استفاده از هوش مصنوعي جهت بهينه‌سازي پارامترهاي مؤثر بر فرآيند ريسندگي چرخانه‌‌اي

Using artificial intelligence to optimize the effective parameters on the rotary spinning process

يافتن ارتباط بين پارامترهاي مستقل و وابسته در فرآيند ريسندگي چرخانه‌اي از نظر كيفيت نخ و ميزان توليد از اهميت بسزايي برخوردار است. در اين پژوهش داده‌هاي به ‌دست آمده با استفاده از روش سطح پاسخ، مربوط به بررسي اثر پارامترهاي سرعت چرخانه، فاكتور تاب و نسبت طول ليف به قطر چرخانه بر روي ميزان كشش متوسط و كشش بيشينه از مطالعات پيشين استخراج شد. سپس، ارتباط بين پارامترهاي پاسخ و متغيرهاي مستقل با استفاده از شبكه‌هاي عصبي مصنوعي مدل شد. در مرحله بعد، با كوپل كردن الگوريتم ژنتيك و انجام بهينه‌سازي خطي مقدار متوسط كشش افزايش يافته و همچنين ميزان تفاوت بين كشش متوسط و كشش بيشينه به حداقل مقدار خود رسيد. اميد مي‌رود با چنين روشي بتوان مسائل پيرامون توليد نخ‌هاي چرخانه‌اي از جمله پيچيدگي ارتباط بين متغيرها را برطرف ساخت.

Finding the relationship between independent and dependent parameters in the rotor spinning process is very important in terms of yarn quality and production rate. In this research, the data obtained using the response surface methodology, related to the investigation of the effect of parameters including spinning speed, twist multiplier and the ratio of fiber length to rotor diameter on the amount of mean tension and peak tension were extracted from previous studies. Then, the relationship between response parameters and independent variables was modeled using artificial neural networks. In the next step, by coupling the genetic algorithm and performing linear optimization, the mean tension value was increased and the difference between the mean tension and peak tension reached its minimum value. It is hoped that with such a method, the issues surrounding the production of rotor-spun yarns, including the complexity of the relationship between variables, can be resolved.