CN1092829A

CN1092829A - 纤维加工机械优化控制的方法

Info

Publication number: CN1092829A
Application number: CN93121478.5A
Authority: CN
Inventors: F·M·索夫纳; M·弗雷; R·弗特; Y·-T·朱; A·C·施列思
Original assignee: Zellweger Uster Inc
Current assignee: Uster Technologies AG
Priority date: 1992-12-31
Filing date: 1993-12-31
Publication date: 1994-09-28
Anticipated expiration: 2013-12-31
Also published as: EP0604876B1; DE69325635T2; DE69325635D1; US5560194A; CN1113239C; EP0604876A3; JPH07138819A; EP0604876A2

Abstract

一种实现纤维加工机械优化控制的方法。通过有效地利用现代化测试仪器提供的信息和统计分析学的理论并藉助于数字计算技术，对从棉包到纱线整个纺纱过程中的部分或全部机器建立起两种通用的模型——α-模型用于机械和β-模型用于毛利润；并通过选择目标运行点(TOP)以及来自不同来源的多种信息以计算机的实时控制功能不断进行自动调整，使机器始终围绕目标运行点而运行，从而实现在最严格的约束条件下以最低成本生产优质的纱线和获得最高的利润。

Description

本发明涉及纺织机械的控制领域。特别是涉及纤维加工机械实现优化控制以达到目标运行点的方法。

棉纱生产工艺的主要目的是把纤维加工成纱线。纤维在大多基本术语中是构成纱线的材料。纺织加工机械以一连串的工序对纤维进行处理，最后变成纱线。在每一道工序中通常有许多类型的机器，如表1中括弧内的数字所示。该表列出了每周生产30万磅25特纯棉纱的典型的气流纺纱厂或环锭纺纱厂的配备。

因此棉纱生产工艺从棉包开始而到纱线为止。接下去就是织物的形成，这通常是通过机织或针织的方法，织物生产的特性和质量参数显然是取决于纱线的质量参数。强力高和均匀的纱线能更好地运行并更受用户的欢迎。而纱线的质量参数又取决于纤维的质量参数和机器的性能参数，这些参数的一部分列于表2中，尤为重要的是纱线的生产效益在很大程度上取决于原料和机械运行的优化选择，正如这些因素对销售价格的影响。

将近50年来已提供有纱线参数的测试仪，最初仅用于质量控制试验室中，而在某些生产机械上用于纱线参数连续监测的仪器也已问世大约25年了。瑞士Zellweger Uster生产了TensoRapid和Tenso Jet用以测量纱线的强度/伸长，Uster Tester 3用以测量纱线均匀度、毛羽和细度（线性密度）。这些试验室用的质量控制仪中有一些已具有在线监测的变型。位于德国Ingolstadt的立达机器厂生产一种名为OPTRA的测量纱线杂质的新型试验室仪器。

对于纤维参数测量而言，在过去15年内不断有现代纤维测试仪推出，能实现多种数据的测定，在技术上称为高容量仪器HVI，它是由Zellweger Uster设在美国田纳西Knoxville的一家工厂所生产。目前使用的该仪器初期产品可检测强度、长度、细度、颜色和杂质。

HVI只能在棉包状态下进行纤维特性的测试，而纱线测试仪则只能在纱线状态下对纤维进行测定。少数实用的在线测试仪器只能测量棉条或纱线的均匀度。但是需要测量的参数和需监测的机器正在大量增加，尤其是当前处于信息时代，而竟争力促使这一趋势的发展。

从HVI所获得的纤维信息和从Tenso Rapid所获得的纱线信息已被用来改进纱线生产工艺的性能和效益。这些方法在纺织工业中称为配棉的纤维选择（EFS）或棉包信息和分配系统（BIAS）。EFS软件是由美国北卡洛利那州的棉花公司所开发并售给主要使用美国棉花的纺织厂。BIAS则是瑞士本国的和美国Knoxville的两家Uster公司所开发和出售。EFS和BIAS软件能使用户选择原棉的棉包以获得更佳的配棉、减少加工问题、改进纱线特性和提高效益。

在精心控制的条件下，关于棉包和纱线性能的这些多元线性回归统计方法的相关系数（R²）能高达R²-0.9，也就是说输出纱线中的变化的90%能够用输入纤维特性中的变化来解释。较典型的结果为R²-50%，即输入纤维特性（棉包状态）中的变化只有50%能够解释输出状态（纱线）中纤维的变化。也就是说那不能解释的50%主要是由有关的加工机械的变动所引起的。

EFS和BIAS的输入-输出关系是以技术上所周知的多元线性回归统计技术为基础的，典型的输出纱线特性是纱线弹性或强度的单一参数，所以还需有其他特性的关系。

由于相互关系是建立在棉包状态和纱线状态之间的，因此很明显，对前述方法的另一限制是它对于大量重要的中间工序并未提供任何信息。

这种线性回归型统计法存在的另一问题是它需要固定的机械配置和恒定的生产环境，这种技术掩饰了各工序互相连接的机械的影响和它们之间复杂的相互作用。

另外，现有的HVI方法只提供小束纤维或大块纤维团表面上纤维的平均测量结果，各种单独实体、纤维或疪点（包括各种棉结、杂质、树皮和草的分布无法测量。

还有，对于象每克的杂质计数，短纤维含量或棉结等若干重要纤维参数也没有给出任何信息，这些参数也关系到加工问题，纱线质量和效益。

先进的纤维信息系统AFIS是在80年代中期发明的，它对上述遗漏的信息提供了某些补充。AFIS能从棉株上的棉桃到成纱前最后呈纤维状态（表1中的工序7和6）之间的所有纤维提供单一实体测量的分布情况。在参考资料中列出了最近的和有关的专利以及引用的公开文献。AFIS目前通常是与纱线测试设备一起应用于质量控制试验室内。MANTIS是另外一种新的仪器能用以测量单纤维的断裂张力、伸长和直径，它在参考资料中另有描述。

AFIS和MANTIS能测量纺纱厂从棉包通过最后的准备工序到纺纱所有感兴趣的纤维特性。这种应用越来越大的新的纤维信息同广泛应用的纱线信息相呼应，已经深化了对纤维到纱线的加工过程的理解，并已在全世界的领先纺织厂中提高了质量和效益，然而这一过程现在还刚开始。目前有一日益增长的需要来创立一种方法来避免信息过载，并根据它来实现对快速增长的纤维和纱线信息的更好的应用。

最后，纺织生产工艺的优化控制要求于在线测量中实现实时控制。这迫切需要创立一方法论。重要的是这种方法论是获得对纤维到纱线工程最深化理解的唯一实用方法，并根据它，发展成功的优化控制策略。

创立方法论的概念化和发展是很不容易的。纺织生产工艺具有若干独特的特点，使纤维到纱线的工艺过程及其优化控制变得十分困难。在纺织生产过程与其他工业所不同的重要特点是它的变化性：它们的输入-输出关系具有很大的差异并有很大的随机分量。也就是说机器与机器之间的变动，甚至原材料与已加工材料之间的参数变动都是很大的，这些较大的随机分量与固定的或决定性的分量有关，必须认为是测量内容和控制问题的一部分。

除了少数的例外情况外，纺织加工机械的运行参数（设定值）是不大会变动的。如前所述，对于线性回归预测而言，机器是假定为不变的，将近一个世纪以来机器制造厂一直把恒定的性能作为目标。而当前我们与目前对机器设计和运行认识的不同点之一是认为大多数纺织加工机械应能通过再设计而容易地进行动态变更。例如，某些运行参数能够在1秒钟之内迅速改变，这样便能适应现有的输入纤维材料较大的随机变化。既要能够适应输入变化，又要能以同样或更低的成本产生更加恒定的输出（即优化控制）将是一个极为理想的结果而目前这些还不可能做到，优化控制信号信息的实用性，如下所述，能为机器制造厂和使用厂改变他们的思想提供必要的激励作用，它将被理解为一个重大的技术革新。

现在人们能更好地理解纱线生产中过程控制问题的重要性的复杂性。也就是说，根据给定的纤维、已知的特性和成本以及纱线的目标性能，确定哪些为最优的工艺参数。那末优化是由什么构成的呢？我们是否需要生产最清洁的纱线？强度最高的纱线？最均匀的纱线？或我们是否需要最高的效率？“以上各项都需要”并不是一个满意的回答，因为这些目标的大部分通常是互相矛盾的。

显然，此逻辑发展的目的和所导致的修辞性问题就是为了强调最重要的和具有决定性作用的因素，就是经济效益。长期以来在所有实际情况下必须把效益扩大到最高限度。这意味着必须具有进一步的关系来描述销售价格、利润或以由于原料或机器设定所引起的某种输入/输出关系而运行所获得的价值，简单明了地说：就是以最少的设备投资和运行费用以及使用最廉价纤维来生产最好的纱线，因而产生更多的盈利。

因此优化问题比物理参数的优化更为复杂，必须注意到市场条件、工厂的总投资和运行费用，甚至还包括生产过程中的人员。于是在本发明的情况下，优化控制是指在受到材料、机械和纱线的约束情况下，最大限度地扩大盈利。

优化控制的问题涉及的范围很广，但目前已具备了强有力的技术来解决它。数字计算装置以及先进的统计分析装置的快速发展为它提供了优良的工具。所需要的是一种通用和实用的方法论把这些工具同现代的纤维和纱线性能的测试结合起来成为有用的方法。

因此本发明的目标之一是提供方法能使来自广泛的不同来源的物理上的和财务上的信息更容易管理，并通过研究来理解或用于优化控制。

另一个目的是更有效地利用AFIS和MANTIS信息并开发现代的数字计算技术和现代统计分析高度发展的方法，包括混合模型方法论。

一个主要目的是提供机械性能和毛利情况的单独的和通用的统计模型，并利用这些模型来控制机器。我们把它们分别称为“α-模型”用于机械，和“β-模型”，用于毛利润。我们的最终目的是利用现代的纤维和纱线测试仪及财务信息来逐步确定模型的因素，同时认识和处理现有的大的随机分量，即噪声分量。

进一步的目的是在给定的纤维加工机械模型下并通过其运行而产生效益的前提下，利用现代统计方法来寻求最佳的，或最有利润的或最优化的运行条件，也就是谋求一种加工条件，它能在诸如最低的纱线强度、最高的纱线杂质或纱线生产厂（卖方）和纱线使用厂（买方）之间的其它契约上的约束条件下产生最高的利益。相同地，可通过对机器运行的控制来生产最高强度的纱线或最均匀的纱线或最清洁的纱线，这些仅是优化控制战略目的中的若干例子。

这里所公开的方法能从棉包选择到“底线”效益（bottom-line profit）实现全部纱线生产的模型化。我们将特别公开用于气流纺纱器的α-模型的确定和应用，这可作为其他纺织加工机械的模型化的一个示范。它们都能按照我们的方法进行模型化，而且所有单独的模型能结合成一强有力的复合模型用于整个过程，最重要的是β-模型也可按照同样的步骤来确定和应用。

以上的各种目的是按本发明较佳的实施例的方法来实现的。在较佳的实施例中，纺织生产工艺的优化控制方法是利用现代的纤维和纱线测试装置和监测仪器对工艺物理性能参数的测定以及利用现代的制造和市场软件对工艺的财务性能进行测定来完成的。在操作人员实行某种程度控制的加工机械的运行中有三大类变量。第一类是输入各道工序机器中的材料，从棉包纤维开始;第二类变量的机器参数值，第三类变量是输出纤维或纱线的质量性能，包括成本和价格。

较佳的实施例中的第一步是“定标”步骤，它包括使生产过程运行在输入纤维、机械设定、输出纤维或纱线特性以及成本和价格的整个范围内，和在上述范围内建立一个整个加工性能的数据库。

较佳的实施例中的第二主要步骤-“运行”是选择一个目标运行点（TOP），根据第一步的定标数据和对目标运行点所限定的变量来建立工艺参数和利润参数的预定模型，在较佳的实施例的运行过程中，人们不断地在不同的时间（和不同的质量）进行各种物理的和财务的测量，把这些数据输入到预定的模型并确定与目标运行点的偏差。通过人工或自动地把机械或输入纤维的参数调节到相对所选择的目标运行点最佳的条件。如果有任何一个主要参数发生变化，例如输入纤维特性或纱线销售的契约条件，以及出现新的测量数据时，应建立改进的目标运行点，使加工按改进的预定活动而进行。

在本发明的进一步的实例中，此方法已全部自动化，各种物理上和财务上的测量都是在线进行的。计算是由现代的计算机快速完成的，计算机发出适当的控制参数值并把它们传送到自动化机械飞快地执行我们的方法。

本发明的上述和其它特点可参照以下较佳实施例及其图表的详细说明来更好地了解，其中：

图1是气流纺纱机的纺纱器概略图;

图2是气流纺纱机的纺纱器的改进开松区的概略图;

图3表示纤维输入中的杂质和纱线输出中的杂质相关的机械特性;

图4表示一般纺纱器的参数灵敏度图表;

图5表示纱线杂质的参数灵敏度;

图6-14表示具有固定参数和变动参数的机械和毛利润特性;

图15-18表示纺纱器中第二级各种参数的机械特性图表;

图19表示串联运行的机器之间功能关系的方块图;

图20和21是表示纱线每磅毛利润作为纱线参量函数的图表;

图22是流程图，表示两主要步骤：标定和运行;

图23和24是流程图，表示图22的流程图的扩展。

表1表示纤维以环锭纺纱机和气流纺纱机进行纺纱过程中所经历的各道工序;

表2列出了纺纱工艺和织物形成中各部分的主要质量参数;

表3以方程式的形式表示机械的加工特性M和利润特性P;

表4是各种输入和机械特性的初始目标运行点以及由方程组2所推导的α-模型元件的表格;

表5是把具有大噪声分量的α-模型预测同准确的以方程组2为基础无噪声结果的对比;

表6给出了机械特性M和α-模型之间的相关系数（R²）的表格;

表7提供优化条件和运行设定的轮廓图;

表8表示最大利益/契约限制轮廓，其中运行条件不仅受企图达到的最大利润的限制，而且因输出纱线的某些契约限制有所下降;

表9与表8相同是对含杂量和短纤维含量所安排的一个最大利润契约限制轮廓的表格;

表10是表示对给定输入纤维特性包括成本在内的最大利润的表格。

A、转杯纺纱器的模型化

模型化的意义是指输入和输出的纤维或纱线的参数能用质量控制试验室仪表，例如AFIS、MANTIS、HVI（对棉包状态）、Tenso Rapid.Uster Tester 3和OPTRA或它们的在线变形来测量，并且对开松辊速度和气流等机器运行参数能够测量和控制，另外，对外部的市场条件和内部的成本计算信息能按照已知的方法进行测量。根据不同信息源和各种较广范围所给出的信息，我们的优化组织方法论一般是沿着统计过程控制和统计控制系统理论的路线来实现的。它是用以确定表征着加工机器和商业利润的单独模型因素的通用方法，并使两者都运行在所谓的“目标运行点”（TOP）周围，因此是对原有技术方法的一大进步。

现在我们把发明的重点转向机器特性的物理模型。本发明其余部分的最重要目的是利用现有的纤维和纱线测试装置逐步表明我们藉以建立α-模型因素的方法。β-模型因素的确立也采用相同的方法。最后我们将表明这两者的用处。

图1表示一般气流纺纱机纺纱器的略图，此纺纱器由两部分组成，一个开松/清结部分20和随后的转杯纺纱部分30。图1中的因素除了转速N18和输送杂质的气流速度Q17是变量以外，对现有设计的气流纺纱机具有普遍的代表性。图中给出了把棉条状态11的纤维转变成纱线状态的加工过程的概貌。

重要的是，这里把重点放在开松部分的机器特性。这一加工步骤在功能上几乎与AFIS的纤维分离器相同，我们假定从开松区离开的纤维正确地纺成25特的纱线（除去少数损耗外），当然，输出纱线的特性是受输入转杯的纤维特性以及不同转速、气流和沟槽设计等的影响。按照我们的方法象对所有其他纤维加工机械一样进行转杯纺纱过程的模型化。

棉条1一般由平行的纤维组成，其线性密度约为每米5克，它被引入喂棉辊12和喂棉板13的区域。纤维1A被挂到开松辊16的梳针15上，而纤维1A中的杂质粒子3被撞击力和离心力所排出，气流Q17将排出的杂质3送到系统外部。但不幸的是随同排出的杂质粒子中还有少量好纤维1B，象纺织加工中所有的开松区一样，此开松/清结区20在开清性能与纤维的损伤之间面临着困难的矛盾，清洁效果可通过提高开松辊的速度N18来改进，但这也将导致更多的好纤维被甩出，增大Q17可吸出更多的杂质，但也会吸走更多的好纤维，当然，不论是增加杂质吸出的气流Q17或开松辊的速度N18都能增加杂质的去除量，但也将增加有用纤维的排出量。

提高开松辊16的速度N18虽然具有增加除杂和改进梳理效果的双重积极作用，但不可避免也有消极的作用，纤维14在相当长的时间内被握持在喂棉板16的鼻尖19上和挂在梳理辊16上，它们一直要握持到被喂棉辊/喂棉板12/13的组合释放为止，时间约1秒钟。在其他条件不变的情况下，随着速度N的增加，纤维的损伤也将增加，这将反映到短纤维含量的增加，也就是长度小于0.5英寸的纤维的百分比将增大。纱线的强度和均匀度也将受到短纤维含量的影响，这是在机器设计和运行中必须涉及的另一个复杂的矛盾。

只需说明Q17和N18两个可变机器参数的设定便足以了解本方法了。其他许多参数，包括辊筒上梳针15的形式和密度、公差和间隔等因具有积极和消极的作用，所以必须在机器设计和运行中予以仔细考虑，我们把考虑局限于N18和Q17主要是为了使本文更加简明，但必须注意任何机器的变量都可用我们的方法进行处理。例如我们在图2中表示了纺纱箱10的一种改进的开松区20A，此改进是以我们在AFIS的纤维分离器的经验为基础的，该设计的主要革新在于引入了附加的可控制的参数使装置的性能得到改进。其中之一是可移动的梳理盖板21，其他还引入了一个多孔的开松辊16A和逆流槽21，如同现在AFIS中所采用的一样。

经过开松/清洁部分20或20A的开松和清洁以后，还有或多或少的纤维和遗留的杂质由一气流Q_R31送到转杯部分。此气流Q_R31一般在5英尺³/分范围内，并由转杯附近的抽吸装置（图中未示）来吸走。对于本发明，Q_R31是保持在5英尺³/分不变，纤维离开输送管32而甩入转杯34的沟槽33中，如图2中的截面图所示。在转杯的沟槽中形成纱线2并从转杯34的阻捻头35中抽出。捻度是由转杯的旋转所形成的。

在对纺纱器性能在物理上进行考虑时，我们假定在开松/清洁部分20后面的中间阶段40内以及纤维进入纺纱部分，纤维中的杂质和短纤维含量基本上保持不变，对纺纱器10在这两个阶段中的处理可说明后续各道机械工序的概念。对于我们的目的而言，转杯34的作用是把中间的纤维状态转变成纱线2，如前所述，目前的测量仪已能允许在从棉桃至最后准备阶段中棉纤维生产工艺中的任何一点上进行纤维特性的测量。AFIS能对本讨论中唯有的两个变量，即杂质和短纤维含量进行测量，当然，其他许多纤维参数能用AFIS，MANTIS或其他仪器进行测量，这些测量可包括在我们的方法中。

图3表示纺纱器输入纤维中杂质Tf51与纺纱器输出的纱线中杂质Ty52之间的相关关系的机械特性50、纤维含杂量用AFIS测量，而纱线含杂量由OPTRA测量。这些数据是来自共同发明人Anja Schleth氏的题为“纤维与纱线试验之间的关系的研究-重着于棉结和杂质的测试”的论文，并代表对于图3中以符号3、4、5表示的三种不同型式的转杯纺纱器，纱线中杂质同纤维中杂质之间的关系，所有速度和气流是固定的和正常的，图中还表示了环锭纺纱的两组数据，用符号1和2表示，这两组数据在相关系数R²的计算中并不包括在内。

图4表示速度从5，000变到9，500转/分时一般纺纱器的参数灵敏度。产生这些曲线的“机械特性”方程式将在后面说明，显然，当速度N增加时，由于开松清洁区20的除杂效率提高而纱线的含杂量Ty53有所下降。图5表示当气流17从1改变到4英尺³/分时的参数灵敏度。同样，纱线含杂量随着气流的增加而降低。

图6-14表示纱线杂质数Ty55对开松辊速度N18的关系。这些图表从优化机器控制的角度出发说明了对本发明特别有用的机械特性，也就是说对于一给定的纤维杂质输入T_f58，可从速度和气流的设定值确定输出纱线的含杂量，用Q作为独立变量和以N作为参变量也能作出同样的曲线族，但对本发明而言，以图6-14所示的Ty-N曲线为更佳。同样的说明也适用于图6-14所给出的纱线强度STy60，纱线的变动系数CVy62和每磅的毛利润美元/磅64等图表。

这种两维的曲线可确定机械参数N和Q，当然其他许多影响纱线杂质的变量也能同样地处理和作出曲线。我们将采用图6-14所示的参数曲线的方式来描述一般纺纱器的机械特性以公开我们用以确定纤维加工机械通用模型因素的方法。

如果仅考虑纱线含杂量的话，则通过对图6-14中机械特性的观察，可以得出结论只需以最高的速度和最大的气流来运行即可。因为它相当于纱线的最低含杂量。在此例子中优化控制将只需运行在机器设定范围的极限，这种结论是没有意义的，因为速度和气流除了具有提高清洁效率的积极作用外，还具有其消极作用，因而必须在积极和消极效果之间进行权衡。

对于短纤维纺制的纱线，纤维加工机械中的前几道工序（见表1）目的是为了末道的纺纱工序准备纤维。除第一台以外，每台机器都从上一道工序输入纤维，（当然棉包本身就是轧花加工机械的输出）。另一方面，每台机器的输出是下一道工序的输入。因此每台机器都有纤维输入和纤维输出，其性能可同其运行设定参数一起进行测量。纱线是从纺纱机输出纤维的状态。

加工机器的特性同输入特性、机器参数和输出特性之间具有以下的函数关系

Fi+1＝Mi（Xi，Fi）（1）

式中Fi+1是输出纤维（在末道工序后为纱线）特性的矢量值，Xi是第i台机器参数的矢量值，Fi是输入纤维特性的矢量值，Mi表示它们的函数关系，称为机械特性。任何一台机器的输入或输出的纤维或机械特性能够进行在线测量（即在机器运行中）。纤维和纱线特性也能离现（在试验室中）测量，这在理在更为普遍。这些测量包括了随机误差和噪声。如果对关系M有充分和精确的了解的话，便能用以对纤维加工运行实现优化控制。

机械特性M可用实验方法来确定。这种实验包括测量F_i+1、F_i和X_i，此处i是从1开始的整数指数表示不同机器的序号。在表1中，对于气流纺纱而言，i＝1相当于棉包状态，i＝7相当于末道并条的棉条。对气流纺纱而言，F₈＝Y₂（纱线）。函数关系或机械特性M的结构也可从各种物理定律进行部分的假设，或从机器性能的专门知识来获得。在下面所提供的转杯纺纱器中，M是一个以测量和经验，特别是以AFIS为基础的方程式系统。

我们将相对于运行点来进行机械特性的模型化。这种模型称为“α-模型”，同时我们的发现还给出了由输入纤维、输出纤维和机械参数的测量数据所确定的模型因素。

为了说明我们的方法，我们首先提供如图1所示工业上常用的把纤维（棉条）加工成纱线的普通纺纱器的函数关系。函数关系M是以纺纱器10的、与AFIS功能相同的开松部分20的知识，以及在Zellweger USter的刊物（Uster公报1989）中所述的转杯纱各种性能的物理和专门知识为基础的。函数关系M在后面将称为机械特性M，它是在图4～18中根据表3提供的方程组2的机械特性方程M而作出的平滑的无噪声曲线。后面我们将用机械特性方程通过适当增大所有测量参数的噪声分量来产生合成的，与实际测量所得的结果相同的数据。

表3还包括利润模型P，将在下面说明：

表3的方程组2α中和图4～14的曲线中所表示的P（美元/磅）可理解为每磅纱线的毛利润（美元）。毛利润是以单位重量计算的纱线销售价扣除产品制造成本费。原料成本调节C表示购买杂质和短纤维含量较高的廉价原料所获的利润。为了清楚起见，这里所用的原料参数是指输入纺纱器的杂质和短纤维含量，而不是指棉包内的。从0～0.2美元/磅范围内的成本利润也是指在纺纱器的输入端，因此它反映以廉价购买高含杂量原棉的净收益，但在清洁过程中损失较多。为简单起见，我们假定在纺纱器输入的原料成本为每磅1.0美元，于是因好纤维丧失的金钱损失为0.01L。

在此实例中，图1的纺纱器10加工的棉条11可由两个测量特性来表征：输入纤维的含杂量T_f和输入纤维的短纤维含量ST_f。这两个性质均可用AFIS来测量。因此棉包中的高数值必然转移到纺纱器输入的高数值。纺纱器10把加工的纤维送到一中间部分40，称为第2部分。在该处可进行附加的测量，第2部分的纤维可用两个测量特性来表征，即第2部分的含杂量T₂和第2部分的短纤维含量SF₂，如表3中的方程式2α和图15～17所示这两个特性均可用AFIS来测量。

纺纱器10假定有2个机器参数，它们是开松辊速度N18和输送杂质的空气流速Q17。此两个机器参数能以很高的精确度来实现。我们把N和Q值解释为实际的辊筒速度和气流并且无随机测量误差或噪声。更严格地说，由于在纤维和纱线测量中有较大的随机影响存在，所以对N18和Q17的测量假定是合理的并不会造成多大问题。

纱线2的特性可用TensoRapid或TensoJet（强度/伸长），Uster3（均匀度、毛羽、细度和疵点）或OPTRA（每千米的杂质粒数或每克的杂质粒数）来测量。这里我们主要关心的是T_y、St_y和CV_y三种纱线特性。

一般纺纱器的一个附加特性是在加工中有一小部分纤维损失掉。在表1的方程组2中和图18中所表示的纤维损失部分L取决于机器的参数N和Q。纤维损失部分可通过对加工前的输入纤维和加工后的输出纤维进行称重来测量并用下式来计算

L = \frac{W_{f} - W_{r}}{W_{f}} - - - (3)

式中W_f是输入纤维重量，W_y是由输入纤维加工成的纱线重量，两者在相同的时间内进行采集，L是所测量的纤维损失部分。

如果有两台机器运行，使第2台机器进一步加工第1台机器的出来的制品而生产出第2台机器的制品，则此两台机器称为串联连接。如图19的概略图所示。如果每台机器用方程式1的特性方程式来描述，则有

F_i+1＝M_i（X_i，F_i）

F_i+2＝M_i+1（X_i+1，F_i+1）（4）

由于已知机器i的输出是机器i+1的输入，于是可得出一复合的模型

F_i+2＝M_i+1〔X_i+1，M_i（X_i，F_i）〕（5）

这是一个函数组成，可用速记法来表示

F_i+2＝M_i+1oM_i（X_i+1，X_i，F_i）（6）

这种方法可通用到串联连接的任何数目P的机器

F_P+1＝M_PoM_P-1o……M₁

（X_P，X_P-1……X₁，F₁）（7）

规定一个由式（8）表示的机器设定的复合矢量

X₁

X₂

X_a＝（8）

X_P

此处每一个X_i被假定为一纵行矢量，而X_i之间的水平短横线表示分隔矢量Xa是由把X₁堆放在X₂的顶上，依次类推。于是总的机器模型M_a为

F_P+1＝M_a（X_a，F₁）（9）

此处若用速记符号表示则为

M_a＝M_PoM_P-1o……M₂cM₁（10）

（注：矩阵运算是当方程式为线性时的一个特殊情况。）

用我们的方法进行利润最大化时，一台或几台机器或部分机器可在集中用一函数M来代表，这种表示仍能按机器设定和输入特性来描述包括中间加工部分输出在内的机器输出性能，例如实例中纺纱器的第2部分纤维特性，根据此复合模型能用一数值函数来描述当机器运行在特定机器参数和使用特定原料或输入的情况下的利润或效益效率。

按照函数组成的步骤，同第2部分纤维有关的输入纤维特性和机器设定的方程式以及与输出（即纱线）特性有关的第2部分纤维特性的方程式能够用取代变量的办法来组合。表3中的方程式组2给出了所得到的描述一般纺纱器机械特性M的方程式。

B.对目标运行点（“TOPS”）的模型化

表3中的方程式特别把一示范的转杯纺纱器的机械特性M限定为前面方程式1所述的

Y＝M（X，F）（11）

此处F_i+1＝Y，在此情况下为纱线状态，并把式中的下标i省略，因为我们仅考虑一种机器。

人们希望对机器参数和输入纤维的选择进行控制以期获得最大的利润。（控制意味着选择、巧妙地处理、或设定或采取行动。这些行动具有积极的和消极的结果。如前如述，优化控制就是在受到纤维和机器的约束下，采取能获得最大利润的措施。）

若对利润的计算给定一适当的和以同样方法确定的模型P，则在受到F和M的约束下实现最大的P将是一个标准的优化问题。然而对加工机器特性M和利润特性P还没有足够的了解来应用到具体的机器工序或整修纺织厂。M和P均必须特别和经常地确定。M是在不同的时刻通过输入纤维特性F、输出纤维或纱线特性Y和机器参数X的测量来观察。另外，利润特性P可在不同的时刻用作输出纱线的生产成本和销售价格。通过这些不同的测量必须获得所有用以使利润最大化的信息，于是能体会到“信息过载”是标准优化方法所产生的结果。

显著的利润可通过对未知机器或利润特性根据一组目标纤维、机械和市场运行条件来进行模型化而实现。这样的运行相当于一矢量点，我们把它称为一“目标运行点”或TOP。我们把这样限定的工艺和利润特性依次称为“α-模型”和“β-模型”。图20和21表示纱线每磅毛利润作为ST_y、CV_y和T_y的参数函数。这些利润特性具有与图4或5同样的图形。对机械特性的说明可沿着恒等线而扩展并发展成一个对毛利润或销售价格的模型。因此只需对我们的“α-模型”进行解释就足够了。附带地，图20和21是从表3P方程式的适当项目推导而得的，其中纱线特性为独立变量。这些数据合理地反映了市场经验。

对每一输出纤维或纱线的特性Y_K，可按照式（12）相对于该特性的目标运行点Y^O _K假设一α-模型结构。

Y_K＝Y^O _K（1+α_K）（12）

式中α_K是一矢量值函数的一个分量，它是按照我们的方法来确定的，并取决于对机械参数X^O和输入纤维特性F^O的目标运行情况的偏差：

α＝α（X-X^O，F-F^O）＝α（△X·△F）（13）

式中X和F分别为相关的机器参数和输入纤维有关的特性，而△X和△F为与目标值的偏差。

此α-模型能预测在任何机器运行条件和输入纤维特性下，在定标范围内的机器性能。因此矢量函数α一旦被找出后，便能同预测利润或销售价的β-模型的方程式相结合，带入其他可测量的和可预测的因素，作为输出纤维或纱线特性和内部的成本会计数据的函数。这个事实能使优化运行条件得到实现。

α-函数有五个值得注意的特点：

a.从方程式12和13可见，α_K的数值表示输出纤维或纱线特性Y_K对其目标值Y^O _K的分数偏差值，也就是说α的系数是对灵敏度的一个衡量。例如，若Y_K为纱线含杂量，则100×α_K（X-X^O，F-F^O）之值为预测的百分数，它是当机器运行在以机器矢量△X为特征的机器参数和加工以特性矢量△F为特征在输入纤维下，且两者都偏离目标运行点（TOP）时，其含杂量与目标值的偏差。

b.显然，如果运行在TOP下，则矢量函数α为零。

c.因此α值是一新奇和有效的媒介，它能把加工性能信息传输给操作者、监督者、管理部门和计算机，另外在方程式12和13的结构中，矢量函数α能使机器特性模型及其所包含的一切与标准的和被广泛接受的统计的过程控制（SPC）直接相连。

d.矢量函数α可自动地用于调节机器参数以及输入纤维特性，或推荐实现优化工艺运行的调节，即α的标量是传统的控制技术中的“误差信号”。

e.矢量函数α非常适宜于扩展到其他机器并围绕其目标运行点实现优化，最重要的是我们用公式表达的模型和确定模型因素的数据的方法能独特地和理想地适用于整个生产过程的优化，α-模型的许多适应性是从上述的函数组成中获得的。

给定了上面定义为β-模型的效益模型以及生产过程的α-模型之后，优化控制问题包括两大步骤：（1）定标和（2）运行。这些步骤将通过α-模型的具体例子然后扼要地按次序和逻辑流程图来说明。第二步，在利润最大化的意义上来选择目标运行条件使机器运行在目标运行点TOP的附近。TOP由利润的最大化来选择，以满足方程式12的约束使N、Q、T_f和SF_f均在可接受的限制或“折衷区域”以内。于是控制系统周期性地或连续地调节机器参数和选择具有所需特性的输入棉包。这些特性和参数是按照输入纤维特性、机器参数和输出纤维或纱线特性的测量值并使β和α分量的数值接近于零的方法来进行调节。

因此我们的方法的主要革新是按照下面所述的流程图所执行的实验步骤来描述围绕或接近于目标运行点TOP的加工和利润特性。我们注意到描述在TOPs附近的加工或利润特性不一定意味着限制在小信号和线性系统技术。α-模型和β-模型一般都是非线性的。

现在我们来定义β-模型。希望采用利润特性可以从输入纤维特性、机器参数、输出纤维或纱线特性以及可能的其他因素的数值中预测期待的利润。鉴于有充分的理由认为引用加工特性的α-模型是有利的，因此可采用类似的方法来描述利润特性如下

P＝P^O〔1+β（△X₁，△Y）〕（14）

式中P^O为目标利润，△X和△F同前面一样，而△Y是输出纱线特性对目标值的偏差。

C.α-模型的具体实例

因为加工机械特性一般是未知数，由方程式12所描述的关系必须通过测量数据的分析来确定。有许多标准的和熟知的方法可从一系列测量中通过适当减少误差的判别来描述所期待的性能，然而如前所述，这些早期的技术方法将导致信息过载、掩盖重要的相互关系，甚至对于一单台机器也不太适宜于统计过程控制或自动优化控制，为了说明我们的方法起见，将描述一种用以确定矢量函数α的推荐步骤。这将利用前面所述的气流纺纱器的机械特性来进行。

首先选择对纤维特性和机器运行的约束范围。它们同图6～21相一致。它们是：

5000＜N＜9500

1＜Q＜4

50＜T_f＜250/克（15）

7＜SF_f＜19%

为简化起见，我们假定T_f和SF_f的离散值为

T_f＝50，150，250粒/克

SF_f＝7，13，19%（以重量计）（16）

我们还假定由于购买具有不同的较高含杂和短纤维含量的廉价原料而获得不同的原料成本利润的值。这些成本利润反映在毛利润（美元/磅）的结果中，如图6～14所示。

定标在运行范围内选择Q、N、T_f和SF_f的数值，在“现实世界”中，总是存在“噪声”，所以这些数值要进行估计，对每一个估计，Q，N，Tf，SFf，T_y，S_y和CV_y的计算值会受到随机测量误差或噪声的影响。这就产生一与实际测量类似的合成测量数值表，并通过它我们能证明我们的方法与实际变化较大的纤维和纱线特性的测量能满意地吻合。为此目的，这里我们把随机测量误差模型作为附加的高斯的零平均，并在测量中是独立的，这种噪声模型可表示为

Y_m＝Y+n_y

F_m＝F+n_f（17）

式中的下标“m”表示测量值，矢量“n”表示噪声，下标“y”和“f”表示相应变量测量中的噪声。此附加的噪声模型简化了函数关系α的确定中所包括的数学和计算。然而也能利用更加通用的噪声模型来寻找函数关系α。因此这里所用时噪声模型仅是为了方便而并非只限于应用这一方法。

运行对机器参数（N^O，Q^O）、输入纤维特性（Tf^O，SFf^O）和输出纤维特性（Ty^O，Sy^O，CVy^O）选择一个初始运行点的参考值。这些数值用作α-模型中的初始运行点，因此当目标输出纤维或纱线特性达到时，α为零。为了便于说明起见，我们选择N^O＝7250转/分，Q^O＝25英尺³/分、T_f＝150/克，SF_f＝13%。

函数α，α_K的分量假定具有以下形式：

α_K＝

c_jq_j（△N，△C，△T_f，△CF_f）＝C₁+C₂△N+C₃△Q+C₄△T_f+C₅△SF_f+C₆△N²+C₇△Q²+C₈△T² _f+C₁₀△N·△Q+C₁₁△N·△T_f+C₁₂△N·△SF_f+C₁₃△Q·△T_f+C₁₄△Q·△SF_f+C₁₅△T_f·△SF_f+C₁₆N³+……（18）

式中 q_j＝功率级数函数

△N＝N-N^O

△Q＝Q-Q^O

△T_f＝T_f-T_f ^O（19）

△SF_f＝SF_f-SF^O

α_K的这种形式相当于α_K围绕着目标运行点展开的一多变量的泰勒级数。

在这一点上必须确定系数C_j，这根据测量噪声统计上的不同表现可用不同的公式来表示。最简单和常用的是最小二乘逼近和解决此问题用的标准软件包。其中在这里用的是SAS。（SAS＝美国北卡洛利那州的统计分析系统公司）。

表4列出了不同输入、输出和机械特性，以及从M的方程组2中得出的在无噪声和有噪声情况下的α-模型因素。我们在纤维测量上附加了10%的噪声，在纱线测量上附加了5%的噪声，而在机械参数设定的测量上不附加噪声。下面列出了对纱线含杂量矢量函数的一个因素。系数可参阅表4

α＝50.210464-0.000247△N-0.176553△Q+0.005694△T_f+0.003107△SF_f+0△N²+0.031774△Q²-0.000007△T²-0.000664△SF 2_f+0.000050△N·△Q-0.000001△N·△T_f-.000001△N·△SF_f-0.001163△Q·△T_f-.000388△Q·△SF_f+0.000021△T_f·△SF_f（20）

因此方程式20表示到二次项为止的有噪声α-模型的形式，

通过表4中无噪声和有噪声C_j的比较还难以看出现有的和大随机误差或噪声是否会影响模型的预测。表5列出了加工特性M与有噪声的二次α-模型之间的差别。（在某些规定中把方程式M称为“真实”模型），对于ST_y和CV_y，差别是很小的，对于T_y差别较大，如果遇到的T_f和T_y的范围越大，则差别也越大。显然，不论有无噪声，α-模型同M是很接近的。

表4和表5是来自计算中的某一次结果。表4中有噪声的C_j值和表5中的差异对对任何其他由于实际噪声的引起结果有所不同，但是α-模型非常接近M-模型的结论则并不会改变。

表5提供了即使在具有非常大的噪声影响下机械特性M与α-模型之间的确定系数R²。这更普遍地论证了我们的α-模型满意地接近于M。当然，这种如表4，5，6所示的实际论证结果能进一步扩展以更强有力地证明我们的方法的有效程度，并根据α-和β-模型进一步论证它的实用性。以上的公开已论证了我们方法的有效性，现在我们来论证我们方法的实用性。

D.α和β模型的运行实用性，转杯纺纱器的优化设计

确定α和β函数关系的实际动机是为了确定和维持优化的加工运行。最好是自动控制措施能通过机器参数和输入纤维特性的周期性或连续的调节使加工运行保持在优化TOPs的附近。现在我们来概略地叙述α-和β-模型如何促进优化控制。

表7表示在纺纱器输入纤维参数T_P＝150杂质粒/克和短纤维含量SF_f＝13%的情况下最大毛利润的略图。按照在较大噪声污染下的α-模型，最大毛利润为44美分/磅，它发生在机器参数为N＝6900转/分和Q＝4.0英尺³/分的情况下（见$的符号），利用表3无噪声的机械特性M，在N＝73000转/分和Q＝4.0英尺³/分下可产生同样的结果46美分/磅。纱线参数T_y，ST_y和CV_y的α-模型预测同无噪声的正确机械特性M是完全一致的。这又一次论证了α-模型能令人满意地工作。

注意在表7中给出了在纤维输入为T_y＝43.8，ST_y＝10.8和CV_y＝15情况下的最有利的加工运行，而表8则给出了在纱线特性比优化值上下5%时所得出的α-和β-模型，即T_y≤1.05×43.8＝46.0，ST_y≥0.95×10.8＝10.3CV_y≤1.05×15.0＝15.8。从符号$向上和向右扩展的一个近似三角形的区域表示从±5%的限制得出的“折衷区”。对所有符号7的纱线参数虽然都在优化值的±5%以内，但毛利润则始终小于优化值44美分/磅。对于可接受纱线（“±5%”）的最低毛利润比优化值少3.5美分/磅。

表9对这种常见的商业情况给出了轮廓：若已知有机会销售加工机器生产的比表7和8的规格±5%的纱线，则纺纱器最有利的输入材料应该是什么样的（并非棉包状态）？

假定可用的材料具有含杂量为50＜T_f＜250/克和7＜SF_f＜19%，应用α-模型和β-模型可得出当购买杂质最多和损伤最少的纤维时，最大利益为52美分/磅。。这是一个极其重要的例子。

表9进一步表明了能满足纱线规格但产生较少毛利润的材料范围。

最后，表10说明了另一常见的重要商业情景：若已知输入材料的参数和有机会销售比规格±5%以内的纱线（同表1～4），则能获得的最大利益是多少？机器的参数应如何设定？

非常有趣地看到，最大和最小的毛利润都是出现在输入为250/克的情况下，最大毛利润发生在SF_f＝7%，最小毛利润发生在SF_f＝10%。这里我们又一次看到了短纤维含量较高的严重后果。

E.利用α-和β-模型的流程图

可见前面由α-和β-模型所表示的过程能提供确定对纺织加工机械优化控制有影响的各种参数，利用这些模型有可能从给定机械的优化性能开发可控制参数的纺织机械。

首先必须确定一目标运行点。目标运行点的条件可根据契约规定和利润的最大化来选择。例如一个契约可规定一具有某最低强度和杂质粒数要求的纱线的具体数值。也可规定其他特性，如由含杂量、短纤维含量或个别纤维强度等所限定的原棉质量。

还可提供其他参数，例如已知的或由实验确定的机器性能，已知的机器控制参数和输入纤维特性，然后根据所有这些数据和所述的有关α-和β-模型的技术可计算出机器的优化控制参数。最后把计算的控制参数输入给机器，使机器的输出产品与目标运行点相匹配。

控制方法基本上包括两大步骤。首先，象对α-和β-模型一样通过机器在整个运行范围内的实验运行并利用目标准则来建立所涉及机器的模型。然后利用模型来确定控制参数以达到目标准则。因此利用本发明公开的方法能毫不费时地提供机器的优化控制，并且还可避免对控制参数毫无效益的试验和误差确定，或对预定控制参数的不灵活的应用。

这两个主要步骤在图22中表示为定标和运行。定标步骤相当于建立模型和确定优化控制参数和输入特性。运行步骤相当于机器按照确定的输入材料特性和控制参数而运行。

图23和24的流程图是图22流程图的扩展形式。由于得到扩展，定标步骤包括了取得加工和利润数据，选择目标运行点和按照数据建立α-和β模型等附属步骤。随后，运行步骤包括了使机器在确定的优化条件下运行以及根据误差来产生运行校正等附属步骤。产生运行校正的步骤由监测机器输出使之与目标运行点一致、建立新的α-和β-模型以确定适当的输入参数和机器参数、调节机器和运行等步骤过完成。如流程图所示，建立正确模型和结果的控制条件可允许对机器实现细调以达到与目标运行条件更进一步的一致。

虽然较佳的方法是纱线纺制的设定中所推荐的实施例而描述的，但它也能容易地适应于从轧花到织物生产的纺织加工技术中任一道工序。这些对各种工序的适应性必需使用各种机器特定的新变量，并在不偏离以下的权利范围来完成。

表1

粗梳棉纱的纺纱系统

环锭纺纱气流纺纱

1、开包(2) 1、开包(2)

2、清棉(2) 2、清棉(2)

3、混棉(2) 3、混棉(2)

4、梳棉(2) 4、梳棉(32)

5、头道并条(8) 5、头道并条(8)

6、末道并条(8) 6、末道并条(8)

7、粗纱(1,400) 7、气流纺纱(26,000)

8、环锭纺纱(42,000)

表2 主要质量参数

纤维机械纱线织物

强度机器元件支数外观

伸长内部参数强度耐磨度

长度稳定性(磨损) 伸长强度

短纤维含量环境条件均匀度均匀度

细度生产率,效率细度手感

成熟度人员毛羽染色性能

颜色捻度透气性

各种疵点各种兹疵点

例如杂质、棉结例如杂质、棉结

树皮、草等粗细节

含湿量

粘点

含糖量

表4

初始目标运行点的α-模型

X：（N＝7250转/分，Q＝2.5英尺³/分）

F：（Tf＝150/克SFf＝13%）

变量 Cj Cj

（无噪声）（纤维测量中有10％噪声）

（纱线测量中有5％噪声）

（机械测量中噪声为0％）

表5

Tf＝150/克，SFf＝13%

M,无噪声 α-M

N Q Ty STy CVy Ty-Ty STy-STy CVy-CVy

千转/分英尺³/分数/克克/特 %

5.0 1 115.0 10.8 15.4 0.2 -0.5 -0.1

6.5 1 72.1 10.8 15.1 8.4 -0.3 0.4

8.0 1 51.0 10.7 15.2 5.3 -0.2 0.5

9.5 1 39.1 10.4 15.4 3.4 -0.2 0.3

5.0 2 94.0 10.9 15.2 3.5 -0.4 0.1

6.5 2 59.7 10.9 15.0 6.9 -0.3 0.5

8.0 2 42.8 10.7 15.1 3.3 -0.3 0.5

9.5 2 33.3 10.5 15.4 2.8 -0.3 0.2

5.0 3 80.0 10.9 15.0 3.0 -0.3 0.1

6.5 3 51.4 11.0 14.9 4.4 -0.3 0.4

8.0 3 37.3 10.8 15.0 1.8 -0.3 0.3

9.5 3 29.4 10.5 15.3 3.4 -0.4 0.0

5.0 4 70.0 11.0 14.9 1.7 -0.1 0.0

6.5 4 45.5 11.0 14.8 2.8 -0.2 0.2

8.0 4 33.4 10.9 15.0 1.9 -0.3 0.1

9.5 4 26.6 10.6 15.3 6.1 -0.5 -0.3

表6

R²无噪声的α-模型有噪声的α-模型

Ty 0.9847 0.9630

STy 0.9999 0.8586

CVy 0.9992 0.7942

表7

最大利润略图

输入纤维Tf＝150/克，SFf＝13%

优化条件 α-模型 M

最大利益(S/磅) 0.443 0.459

Ty(/克) 43.8 38.1

STy(克/特) 10.8 11.0

CVy(%) 15.0 14.9

Q(英尺³/分) 4.0 4.0

N((转/分)) 6900 7300

空气(英尺³/分)

1.0 0000000000000000009998887777776666666666666777

1.2 0000000000000000999888877777666666666666666777

1.4 0000000000000009988887777666666666666666666777

1.6 0000000000000999888777766666666666666666667777

1.8 0000000000099988877776666665555555556666667777

2.0 0000000009998887776666655555555555555566666777

2.2 0000000999887777666655555555555555555566666777

2.4 0000099988777666655555554444444445555556666777

2.6 0009998877766665555544444444444444455556666778

2.8 0998887776665555444444444444444444445555666778

3.0 9888776665555444443333333333333344444555666778

3.2 8777666555444433333333333333333334444555566778

3.4 7766555444433333322222222222233333344455566778

3.6 6655544433332222222222222222222333334445566778

3.8 5544433332222211111111111111222223334445566678

4.0 4433322222111111111$11111111112222333445556678

5555555555666666666677777777778888888888999999

0123456789012345678901234567890123456789012345

0000000000000000000000000000000000000000000000

辊筒速度(转/分)

注：1.对纱线特性无约束

2.符号$为每磅最大利润

符号1为减少0.005$/磅

符号2为减少0.01$/磅

表8

最大利润/契约限制轮廓

输入纤维：Tf＝150/克 SFf＝13%

5%契约限制：Ty＜43.8/克，STy＞10.8克/特，CVy＜15.0%

最大利润＝在机械设定在Q＝4英尺³/分和N＝6900转/分时为0.443美元/磅N＝6900RPM

空气(英尺³/分)

1.0 5555555555555555555555555555555555555555777777

1.2 5555555555555555555555555555555555555577777776

1.4 5555555555555555555555555555555555557777777766

1.6 5555555555555555555555555555555555777777777766

1.8 5555555555555555555555555555555577777777777666

2.0 5555555555555555555555555555555777777777776666

2.2 5555555555555555555555555555577777777777776666

2.4 5555555555555555555555555557777777777777776666

2.6 5555555555555555555555555577777777777777776666

2.8 5555555555555555555555557777777777777777776666

3.0 5555555555555555555555577777777777777777776666

3.2 5555555555555555555555777777777777777777776666

3.4 5555555555555555555557777777777777777777776666

3.6 5555555555555555555577777777777777777777776666

3.8 5555555555555555557777777777777777777777777666

4.0 5555555555555555577$77777777777777777777777666

5555555555666666666677777777778888888888999999

0123456789012345678901234567890123456789012345

0000000000000000000000000000000000000000000000

辊筒速度(转/分)

注符号1表示满足STy的契约限制

符号2表示满足Ty的契约限制

符号4表示满足CVy的契约限制

符号5＝4+1表示满足CVy和STy

符号7＝4+2+1表示全部满足

表9

最大利润/契约限制轮廓

5% 契约限制：Ty＜43.8/克，STy＞10.8克/特，CVy＜15.0%

最大利润＝0.519$/磅是由选择Tf＝250/克和SFf＝7%，

纤维在机械参数为Q＝4英尺³/分和N＝8900转/分进行加工而获得的所生产的纱线特性：Ty＝34.5/克，STy＝12.3克/特，和CVy＝12.7%

Tf(/克)

50 1 1 1 1 1 1 1 1 1 1 1 0 0

70 1 1 1 1 1 1 1 1 1 1 0 0 0

90 1 1 1 1 1 1 1 1 1 1 0 0 0

110 1 1 1 1 1 1 1 1 1 0 0 0 0

130 1 1 1 1 1 1 1 1 1 0 0 0 0

150 1 1 1 1 1 1 1 1 0 0 0 0 0

170 1 1 1 1 1 1 1 1 0 0 0 0 0

190 1 1 1 1 1 1 1 0 0 0 0 0 0

210 1 1 1 1 1 1 1 0 0 0 0 0 0

230 1 1 1 1 1 1 0 0 0 0 0 0 0

250 $ 1 1 1 1 1 0 0 0 0 0 0 0

7 8 9 1 1 1 1 1 1 1 1 1 1

0 1 2 3 4 5 6 7 8 9

SFf(%)

注：1＝满足所有契约规定，在5%以内或更佳.

0＝全部不能满足

表10

对给定的输入纤维特性，包括成本在内的最大利润

Tf SFf 利润 Ty STy CVy Q N

/克 % 美元/磅 /克克/特 % 英尺³/分转/分

50 7 0.451 15.5 13.1 12.9 1.6 8400

50 13 0.454 20.5 11.5 14.6 4.0 6300

50 19 0.408 19.6 9.9 16.0 4.0 6300

150 7 0.479 32.3 12.9 12.7 4.0 8300

150 13 0.443 43.8 10.8 15.0 4.0 6900

150 19 0.366 43.5 9.2 16.6 4.0 6900

250 7 0.519 34.5 12.3 12.7 4.0 8900

250 13 0.447 52.9 10.2 15.2 4.0 7500

250 19 0.346 56.2 8.7 16.9 4.0 7300

Claims

1、确定一纤维加工机械模型因素的方法，其特征在于：在整个运行参数范围内测量纤维加工机械的特性，该特性在上述机械参数的范围内限定了输入纤维参数与输出纤维或纱线参数之间的相互关系；并从所述机械特性计算出模型因素。

2、用以预测纤维加工机器输出的纤维参数的方法，包括在纱线状态中的纤维以及各工序机械处理过的纤维，其特征在于通过：

a.在整个运行参数范围内测量纤维加工机器的特性，该特性在上述机械参数范围内限定了输入纤维参数与输出纤维或纱线参数之间的关系;

b.从所述的机械特性计算出模型因素;

来首次确定一个机器模型;以后对输入到所述纤维加工机器的纤维参数至少进行第二次测量，并把所述的输入纤维参数引入所述的机械模型，然后在特定的机械参数下对输出纤维或纱线的参数进行预测。

3、优化纤维加工机器参数的方法，其特征在于通过：

a.在整个运行参数范围内测量纤维加工机器的特性，该特性在上述机械参数的范围内限定了输入纤维参数与输出纤维或纱线参数之间的关系;

b.从所述机械特性计算出模型因素;

来首次确定一个机器模型，以后对输入到所述纤维加工机器的纤维参数至少进行第二次测量，并把所述的输入纤维参数引入所述的模型，然后在可接受的折衷范围内确定机械参数以期至少对一个输出参数进行优化，包括利润在内。

4、对两台或两台以上依次连接的纤维加工机器进行参数优化的方法，其特征在于通过：

b.从所述机械特性计算出模型因素;

来首次确定一个机器模型，以后对输入到所述纤维加工机器的纤维参数至少进行第二次测量，并把所述的输入纤维参数引入一个复合机器模型，然后在可接受的折衷范围内确定每台机器的参数。

5、对纺织机械加工的纤维原料的选择进行优化的方法，其特征在于通过：

a.在整个运行参数范围内测量纤维加工机器的特性，该特性在所述机械参数的范围内限定了输入纤维参数与输出纤维或纱线参数之间的关系;

b.从所述机械特性计算出模型因素;

来确定一机械模型，并计算所需的输出纤维或纱线的参数或利润，以及把所述的输出纤维或纱线参数引入所述的机械模型，从而确定输入纤维参数的优化范围。

6、实现纺织加工机械的优化控制以期从一可用的输入材料和机械控制参数的范围获得相当于一目标运行点的输出的方法，其特征在于包括以下步骤：

对应于输入材料的可得到范围提供一个输入材料的范围，包括可得到的输入材料不同质量和等级的基本上完全的样品;

在所提供的输入材料的整个范围内来运行机器以产生输出材料;

当机器在输入材料的整个范围内运行时，在全范围内改变机器的控制参数，使所有输入材料和控制参数的组合均用来产生输出材料;

对全部输入材料和控制参数的组合下生产出的输出材料进行试验以确定输出材料的各种特性;

建立一基本上包括全部输入材料特性、机械控制参数、和输出材料特性的数据库;

选择一目标运行点，包括至少一个参数选自由输入材料特性、机械参数或输出材料特性组成的一个参数组;

根据数据库在预定的目标运行点范围内的一个选择部分计算出机械性能模型;

利用模型从优化的输入材料特性、优化的机械控制参数或优化的输出材料特性组成的参数组中来确定至少一个优化参数;

按照优化参数来运行机器并提供输入材料。

7、根据权利6的方法，其中至少一个优化参数包括优化机械控制参数和一个优化输入材料特性以及还包括选择具有优化输入特性的输入材料并输入到机械和调节机械使之运行在优化的机器控制参数。

8、根据权利7的方法，其特征在于还包括以下步骤：

在机器以已确定的优化输入材料特性和优化控制参数运行之后，对机器生产的输出材料进行试验以确定它同目标运行点准则的一致性;

计算所生产的输出材料与目标运行点准则之间的误差量;

按照计算的误差调节所计算的机械性能模型;

重新确定优化的输入材料特性，和优化机械控制参数;以及

使机器在重新确定的优化控制参数和具有重新确定的输入材料特性的输入材料下运行，使所生产的输出材料符合于目标运行点准则。

9、根据权利7的方法，其中输入材料为短纤维，输出材料为纱线，而机器为纺纱机械。

10、根据权利7的方法，其中输入材料为纱线，输出材料为织物，而机器为织布机。

11、根据权利要求7的方法，其中输入材料为短纤维，输出材料为织物，而机器则包括纺纱机械和织造机械。

12、根据权利7的方法，其中所选择的目标运行点准则至少包括以下内容之一：

输出材料利润界限，输出材料短纤维含量，输出材料含杂量，输出材料抗拉强度，输出材料颜色和输出材料可染性。

13、根据权利7的方法，其中输入材料至少包括以下内容之一：

输入材料成本，输入材料短纤维含量，输入材料含杂量，输入材料抗拉强度，输入材料颜色和输入材料成熟度。

14、根据权利7的方法，其中机械是纺纱机，输入材料是短纤维，输出材料是纱线，而机械控制参数至少包括：纺纱机开松/清洁部分的吸走杂质的流速或开松辊的速度。

15、目的在于从可用输入材料的范围生产出与目标运行点一致的产品的一种优化控制纺织加工机械的方法，其特征在于包括以下步骤：

按照可得到的输入材料范围提供一输入材料的范围，包括不同质量和等级的可得到输入材料的基本完整的样品;

使机器运行在所提供的输入材料的整个范围内，以产生输出;

当机器运行在整个输入材料范围来产生输出时，在全范围内改变机器的控制参数使基本上所有的输入材料和控制参数的组合都用来生产输出材料;

试验输出材料来确定输出材料的各种特性;

建立不同输入材料特性、机械控制参数和输出材料特性的第一个数据库;

提供利润数据的第二数据库;

至少根据以下内容之一来提供第一和第二目标运行点：输入材料特性、机械控制参数、输出材料特性和利润数据;

根据第一数据库在第一目标运行点的预定范围内计算机械性能的一个α-模型;

根据第二数据库，在第二目标运行点的预定范围内计算出利润的一个β-模型;

利用α-模型和β-模型来确定优化的输入材料特性和机械控制参数，以提供能满足第一和第二目标运行点准则的输出材料;

选择能满足所确定的输入优化特性的材料输入机械;

调节机械控制参数使符合于所确定的优化值;

使机器运行在所选的优化输入材料和优化的机械控制参数下，以生产出符合于目标运行点准则的输出材料;

当机器以所确定的优化输入材料特性和优化控制参数后，对所生产的输出材料进行试验以确定是否与目标运行点准则相符。

16、根据权利15的方法，其特征在于进一步包括下列步骤：

计算所生产的输出材料与第一目标运行点之间的误差数量;

根据计算的误差调节所计算的机器性能的α-模型;

重新确定优化的输入材料特性和机械控制参数;

选择符合于重新确定的机械输入优化特性的输入材料;

调节机械控制参数，使之符合于重新确定的优化的机械控制参数;和

使机器运行在重新确定的优化控制参数和重新确定的输入材料特性下，以生产出符合于目标运行点准则的输出材料。

17、根据权利15的方法，其中输入材料特性至少包括下列内容之一：输入材料成本、输入材料短纤维含量、输入材料含杂量、输入材料抗拉强度、输入材料颜色，和输入材料成熟度。

18、根据权利15的方法，其中机械为纺纱机械，输入材料为短纤维，输出为纱线，而机械控制参数至少包括以下两者之一：纺纱机的开松/清洁部分内的吸引杂质的流速或开松辊的速度。