پيش‌‌‌بيني خصوصيات نخ ريسيده‌شده در ريسندگي فاستوني با استفاده از روش تركيبي شبكه عصبي باناظر و بدون ناظر

Prediction of Spun Yarns Properties in Worsted Spinning Using Hybrid Supervised and Unsupervised Neural Network

از مهم‌‌‌ترين پارامترهاي نخ از لحاظ كيفي، يكنواختي آن است كه تاثيرات چشمگيري بر عمليات چله‌كشي، بافندگي و در نهايت، منسوج توليدي دارد. اين پارامتر بستگي مستقيم به خصوصيات الياف و پارامترهاي فرايند ريسندگي دارد. در اين تحقيق، نايكنواختي نخ در سيستم ريسندگي فاستوني با استفاده از روش تركيبي شبكه عصبي خود سازمان‌دهنده كوهونن و شبكه پرسپترون پيش‌‌‌بيني شده است. تعداد 2490 سري آزمايش شامل پارامترهاي مواد اوليه و پارامترهاي كيفي نخ توليدي در يك كارخانه ريسندگي فاستوني جمع‌‌‌آوري شد و مورد پردازش قرار گرفت. در مرحله اول، ابتدا داده‌‌‌ها با استفاده از شبكه عصبي كوهونن خوشه‌‌‌بندي شد. سپس هر خوشه به‌طور جداگانه، به يك شبكه پرسپترون تغذيه گرديد. در مرحله بعدي، پيش‌‌‌بيني يكنواختي نخ تنها با يك شبكه پرسپترون صورت پذيرفت. مقايسه نتايج حاصل از روش تركيبي در مقايسه با شبكه پرسپترون نشان داد كه استفاده از روش تركيبي شبكه كوهونن و پرسپترون، خطا را به ميزان 3.34 درصد كاهش مي‌‌‌‌‌‌دهد.