管道102和110以及喷嘴106和108内形成气流。在腔室104中设有一光源114，它发射出光束穿过喷嘴106和108之间的开口而射向两个并列放置的消光检测器116和118。对于喷嘴106和108中的气流而言，检测器118位于检测器116的下游。检测器116和118的输出相应喂入放大器120和122，所产生的消光信号VE1和VE2则从导线124和126上输出。

检测光源设有一前向分散检测器128，它包括一透镜系统129和一挡光器130，使通过喷嘴106和108中间的实体133把检测光以大约40度的角度前向分散。前向分散检测器128的输出经过一放大器131在导线132上产生一前向分散信号VS。

上述的传感器82基本上与申请07/493,961所述的传感器相同，其说明被纳入本文作为参考。

图8代表另一种连接分离器80和传感器82的实施例，其中传感器82与图7所述的完全相同，而分离器80则除了杂质在离开分离器80的处理方式有所不同外，基本上与美国专利4,512,060相同。在图8的结构中不用挡板98和100，而杂质是通过空气通道84和86以及逆流槽CFS喷射出。圆筒88和90推动杂质以气流相反的方向通过通道84和86。当杂质粒子到达空气入口138和139时，其动量把它们带入管道140和142，并在气流中从分离器80流出。管道140和142通到一离心分离器143，它包括一垂直管道144向上延伸到一空气抽吸管146，抽吸管146提供在管道140和142内形成气流所需的抽空度。空气和极细的粒子通过管道144而离开分离器143，但大部分灰尘和杂质粒子被向外的离心力所分离而由于重力而落入腔室148并有选择地由一螺旋器150喷射出。

接到来自计算机18的指令后，杂质粒子被旋出腔室148并由管道152中的气流所捕获。在螺旋器出口附近设有一空气入口154，管道152中的气流把杂质粒子带到管道102中的一个入口153。一个活塞和气缸组155藉活塞和气缸组155上所装的盖板156有选择地关闭和开启入口153。活塞和气缸组以及螺旋器150系受计算机18控制。当需要测量纤维和棉结的特性时，将盖板156移向入口153，于是纤维和棉结便供应到传感器112，其中基本上没有杂质的含量。当需要测量杂质特性时，计算机18使活塞和气缸组155将入口153开启并使螺旋器150开始从腔室148喷射灰尘和杂质。于是抽吸器112在管道152中形成一气流把杂质粒子通过管道152带入管道102，并最后通过传感器82。

然而在图9中还表示了另外一个实施例。其中分离器80基本上同美国专利4,512,060所示的相同，但是把管道140和142合并成一单根管道141并连接到一个单独的传感器82a，管道141中的气流是由一抽吸器112a提供的，它与传感器82的抽吸器112大体相同。

以上图7、8、9所示的三个实施例可以通过观察传感器的运行、数据采集板和计算机18来充分理解，兹简述如下：

图10表示传感器82的概略图和一块数据采集板(DAB)161，虚线160表示传感器82和DAB161之间的物理上的分界线，这里DAB是作为对个别纤维159在喷嘴106中移动的反应。在图10的左侧详细表示了传感器82。消光传感器116向一跨阻抗放大器162提供一信号，经放大器164放大，其电压增益为4.3，放大器164的输出出现在导线166上构成第一消光传感器的低增益通道(VE1-LO)。放大器164的输出再经过增益为12.5的放大器168放大，其输出出现在导线170上构成第一消光信号的高增益通道(VE1-HI)。

在同样的结构中，第二消光传感器118的输出通过一跨阻抗放大器172接到一增益为4.3的电压放大器174上。放大器174的输出出现在导线176上并构成第二消光信号的低增益通道(VE2-LO)。放大器174的输出再经过增益为12.5的放大器178放大后从导线180输出并构成第二消光信号的高增益通道(VE2-HI)。

前向分散传感器128产生的信号施加到一跨阻抗放大器182，其输出接到一电压增益约为20的放大器184。放大器184的输出出现在导线186上并构成分散信号的低增益通道(VS-LO)。放大器184的输出还接到一增益约为12.5的放大器188，且放大器188的输出出现在导线190上并构成分散信号的高增益通道(VS-HI)。

现在再来观察图10的右手侧。数据采集板(DAB)161可详细说明如下：DAB是用来测量纺织纤维特性而并非棉结或杂质的特性。在此安排中导线170上的第一消光信号的高增益通道经过增益为-1的反向隔离放大器后接到一阈值比较器194上，当其输入信号超过一预定值0.5V时，阈值比较器194变为高电位或导通；当信号低于0.5V时，比较器194变为低电位或切断。

比较器194的输出接到一逻辑芯片196上，它还接收一20兆赫的时钟信号198。逻辑芯片196有选择地把20兆赫的时钟信号加到一计数器200上。

同样，在导线180上出现的来自传感器118的第二消光信号的高增益通道(VE2-HI)通过一反向隔离放大器202、阈值比较器204和逻辑芯片196而接到一计数器210上。

在此结构中，计数器200中的计数藉导线212通过数据总线方向驱动器接到计算机总线213上，称为TB。同样，计数器210中的计数通过导线214接到计算机总线213上，称为TE。

当阈值比较器194变为高电位时，逻辑芯片196开始把时钟脉冲送到计数器200，而当阈值比较器204变为高电位时，停止输送脉冲。当阈值比较器194变为低电位时(在前面的高电位以后)，芯片196开始向计数器210输送时钟脉冲，而当比较器204变为低电位时(在前面的高电位以后)，停止输送脉冲。

高增益的消光信号也是通过导线211和一个反向隔离放大器215而接到阈值比较器216来控制逻辑芯片218。导线220上的10兆赫时钟信号也接到逻辑芯片218上并受阈值比较器216所控制。逻辑芯片218把10兆赫的时钟信号送到计数器222，计数器222的计数通过导线224接到计算机总线213，称为TFE。

出现在放大器215输出端上的反向高增益的第一消光信号接到一积分器226和一个峰值检测器228，它们的输出依次接到模/数变换器230和232。导线234上出现的模/数变换器230的输出接到总线213；同样，模/数变换器232的输出通过导线236接到总线213。这些数据依次称为消光信号的面积AE和消光信号的峰值PE。

出现在导线190上的前向分散信号的高增益通道经过反向隔离放大器237接到一阈值比较器238、一积分器248和一峰值检测器254。阈值比较器238的输出接到一逻辑芯片240，它还从导线242接收一10兆赫的信号。当隔离放大器237的输出超过0.5V时，逻辑芯片240把时钟信号送到计数器244上，而当信号低于0.5V时，逻辑芯片240便停止向计数器244输送时钟信号。计数器244的输出通过导线246接到总线213上，称为TFS。

积分器248的输出通过一模/数变换器250和导线252而接到总线213；同样，峰值检测器254的输出通过一模/数变换器256和导线258接到总线213。它们依次称为AS和PS。

从以上的说明应该意识到：在导线212上出现的TB代表一个实体(这里是指一根纤维)的前端从传感器116的光投射到传感器118的光投射所需的时间。因此TB相当于实体前端的速度。在导线214上出现的TE代表实体的尾端从传感器116的光投射到传感器118的光投射所需的时间，因此TE相当于实体尾端的速度。导线224上的TF代表实体完全经过消光传感器116的光投射所需的时间，因此TF相当于实体的尺寸(例如纤维的长度)，而此尺寸能根据实体的速度来确定。导线234上的信号代表由实体所熄灭的光的时间积分，即代表波形下的面积AE。导线236上的计数代表由实体所熄灭的光的峰值PE。在导线246上出现的计数TFS代表实体经过分散传感器128的光投射所需的时间，它相当于由分散传感器128所测量的实体的尺寸(例如长度)。导线252上出现的信号代表由传感器128所检测的被实体分散的光的时间积分AS，而在导线258上出现的信号代表由实体分散的光的峰值PS。

DAB 161的功能是用来把来自电光(E-O)传感器82的模拟信号转换成数字信号接到计算机总线213上，分别标作TB212，TE214，TFE224等。这些信号称为E-O参数，它们用来提供实体的信息，在图10的情况下是纤维长度和直径。着重于AFIS-1传感器的共同未决的申请07/493,961一般地公开了如何确定个别纤维实体的长度、直径、细度或老化度信息。该申请也公开了传感器82如何提供棉结和杂质信号。共同未决的申请07/762,905进一步发表了传感器82如何实现杂质的测量，特别是如何判读这种测量。

因此能够意识到：图10的DAB 161代表在信号处理能力上的重大改进。另外，早期公开的仪器不可能从单一试样同时提供纤维、棉结、杂质等多种实体的数据，而图10的DAB 161则具有这种可能性。现对图7所示的优选实施例进行说明如下：

在图7中传感器82接收和反映由管道102所输送的全部单个实体，因此必须对实体信号或它们的波形进行观察以确定实体是纤维、棉结或杂质粒子。人们发现在共同未决申请07/493,961中公开的改进传感器的方法同改选的信号处理方法相结合(即图10中的DAB 161)能够实现这种分类，因此能够满足单试样/多数据产品的需要。图10具体说明了DAB用以确定单个纤维的长度和直径的运行过程，而图11则一段地表示如何从多种实体进行信号的测量且更重要的是进行分类。为了简化图11，不考虑低增益和高增益，也就是说以下给出的所有信号电平都是指高增益通道。数字处理的时间(模/数变换和复位等)也不予考虑，并对所有实体进行观察。因此一个实体到达传感器82的光束便产生图12所示的模拟信号，在图11中的导线212、214、222等上便出现相应的数字信号TB、TE、TF等。

图12说明了由纤维、棉结和杂质粒子在信号线170、180和190上所产生的典型的模拟信号或波形。数据采集板对三个信号的每一个进行测量并把图11所示的TB、TE、TFE、TFS、PE、AE、AS和PS 8个参数送到计算机。此8个参数用来对3种实体进行分类、计数和确定尺寸。分类的步骤由图13中的流程图来说明，其逻辑运行如下：计算机在方块300处等候DAB发出脉冲峰值超过0.5V已收到的信号。在方块302的初次试验来确定是否在消光通道PE的峰值大于或小于3V。如果PE小于3V，则程序移向方块304，它排除了该脉冲是一棉结的可能性。如果PE大于3V，则该脉冲可能是一杂质粒子或是一棉结，然后软件移到方块306。

如果方块302中PE小于3V而方块304中的TB小于285(即20兆赫时钟的285次计数)，则可获得一小的杂质脉冲。杂质粒子的大小可从PE和杂质计数增量来计算。尺寸的定标在共同未决申请07/762,905中说明。

如果在方块302中PE小于3V而TB在方块304中大于285，软件便排除了棉结或杂质粒子的可能性，并在方块305、310和312中开始一组试验以确定是否脉冲为一可接受的纤维脉冲。如果3次试验都通过，程序便利用TFE、TB和TE来计算纤维长度；利用AE和TFE以及方块314和316中纤维计数的增量来计算其直径。对于短纤维而言，发现优选数值为：TB/TE＞4＝1.05(在定标时对每一传感器得出的数值)，TFE_min＝100，TFE_max＝10,000。(数值指10兆赫时钟脉冲的计数)。

如果在方块302中PE大于3V，并在方块306中PS/PE小于0.5，则表示是一大的杂质脉冲，杂质粒子尺寸的计算以及杂质计数的增量同前。

如果在方块302中PE大于3V，且PS/PE之比大于0.5，则软件排除了纤维或杂质粒子的可能性，软件在方块309和311中对脉冲进行试验以排除大的纤维团或许多小的纤维缠结，典型的TFE＜X的数据为300。如果两次试验都通过，则被识别为棉结，其尺寸可从AE和TFE313进行计算，同时棉结计数器315进行增量。当每一种实体被识别后，程序控制便回到起动方块A 320。

来自DAB的数据同3种实体的关系如图14中的文氏图所示。340、342和344三个圆圈各代表棉结特性、杂质粒子特性和纤维特性。共同的特性，例如对棉结340和杂质344的PE、TB和TE是位于相交的区域346内。区别各种粒子的特性则在340、342和344三个圈的外部。利用这些参数关系可以得到图13的流程图。

在以上所述的系统中，粒子被广义地分成纤维、棉结或杂质。下面将描述系统的两种变形。一种是把杂质进行细分类，另一种是把棉结进行细分类。这些系统的变形根据粒子特定应用的需要可以单独使用，也可结合使用。

在说明棉结细分类程序之前，先观察一下图15可对纺织棉结的性质有充分的了解。如前所述，棉结一般可分为几种类型：由机械产生的棉结、有光泽的棉结和棉子壳碎片。如图15所示，棉子壳碎片400一般由在一片棉籽402上所附着的棉纤维404所构成。一个由机械产生的棉结406一般是由一纤维缠结的核心408同松散的尾端纤维410相结合而形成的。最后，一个光泽的棉结412一般由一不成熟纤维紧密缠结的核心414同一松散的尾端纤维416所组成。另外，棉子壳碎片还可分为成熟的或不成熟的碎片。由机械产生的棉结也可再细分为在紫外光下会发生荧光的涤纶棉结和不会发生荧光的其他类别。

在图16a和16b中表示了另一种光电传感器418和数据采集电子电路161。这种取代的实施例能提供棉结和杂质的补充信息以进一步表征它们的特性。这另一种光电传感器418包括两个辐射源：一个具有波长约为880毫微米的红外光源420和一个波长约为370毫微米的紫外光源。这两个光源在气流室104中通过两个反向喷嘴106和110之间的间隙424而传播，以形成一个红外光束426和紫外光束428。红外光由一组消光检测器430和432所接收，用以测量通过光束426的实体尺寸和速度，如前所述。在一取象透镜436的后面设有一第二检测系统434用以采集由实体以30°～50°的角度所分散的光。此系统434包括一分光镜438和两个检测器440和442。分光镜438把大约一半的光照射到一荧光检测器442用以探测蓝色可见光(波长为440～480毫微米)，剩下的一半光照射到一红外检测器440用以探测近红外光(波长约880毫微米)。检测器442能反映涤纶通过紫外光束428时发生的荧光(蓝色光)。所有其他普通的纺织材料如棉花和人造丝等不会产生足够程度的紫外荧光。近红外检测器440能反映实体所分散的880毫微米的光。这个分散的红外光如前面关于图11的传感器所述能提供粒子的表面特性。

图16b表示图16a的传感器418与数据采集板161-G之间的相互连接。来自两个消光通道的信号VE1和VE2如同前面关于图10和图11中所述一样在数据采集板(DAB)161-G中进行处理，以提供粒子的速度。粒子的速度在纤维棉结的分类中至关重要，因为它与实体的质量有关。质量较大的粒子例如棉子壳棉结在喷嘴106倾斜段的气流12中的加速不象质量较小的粒子那么大，因此在测量区内具有较低的速度。

如前面对图11所说明的一样，对第一消光通道信号VE1进一步处理以求得信号的峰值(PE)、超过阈值波形的积分值(AE)以及超过阈值波形的持续时间(TFE)。同样，来自红外分散检测器440的分散通道信号VS如前所述一样经过处理而产生PS、AS和TFS。来自荧光检测器442的信号VUV同一阈值比较器444相连接，其阈值的设定是使它能反映超过系统电子噪声的任何较大数值的蓝色可见光，比较器444的输出施加在总线213上。典型的棉结、有光泽的棉结和棉子壳棉结的波形图如图17所示，其中还标出了波形参数。有了这些波形的概念后，对下面所述的棉结分类方法便能很好地理解。

棉结的分类可按照在图18中以流程图的方式来说明。如图19所示，分类方法的目的是把棉结分成几组，即由机械产生的棉结、有光泽的棉结和棉子壳棉结：这些分类又在图19中进行细分，如下所述。

在计算机18上进行的程序在方块446中等候直到在通道之一上出现一波形为止。然后开始一连串3个屏幕试验来确定它是否符合棉结类型之一。如果3个试验都不符合便进入下面所述的杂质分类程序。在第一个试验中TFE之值必须足够小，以排除对大团纤维进行计数的可能性，同时程序检查TFE是否小于X值。方块448的参数X与流量有关，并一般可这样来选择：使它在使用现有的AFIS仪时排除持续时间大于30微秒的信号。第二，信号的峰值必须大于21.3伏，如方块450所示。这样就限定了被定为棉结的最小纤维团。第三，信号必须包括由PS/PE的比值确定的关于准备在方块452中进行处理的分散通道的足够的信息。任何信号若其比值小于0.5，则可定为并非由纤维组成，也就是说它一般是属于杂质粒子的信号，因而在棉结分类中不予考虑，但可进一步作为杂质粒子来分析。

在方块454中，根据紫外光通道信号的峰值是否大于阈值电压(VUT)来检查紫外光通道(比较器444的输出)以确定实体是否属于一涤纶棉结。如果是的话，便在方块456和458中计算涤纶棉结的尺寸。如果在紫外光通道上没有发现信号，程序便转入方块460再对PS/PE的比值进行试验以确定实体是否属于有光泽的(不成熟)的或成熟的棉结。如果比值小于或等于0.75，则实体可能是一个不成熟的棉子壳棉结或有光泽的棉结，然后通过方块462的速度试验来确定究竟属于何种实体。如果速度大于Y，程序便把它定为一有光泽的棉结，如方块466所示。如果速度小于Y，则实体被定为一不成熟的棉子壳棉结，如方块468所示。

方块462和464中的变量Y与流速有关且是对特定系统的气流参数经过优化的校正参数(以米/秒(m/s)计)。对于一运行在3.9英尺³/分的系统而言，典型的Y值为60米/秒。一旦粒子被定为一棉子壳棉结或有光泽棉结之后，程序便进入方块456和458进行尺寸确定。不言而喻也可采用单独的算法来确定不同棉结类别的尺寸。

在此程序中所用的速度最好取平均速度，它可按下法计算：取TB和TE的平均值，并把图7中检测器116和118或图16中检测器430和432之间的有效距离除以平均时间而求得。也可采用其他的速度计算和测量，例如仅根据TB或TE或根据一经过加速度校正的时间，如在1992年12月31日申请的题为“用机械和电子方法对流体流中的实体进行外形校正的方法和装置”，卷号为48122.00的共同未决申请中所述。Y值必须根据系统的流速和速度计算的方式来进行校正。由于机械的棉结与成熟的棉子壳棉结之间存在速度差异，所以上述任何一种速度计算均可用来区分这两种棉结。

如果方块460中的PS/PE之比并不是小于或等于0.75，则实体可能是属于一成熟的实体，于是程序进入方块464进行试验以确定是否存在一成熟的棉子壳棉结。如果速度小于Y便可确定存在一成熟的棉子壳棉结，然后在方块470中实体被定为一成熟的棉子壳棉结，并进行下一步的计算。如果速度大于Y，说明并无棉子壳棉结存在，因此在方块472中实体被定为一成熟的棉结，然后进行尺寸计算。

方块456和458中所提出的尺寸计算程序通过一校正常数K1(微米/伏)把消光通道上的峰值PE转变为一物理尺寸(棉结直径)。在本实施例中，棉结长度最好通过把TFE乘以校正参数K2来确定，这里K2如前所述是由消光检测器430和432所检测的速度。

于是，诸如直径的标准偏差、每种类型中单位重量的粒子数、以及尺寸频率直方图等统计数据可藉计算机18(图1)根据分类来计算。

利用上面所讨论的系统和方法还能对棉结进行细分类。例如在棉纤维中有一种粘性棉结或“点”，它主要是由收割棉花时带进的昆虫糖所引起的。这种粘性棉结能粘结在加工机械上而造成干扰。为了检测上述系统中的粘性棉结，红外光束的频率最好选择为专门适用于棉花中的糖份并防止被水份所吸收。当在传感器418中出现一粘性棉结时，红外光将被强烈地吸收，因而被消光检测器430和432所检测。因此，一旦棉结用上述方法鉴定之后，它还可通过确定糖份红外光的吸收是否超过一预定阈值来进一步细分为粘性棉结或“点”。所选的阈值应根据特定的系统来进行定标，而且随不同产地的不同棉花品种而变动。

以上叙述了棉结的细分类系统，现在再来说明杂质的细分类系统。但在叙述以前最好参阅图20和21所示的馅饼形统计图和各种杂质的图形以便对杂质特别是棉花杂质有充分的了解。如图20所示，杂质可分成两大类：纤维状的和其他类。这里“其他”类并不一定是指非纤维状的，例如纤维碎片由于其长度很短而被划入其他类。可见杂质是按其物理特性来分类的。一般地说，杂质的纵横比如果等于或大于3，则可认为属于纤维状的。

从图20和21可见树皮、树叶和草的纵横比大于3，因此被定为纤维状。片状杂质的纵横比小于3，因而定为“其他”类；同样，厚的杂质、灰尘和纤维碎片的纵横比均小于3，所以属于“其他”类。图21中所示的厚的杂质是一个上面只附有少量纤维的厚的棉子壳碎片或者是一个树皮的碎片。一般地说，厚的杂质是具有一近似于球状或立方体几何形状的杂质。其确切的定义与下面所述的分类程序中所选的参数有关。

现在来看图22a所示的杂质分类流程图。程序从标有T的圆开始，从图18可见棉结程序中设有3个不同点把控制程序转移到杂质程序去。因此如果需要的话，棉结细分类程序同杂质细分类程序能一起运行。当然杂质程序能够独立运行，而且在人们知道同一特殊的或单独的传感器系统仅为了探测杂质时，最好采用此独立运行的方法。

杂质细分类的第一步是方块470，在其中计算出实体的速度。在本实施例中速度(S)最好通过把一常数(DCONST)除以TB和TE的平均值

来计算。这里DCONST是图7中消光传感器116和118之间或图16中所示的消光传感器430和432之间的有效距离。当然，如果照射在检测器430和432上的光束426是收敛的或发散的，则DCONST还需进行适当校正以补偿由于光束的发散或收敛所造成的放大或缩小。

如方块472所示，下一步是利用公式L＝S×TFE来计算实体的长度，这里TFE是实体经过消光传感器之一所需的时间，L为长度，S为速度。在判定步474中长度与一最小长度LMIN相比较，如果L不大于LMIN，程序便进入用476标注的U点，并转移到程序的另一段，在后面另作说明。如果L大于LMIN，程序进入方块478并计算出纵横比(AR)，它代表长度(L)对平均直径(DAV)的比值，此处DAV可用公式DAV＝AE/TFE计算。程序进行到判定步480时，如果纵横比AR不大于ARMIN，则实体被认为一片状，而程序进入用482标注的“V”点。如果AR大于ARMIN，程序便继续进行到判定步484。如前所述通过一般工业协议，纵横比大于3的实体可定为纤维状的，因此在优选实施例中ARMIN选择等于3。但是根据其应用，判定步480中的ARMIN值可视需要而改变。例如在某些应用中，工业标准可把纤维状的定义为纵横比大于10。

在判定步484中，程序把DAV同一最小阈值(DMIN)相比较。如果DAV不大于DMIN，程序转向方块486，把确认为由纤维产生的数据抛弃。如果DAV大于DMIN，程序便进入判定步488以确定速度是否大于最大树皮速度(SBM)。如果S大于SBM，程序把实体定为纤维状的杂质，并计算杂质的长度和直径。杂质的直径可用DAV乘上一常数K3来确定，K3是用实验方法确定的定标系数。如果S不大于SBM，程序便把杂质定为树皮杂质，并算出其长度和直径，同样如方块492所示，直径是等于K3×DAV。

再回到判定步474，这里重申若L不大于LMIN，程序将在U点转入图22b所示的子程序。在图22b中，第一判定步494把峰值电压(PE)同一阈值(PKDUST)相比校。如果PE大于PKDUST，程序移向判定步496，把速度与常数(SSCFM)相比较(SSCFM代表棉子壳碎片极大值)。如果S大于SSCFM，如方块497所示，程序把实体定为片状杂质并算出其直径等于

如果S不大于SSCFM，程序移向方块448，把实体定为厚杂质并算出其直径等于

这里K4为定标系数而常数PKDUST的选择应使当粒子直径大于500微米时PE值应大于PKDUST。

再来看判定步494，如果PE不大于PKDUST，程序便移向判定步500以确定速度(S)是否大于一常数(SDUST)。如果是的话，程序在方块502中把实体定为纤维碎片并算出纤维碎片的数目。如果为否的话，程序把实体定为灰尘，并在方块504中算出其直径等于

对于图22a和22c，这里重申如果AR不大于一常数(ARMIN)，程序便移到482点而重新执行另一子程序V。此子程序从506步开始，它把速度与常数(SSCFM)进行比较。如果S大于SSCFM，程序把实体定为片状杂质并算出直径为K5×PE。如果S不大于SSCFM，程序把实体定为厚杂质，同样算出其直径为K5×PE。

对杂质分类程序进行描述以后，下面还将提供一些有关本发明的特殊应用的附加细节。这些细节应看作是例子而并不是限制。

例如定标系数K1、K3-K5是通过将已知的实体放入系统而用实验方法来确定的。这些参数(K1、K3-K5)可能是常数，也可能是曲线。在优选实施例中K4是以查阅表(PE)、有关选择峰值消光信号(PE)和有关的直径的方式储存在计算机18中的曲线。当PE被探测时，利用查阅表便可找出直径，必要时可采用内插法。

在判定步474中，实体的长度对LMIN进行试验。推荐LMIN取1毫米，但也可选择其他尺寸。在此特殊应用中选择此尺寸的原则是长度小于1毫米的实体是属于“其他”杂质而并非纤维状杂质。

在判定步480中，如前所述推荐ARMIN等于3。这意味着对于分类为杂质的实体其纵横比必须为3，否则将定为“其他”。在步484中，杂质直径同DMIN相比较。DMIN推荐取120微米，它相当于上述AFIS电路中的12状。这一测试的潜在理由在于保证不将纤维判别为杂质。如果DAV不大于120微米，该数据据便被定为非杂质的纤维数据而抛弃。在判定步488中对两种纤维状杂质的速度进行区分测试。被定为纤维状杂质的草和树叶杂质在一加速气流中将比树皮杂质(也属于纤维状)行进得更快，因为树叶和草类杂质比较疏松而质量较小。而树皮由于其质量和密度较大，所以其行进速度比草和树叶为低。

在判定步494中完全是根据大小来决定的。如果一实体小于工业标准的分界500微米，程序便将它定为灰尘或纤维碎片。在判定步500中推荐取SDUST为64米/秒。此常数与特定系统中的气流速度密切有关，因为象灰尘和纤维碎片这样极其微小的粒子将近似地随着气流的速度而运动。

在判定步496和506中又是按照速度来分类。在此特殊应用中，SSCFM选为30米/秒，其功能是区分片状杂质与厚杂质。在此情况下，片状杂质比厚杂质有较大的每单位重量的表面积，因此在加速的气流中运动得较快。SSCFM的实际数值可通过喷射已知的片状杂质和已知的厚杂质并观察它们的速度来进行定标而确定。如前所述，这些特定的数字应看作为实例，而将随着气流速度、喷嘴结构、传感器系统和放大系统等而变化。

必须注意以上所给出的数值是用于参照图10、11和16a所描述的系统中。如果采用不同的增益值或以不同的部件来取代时，这些数值自然必须改变以使之与改进的系统相一致。对于一个新的系统，确定这些数值的方法之一是使一系列已知实体通过传感区并测量特性参数的数值。然后可将这些提供给用以对未知测试试样执行分类程序的计算机。还必须注意图16a的传感器与图11的传感器相同，只是增加了紫外光源422、分光镜438、荧光检测器442、以及有关的电子电路、其他部件功能基本上与前面所述的相同。

虽然在前面的详细叙述中说明了本发明的几种实施例，但必须了解本发明能够进行多种重新组合、改进或部件取代而不偏离后面所附的本发明权利要求的范围。

Claims (12)

1.用于在至少包括杂质的纺织材料试样中测量实体特性的设备，包括：

用于提供纺织材料试样的供料装置；

含有入口和出口的处理器，所述处理器入口被定位并可操作地接收来自所述供料装置的纺织试样，所述处理器可操作地用于处理所述试样，将所述试样的实体相互分离，使试样实体互不相关以产生单个实体，并将实体以相互分离的状态送至所述处理器的出口；

传感器装置和用于将分离状态的一个所述实体输送到所述传感器装置的输送装置；所述传感器装置是可操作的，以检测包括杂质的一部分实体的至少一个特性，由所述输送装置移动并用以响应所述检测到的特性而产生特性信号；

用于接收所述特性信号、分析所述特性信号以便识别代表至少杂质的信号的分析装置；

细分析装置，用于分析代表杂质的所述特性信号并进一步分析所述信号，以便相应于几类杂质之一而将所述信号分类。

2.根据权利要求1所述的设备，其特征在于所述分析装置还包括：

用以基于特性信号而确定实体长度的装置；

用于将实体长度与阀值相比较的装置；

部分地基于该长度与阈值相比较的结果按几种类型杂质之一而将实体分类的装置。

3.根据权利要求1所述的设备，其特征在于，所述分析装置还包括：

用以基于特性信号而确定实体长度的装置；

用于确定代表了由传感器根据特性信号检测的实体直径特性的直径的装置；

用于确定长度对直径的比值并用于将该比值同阀值相比较的装置；以及

部分地根据该比值与阈值的比较结果而按几种类型的杂质之一而将实体分类的装置。

4.根据权利要求1所述的设备，其特征在于，所述分析装置还包括：

用于确定代表了由传感器根据特性信号而检测的实体直径特性的直径的装置；

用于将该直径与阈值相比较的装置；以及

部分地根据直径与阈值的比较结果而按几种类型的杂质将实体分类的装置。

5.根据权利要求1所述的设备，其特征在于，所述分析装置还包括：

通过分析特性信号，用于确定由所述传感器装置所检测的实体的速度的装置；

用于将该速度与阈值相比较的装置；以及

部分地根据该速度与阈值的比较结果而按几种类型杂质之一将实体分类的装置。

6.根据权利要求5所述的设备，其特征在于，所述用以分类的装置是可操作的，以便部分地根据该速度与阈值的比较结果而按树皮杂质或纤维杂质将实体分类。

7.根据权利要求5所述的设备，其特征在于，所述用于分类的装置是可操作的，以便部分地根据该速度与阈值的比较结果而按厚度杂质或薄杂质将实体分类。

8.根据权利要求5所述的设备，其特征在于，用以分类的装置是可操作的，以便部分地根据该速度与阈值的比较结果而按灰尘或纤维碎片而将实体分类。

9.根据权利要求1所述的设备，其特征在于，所述分析装置还包括：

用于根据杂质实体的所述特性信号而确定峰值的装置；

用于将所述峰值与阈值相比较的装置；以及

部分地根据该峰值与阈值相比较的结果而按几种杂质类型之一将实体分类的装置。

10.根据权利要求9所述的设备，其特征在于，所述用以分类的装置是可操作的，以便部分地根据峰值与阈值的比较结果而将实体分类为第一和第二组之一，其中第一组由灰尘或纤维碎片组成而第二组由厚杂质或薄杂质组成。

11.根据权利要求1所述的设备，其特征在于，所述分析装置还包括：

用于确定根据特性信号而由所述传感器装置检测的实体的速度的装置；

用于确定基于特性信号的实体长度的装置；

用于将实体长度与长度阈值相比较的装置；

如果长度大于长度阈值，则用于确定代表了根据特性信号而由传感器检测的实体的直径特性的直径的装置；

如果长度大于长度阈值，则用于确定根据长度与直径相比较的纵横比并用于将该比值与纵横比阈值相比较的装置；

如果长度大于长度阈值且纵横比大于纵横比阈值，则用于将直径与直径阈值相比较的装置；

如果长度大于长度阈值且纵横比大于纵横比阈值同时直径大于直径阈值，则用于将速度与最大树皮速度相比较的装置；

如果速度不大于最大树皮速度，则将实体分类为树皮杂质，而如果速度大于最大树皮速度，则将实体分类为纤维杂质的装置；

用于根据杂质实体的所述特性信号而确定峰值的装置；

如果长度小于长度阈值，则用于将所述峰值与峰值阈值相比较的装置；

如果峰值大于峰值阈值，则用于将速度与最大棉籽碎片(速度)相比较的第一装置；

如果速度大于最大棉籽碎片(速度)且峰值大于峰值阈值，则将实体分类为薄杂质，而如果速度不大于最在棉籽碎片(速度)且峰值大于峰值阈值，则将实体分类为厚度杂质的装置；

用于将速度与最大灰尘(速度)相比较的装置；

如果速度大于最大灰尘(速度)，则将实体分类为纤维碎片，而如果速度不大于最大灰尘(速度)，则将实体分类为灰尘的装置；

如果纵横比不大于纵横比阈值，则将速度与最大棉籽碎片(速度)相比较的第二装置；以及

如果速度不大于最大棉籽碎片(速度)且纵横比不大于纵横比阈值，则将实体分类为厚杂质，而如果速度大于最大棉籽碎片(速度)且纵横比不大于纵横比阈值，则将实体分类为薄杂质的装置。

12.一种用于在至少包括杂质的纺织材料试样中测量实体特性的方法，包括：

供给纺织材料试样；

处理所述试样并将所述试样的实体相互分离，分离试样实体以产生单个实体；

在所述处理之后传送分离状态的一个所述实体；

检测包括杂质的部分实体的至少一个特性，由所述传送过程移动并产生代表所述检测特性的特性信号；

分析所述特性信号以识别代表至少杂质的特性信号；以及

对所述代表杂质的特性信号进行细分析以便相应于几种杂质类型之一而将所述信号分类。

Images