一种智能清纱算法的研究与实现

摘要

棉纺织品质量的好坏在很大程度上取决于棉纱线品质的优劣。清除有害纱疵已经成为纺织后道工序中不可缺少的环节。电子清纱器作为切疵的主要手段，能够有效的控制纱线的各种疵点，提高纱线的品质，被各大纺织厂所青睐。然而，电子清纱器的核心鉴别电路是以模拟电路为主，受到器件老化的影响，容易造成乱切、漏切等不稳定现象，使得纱线品质受到严重影响，降低企业的经济效益。此外，在纱疵归类和清纱特性曲线设置上，模拟鉴别电路具有很大的局限性。
　　随着计算机技术、信号处理技术和超大规模集成电路技术的发展，电子清纱器开始逐渐由模拟化往数字化方向发展，而清纱算法则是数字化电子清纱器的关键技术之一。研究一种智能化的清纱算法，能够有效鉴别各类纱疵，克服模拟鉴别电路的缺陷，提升电子清纱器的稳定性，因此具有极大的社会经济价值。
　　本文分析了模拟清纱鉴别电路的原理特性，在研究了电子清纱器信号采集、处理等相关技术的基础上，通过构建一种纱线疵点检测的光电传感器，对实际所测得的纱线信号进行了大量对比分析，提出了一种基于EMD(Empirical Mode Decomposition)的纱线消噪算法和基于神经网络的疵点识别算法，能够有效地消除纱线直径信号的干扰，更好地实现各种纱疵的归类，方便用户定制各种清纱特性曲线。论文的主要工作及研究成果可概括如下：
　　(1)在分析研究电子清纱器的传感方式和信号处理方法的基础上，构建了一种基于光电传感方式的信号检测、采集、分析和处理的平台。通过该实验平台可以对现场的噪声环境进行模拟，从而提供可靠的纱线数据。
　　(2)为了提供较高信噪比的纱线信号，便于对纱疵信号进行识别，采用基于经验模态分解方法(EMD)的消噪策略，并对EMD的实时性进行了分析优化，取得了较好的消噪效果。
　　(3)利用神经网络的泛化能力，结合纱疵分级标准，将BP网络应用于纱线疵点的归类识别，对设计的网络进行训练、识别和优化，并与传统的时域识别方法进行了比较。

目录

文摘

英文文摘

第1章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 论文研究内容

1.4 论文组织结构

第2章 清纱的相关技术

2.1 传感技术

2.1.1 光电式

2.1.2 电容式

2.1.3 微摄像式

2.1.4 摩擦式

2.1.5 多传感式

2.2 信号处理技术

2.2.1 模拟鉴别电路

2.2.2 时域分析算法

2.2.3 FFT变换

2.2.4 小波分析

2.2.5 神经网络

2.3 本章小结

第3章 实验平台构建与纱线信号提取

3.1 实验平台的构建

3.2 静态参数分析

3.3 动态特性分析

3.4 含噪纱线信号提取

3.5 本章小结

第4章 基于EMD的消噪方法

4.1 EMD方法消噪的基本原理

4.1.1 固有模态函数的定义

4.1.2 EMD方法的分解过程

4.1.3 EMD消噪方法

4.2 自适应噪声阈值及阈值函数的选取

4.3 纱线信号分析

4.3.1 纱线信号的EMD消噪

4.3.2 EMD消噪效果分析

4.4 EMD的实时性改进

4.4.1 EMD实时性分析

4.4.2 基于频率分析的筛选终止条件

4.4.3 改进的EMD消噪分析

4.5 本章小结

第5章 基于神经网络的纱疵识别

5.1 神经网络的基本原理

5.1.1 神经网络简介

5.1.2 BP神经网络原理

5.1.3 BP神经网络的优缺点

5.2 基于BP网络的纱疵识别应用研究

5.2.1 纱疵的归类与清纱特性曲线

5.2.2 纱疵识别的神经网络设计

5.2.3 神经网络训练与纱疵识别

5.3 本章小结

第6章 算法测试

6.1 基于LabVIEW实验分析平台

6.2 基于EMD消噪算法测试分析

6.3 疵点识别算法性能分析

6.4 本章小结

第7章 总结和展望

7.1 总结

7.2 展望

致谢

参考文献

附录

学术论文详细摘要