邵景峰， 馬創(chuàng)濤

(西安工程大學(xué) 管理學(xué)院， 陜西 西安 710048)

在中國制造2025戰(zhàn)略下，隨著我國棉紡企業(yè)數(shù)字化車間建設(shè)進程不斷推進和傳感器的大量應(yīng)用，整個棉紡生產(chǎn)過程積累了大量的與質(zhì)量相關(guān)的數(shù)據(jù)，而這些數(shù)據(jù)之間因存在自相關(guān)性，從而導(dǎo)致紡紗質(zhì)量難以精準(zhǔn)控制。

國外研究者對該問題的研究主要集中在基于質(zhì)量預(yù)測的反饋控制方面。如：FATTAHI S等[1]利用穩(wěn)健回歸和附加平方和提出了一種紡紗質(zhì)量預(yù)測方法，并通過輸入纖維屬性來預(yù)測紡紗質(zhì)量的拉伸、不勻和毛羽等性能指標(biāo)；NURWAHA D等[2]研究了一種基于多層感知神經(jīng)網(wǎng)絡(luò)、支持向量機(SVM)以及徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的紗線質(zhì)量智能控制系統(tǒng)，該系統(tǒng)通過模型對紗線的質(zhì)量屬性等知識進行學(xué)習(xí)，從而實現(xiàn)紗線質(zhì)量的控制，但不足之處在于其紗線控制精度較低;與此同時，SELVANAYAKI M等[3]提出了一種基于支持向量機的紗線強力波動行為預(yù)測與控制方法。隨著理論研究的不斷深入，研究聚焦于基于智能優(yōu)化模型與專家系統(tǒng)相融合的紡紗質(zhì)量智能控制方面。如MOZAFARY V等[4]提出了一種將聚類和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的數(shù)據(jù)挖掘算法，并將其用于紡紗質(zhì)量控制；ENGIN A B[5]通過實驗驗證了一種基于自動控制系統(tǒng)的材料均勻度控制方法，該方法減少了因原料問題而導(dǎo)致的紗線質(zhì)量波動；ELASHMAWY I等[6]研究了基于模糊集的紡紗質(zhì)量控制方法，可更加精確地控制紡紗質(zhì)量。

國內(nèi)研究者也探討了紡紗質(zhì)量的控制問題，研究的焦點集中于單一工序的質(zhì)量控制：呂志軍等[7]提出了基于SVM的紗線質(zhì)量預(yù)測模型，解決了紗線質(zhì)量控制過程中過多依賴領(lǐng)域?qū)＜液凸芾碚呓?jīng)驗的問題，實現(xiàn)了對紗線質(zhì)量的反饋與控制；張圣忠等[8]以梳棉機系列工藝試驗優(yōu)化為例，探討了正交試驗、統(tǒng)計分析在紡紗質(zhì)量控制中的具體應(yīng)用；孫林[9]提出了一種基于加權(quán)最小二乘支持向量機(WLS-SVM)時間序列的產(chǎn)品質(zhì)量控制方法。隨著紡織過程智能化水平的不斷提高，研究者著手研究多工序的紡紗質(zhì)量預(yù)測與控制問題：李薈萃等[10]構(gòu)建了面向紡織生產(chǎn)全生命周期的質(zhì)量數(shù)據(jù)模型及質(zhì)量控制系統(tǒng)，實現(xiàn)了對紡紗產(chǎn)品質(zhì)量的預(yù)測與控制；楊建國等[11]建立了基于改進極限學(xué)習(xí)機(ELM)算法的預(yù)測模型，并將其用于毛紗條干CV值的預(yù)測，相對誤差可降低2.70%；KUO C F J等[12]采用模糊神經(jīng)網(wǎng)絡(luò)對紡紗生產(chǎn)過程中多工序間的卷取輥速度等工藝參數(shù)進行學(xué)習(xí)和訓(xùn)練，通過不斷調(diào)整網(wǎng)絡(luò)隸屬函數(shù)的平均值和標(biāo)準(zhǔn)偏差以及網(wǎng)絡(luò)間的連接加權(quán)值，從而控制紗線均勻度。

綜上，國內(nèi)外學(xué)者們對紡紗質(zhì)量控制的研究主要是基于2～3個紗線質(zhì)量指標(biāo)及其相關(guān)關(guān)系而構(gòu)建的單一工序的紡紗質(zhì)量控制模型；盡管近些年來有研究者從多工序的視角對紡紗質(zhì)量進行了探討，但大多數(shù)研究集中在紡紗質(zhì)量的預(yù)測上，而有關(guān)多工序紡紗質(zhì)量控制的文獻報道甚少，尚未實現(xiàn)基于多工序遞階的棉紡過程質(zhì)量控制。目前以下2個問題亟待解決：1)如何實現(xiàn)紡紗過程多工序間知識關(guān)聯(lián)的紡紗質(zhì)量控制；2)如何發(fā)揮大量小數(shù)據(jù)在紡紗質(zhì)量控制中的優(yōu)勢。為此，本文在對棉紡質(zhì)量波動行為進行分析的基礎(chǔ)上，選取斷裂強度為質(zhì)量控制指標(biāo)，并基于多工序質(zhì)量控制點間的遞階關(guān)系模型，構(gòu)建多工序遞階的紡紗質(zhì)量控制模型，并借助棉紡過程產(chǎn)生的大量小數(shù)據(jù)及多目標(biāo)煙花算法，實現(xiàn)紗線質(zhì)量的多工序控制。

1 質(zhì)量指標(biāo)選擇及影響因素分析

1.1 紗線質(zhì)量波動關(guān)鍵指標(biāo)的辨識

根據(jù)紗線質(zhì)量國家標(biāo)準(zhǔn)，用來表征紗線質(zhì)量的主要指標(biāo)可分為質(zhì)量偏差、質(zhì)量變異系數(shù)、單紗斷裂強度、棉結(jié)雜質(zhì)粒數(shù)、捻系數(shù)、條干均勻度、粗節(jié)、細(xì)節(jié)、斷裂伸長率等。為選取影響紗線質(zhì)量波動的關(guān)鍵指標(biāo)進行控制，首先基于紡織企業(yè)紡紗車間生產(chǎn)統(tǒng)計管理系統(tǒng)中的紗線質(zhì)量管理子系統(tǒng)，構(gòu)建棉紡大量小數(shù)據(jù)存儲系統(tǒng)。然后，選取紗線細(xì)度不勻、粗節(jié)、細(xì)節(jié)、斷裂強度和斷裂伸長率5個紗線質(zhì)量指標(biāo)為主要質(zhì)量指標(biāo)。從構(gòu)建的數(shù)據(jù)存儲系統(tǒng)中選取如表1所示的與紗線細(xì)度不勻、粗節(jié)、細(xì)節(jié)、斷裂強度和斷裂伸長率相關(guān)的25個試樣數(shù)據(jù)。其中誤差數(shù)據(jù)表示紡紗生產(chǎn)過程中不同紗線質(zhì)量指標(biāo)波動的大小，斷裂伸長率表示紡紗生產(chǎn)過程中斷裂伸長的波動。為此，對上述5個影響紗線質(zhì)量波動的關(guān)鍵指標(biāo)進行分析，圖1示出紡紗過程質(zhì)量波動的統(tǒng)計結(jié)果。

表1 紗線質(zhì)量波動試樣數(shù)據(jù)表Tab.1 Sample data of yarn quality fluctuation

圖1 紡紗過程質(zhì)量波動過程統(tǒng)計結(jié)果Fig.1 Statistical results of quality fluctuation process in cotton spinning process based on data analysis

由圖1可知，在細(xì)度不勻、粗節(jié)、細(xì)節(jié)以及斷裂強度和斷裂伸長率這5個關(guān)鍵質(zhì)量指標(biāo)中，斷裂伸長率、斷裂強度以及細(xì)度不勻受異常因素影響較大，其中斷裂強度受異常因素影響波動最為顯著。同時，斷裂強度與纖維的種類、粗細(xì)、捻度、細(xì)度不勻率之間呈一種正相關(guān)關(guān)系，而且由于紗線在整個紡紗過程中受眾多復(fù)雜機械力的作用，易被拉伸、彎曲和扭轉(zhuǎn)，因此斷裂強度是影響紗線質(zhì)量的關(guān)鍵指標(biāo)。為此，選取紗線斷裂強度為主要控制指標(biāo)，并在分析影響紗線斷裂強度關(guān)鍵因素的基礎(chǔ)上，構(gòu)建基于多工序遞階的棉紡過程質(zhì)量智能控制模型。

1.2 影響紗線強度關(guān)鍵因素分析

按照紡紗工藝?yán)碚?，紗線強度主要由纖維性能和紗線結(jié)構(gòu)決定[13]。拋開纖維種類影響因素，纖維性能和紗線結(jié)構(gòu)很大程度上取決于紡紗生產(chǎn)過程中各個工序的工藝?，F(xiàn)以棉精梳紗生產(chǎn)過程為例對各個工序中影響紗線強度的關(guān)鍵因素進行分析。

在精梳紗生產(chǎn)過程中，清棉工序中纖維的長度、整齊度以及斷裂強度越高，其對應(yīng)的成紗強度越高[14]。梳理工序中刺輥和錫林轉(zhuǎn)速是影響梳理效果的主要因素之一[15]，隨著錫林轉(zhuǎn)速和刺輥轉(zhuǎn)速的提高，可減少棉結(jié)和雜質(zhì)，進而提高纖維的整齊度與斷裂長度[16]；同時，減小精梳工序中梳理隔距可降低因纖維相互揉搓而產(chǎn)生的棉結(jié)，并提高紗線質(zhì)量[17]。并條工序中羅拉轉(zhuǎn)速可通過影響并條工序中棉纖維混合的均勻度最終影響紗線強度[18]；同時適當(dāng)控制回潮率可使生條中各種不同形狀的纖維充分混合，進而提高纖維分子間的抱合力及成紗強度[19]。粗紗工序中粗紗回潮率可通過影響紗線牽伸后纖維的應(yīng)力并最終影響紗線強度[20]；同時粗紗捻系數(shù)會通過影響粗紗纖維間的抱合力進而影響紗線強力[21]。在細(xì)紗工序中，適當(dāng)控制細(xì)紗工序中的牽伸倍數(shù)和細(xì)紗機的錠速，可提高紗線斷裂強度[22-23]。

為此，從紡紗流程出發(fā)，對影響紗線斷裂強度的關(guān)鍵因素總結(jié)如下：在清棉工序中，影響紗線斷裂強度的主要因素有纖維長度、纖維整齊度以及纖維斷裂長度；在梳棉工序中，影響紗線斷裂強度的主要因素有刺輥轉(zhuǎn)速、錫林轉(zhuǎn)速；在精梳工序中，影響紗線斷裂強度的主要因素有梳理隔距、羅拉轉(zhuǎn)速；在并條工序中，影響紗線斷裂強度的主要因素有回潮率、羅拉轉(zhuǎn)速；在粗紗工序中，影響紗線斷裂強度的主要因素有回潮率、捻系數(shù)；在細(xì)紗工序中，影響紗線斷裂強度的主要因素有牽伸倍數(shù)、錠速等。

2 棉紡過程質(zhì)量控制模型

2.1 質(zhì)量控制點及質(zhì)量損失函數(shù)設(shè)計

在紗線質(zhì)量指標(biāo)選擇及對影響其波動關(guān)鍵因素進行分析的基礎(chǔ)上，構(gòu)建了如圖2所示的面向紡紗過程多工序遞階紗線斷裂強度控制點框圖。

圖2 多工序遞階的紗線斷裂強度控制點框圖Fig.2 Diagram for yarn fracture control points based on multi-process hierarchy

這樣，每個工序Si都有對應(yīng)的質(zhì)量控制點Gi,j以及對應(yīng)質(zhì)量控制點的質(zhì)量輸出特征值Oi,j。此外對于紡紗質(zhì)量控制點集合G中的任一個質(zhì)量控制點Gi,j，都有與其對應(yīng)的工藝參數(shù)的實際值yi,j及其控制閾[L1(Gi,j),L2(Gi,j)]，即工序集合S、質(zhì)量控制點集合G以及工藝參數(shù)集合間存在相互映射關(guān)系?；诖?，利用人機系統(tǒng)工程學(xué)理論，從人、機、系統(tǒng)、料、工藝等角度著手，在文獻[24]中提出的改進的質(zhì)量損失控制閾函數(shù)的基礎(chǔ)上，定義面向紡紗過程中各工序間表達紗線斷裂強度的多載荷影響因子：

(1)

在式(1)定義的多載荷影響因子的基礎(chǔ)之上，結(jié)合紡紗生產(chǎn)的具體工藝流程，定義如式(2)所示的第i個工序、第j個質(zhì)量控制點的質(zhì)量損失函數(shù)：

(2)

進而，在式(2)定義的每個工序質(zhì)量控制點質(zhì)量損失函數(shù)的基礎(chǔ)上，對于紡紗過程中具體工序而言，有如式(3)所示的質(zhì)量損失函數(shù)：

(3)

式中：Ci(yi,j)表示第i個工序、第j個質(zhì)量控制點的質(zhì)量損失函數(shù)；fi(x)表示第i個紡紗工序的質(zhì)量損失函數(shù)；0

2.2 質(zhì)量控制模型構(gòu)建

2.2.1模型構(gòu)建

對于整個紡紗系統(tǒng)而言，上游工序的質(zhì)量輸出對下游工序質(zhì)量輸出以及最終紗線的質(zhì)量輸出都會產(chǎn)生影響。當(dāng)然，從根本上講，這種影響主要源于分布在不同工序質(zhì)量控制點之間存在著相互作用關(guān)系，具體表現(xiàn)為從清梳聯(lián)、精梳、并條、粗紗以及細(xì)紗等生產(chǎn)工序中上游質(zhì)量控制點到下游質(zhì)量控制點依次向下傳遞和累加的過程。為表達紡紗系統(tǒng)中多工序質(zhì)量控制點間的相互作用關(guān)系，基于文獻[25]提出的多階段質(zhì)量預(yù)測模型，按照棉紡工藝流程中的各質(zhì)量控制點間輸入—輸出關(guān)系，建立基于多工序遞階的紡紗質(zhì)量輸出特征值知識關(guān)聯(lián)模型。

對于式(3)中定義的各工序質(zhì)量控制點對應(yīng)的質(zhì)量損失函數(shù)f(x)={f1(x),f2(x),…,fi(x),…,fn(x)}，某一具體工序質(zhì)量損失函數(shù)可表示為式(4)所示的單個工序內(nèi)各個質(zhì)量控制點質(zhì)量損失函數(shù)的串聯(lián)關(guān)系：

∏[f1(x),f2(x),…,fi(x),…,fn(x)]

(4)

對于整個紡紗過程而言，紗線質(zhì)量可視為一種以制品為載體的質(zhì)量損失的傳遞和累加過程，因而紡紗質(zhì)量控制問題可視為一種優(yōu)化問題，通過不斷地迭代和尋優(yōu)求解得出質(zhì)量損失最小時對應(yīng)的各個質(zhì)量控制點工藝參數(shù)的最優(yōu)解。為此，在上述定義的紡紗質(zhì)量控制點及其耦合作用關(guān)系的基礎(chǔ)上，建立紡紗質(zhì)量優(yōu)化目標(biāo)函數(shù)：

(5)

進而，基于式(1)～(4)展開式(5)的紡紗質(zhì)量優(yōu)化模型目標(biāo)函數(shù)，可得到如式(6)所示的紡紗質(zhì)量優(yōu)化模型：

(6)

s.t.

式中：βi,j為考慮影響紗線斷裂強度的原料因素、工藝因素以及設(shè)備因素等多種因素間相互作用下的多載荷影響因子；Oi,j為紡紗生產(chǎn)過程中第i個工序中的第j個質(zhì)量控制點的質(zhì)量特征輸出值；Cmpt為工序能力指數(shù)。

2.2.2基于數(shù)據(jù)的反饋機制

2.5 兩組患者術(shù)后并發(fā)癥發(fā)生率比較 兩組患者術(shù)中均未見盆腔器官損傷發(fā)生。兩組患者術(shù)后并發(fā)癥發(fā)生率比較差異無統(tǒng)計學(xué)意義(χ2=0.519，P>0.05)。見表6。

在得到各個質(zhì)量控制點優(yōu)化后的工藝參數(shù)值的基礎(chǔ)上，采用自動過程控制(APC)技術(shù)[26]對紡紗生產(chǎn)過程進行反饋調(diào)整，構(gòu)建如圖3所示的基于數(shù)據(jù)反饋的棉紡過程質(zhì)量控制模型。

圖3 基于數(shù)據(jù)反饋的棉紡過程質(zhì)量控制框圖Fig.3 Diagram for quality control based on data feedback

2.3 基于多目標(biāo)煙花算法的控制模型求解

2.3.1約束條件的處理

對于非線性優(yōu)化問題的求解，隨著實際工程應(yīng)用中目標(biāo)函數(shù)的不連續(xù)且不可微，使得傳統(tǒng)的求解優(yōu)化問題的方法具有很大的局限。由于進化算法只要求目標(biāo)函數(shù)值是可計算而不要求其具有連續(xù)可微的性質(zhì)，因而其在處理復(fù)雜優(yōu)化問題方面表現(xiàn)出了較優(yōu)的性能。當(dāng)然，進化算法作為一種無約束的進化搜索技術(shù)，在求解約束優(yōu)化問題前需要對其約束條件進行處理[27]。為此，在式(6)求解過程中，需要構(gòu)建一個懲罰函數(shù)，將單目標(biāo)多約束優(yōu)化問題轉(zhuǎn)換為雙目標(biāo)優(yōu)化問題，并實現(xiàn)對約束條件進行處理，具體步驟如下。

第1步，引入懲罰函數(shù)H(x)對模型中的約束條件進行處理：對于前q個等式約束條件gi(x)，需要通過引入等式約束違反的容忍值δ轉(zhuǎn)換成為不等式約束，對于其他的r-q+1個不等式約束條件hi(x)不做處理。

(7)

第2步，定義式(8)所示的雙目標(biāo)函數(shù)：

(8)

式中：t1(x)為原模型中的目標(biāo)函數(shù)，且t1(x)=f(x)；t2(x)為違反約束條件的最大懲罰度，且t2(x)=H(x)。當(dāng)且僅當(dāng)t2(x)≥0時，變量x滿足所有約束條件。同時，當(dāng)t1(x)取得最小值時，可以搜索到紗線斷裂強度損失值最小時的最優(yōu)工藝參數(shù)可行解集合。當(dāng)t1(x)和t2(x)同時取得最小值時，不但可搜索到最優(yōu)工藝參數(shù)集合的可行解，而且可確保各個質(zhì)量控制點的工藝參數(shù)在對應(yīng)控制閾范圍內(nèi)，即可搜索到紗線斷裂強度損失值最小時的最優(yōu)工藝參數(shù)解集合。

第3步，通過上述轉(zhuǎn)換策略將原單目標(biāo)優(yōu)化模型轉(zhuǎn)化為如下式所示的雙目標(biāo)優(yōu)化模型：

2.3.2模型求解算法

多目標(biāo)進化算法在每次執(zhí)行過程中可確定多個帕累托最優(yōu)解[28]，被認(rèn)為是求解多目標(biāo)優(yōu)化問題最有效的方式，為此，基于多目標(biāo)煙花算法(MOFWA)在解決多目標(biāo)優(yōu)化問題時表現(xiàn)出的尋優(yōu)性特性[29]，經(jīng)過多次仿真實驗和結(jié)果的對比分析，采用MOFWA算法對基于多工序遞階的棉紡過程質(zhì)量控制模型進行求解及控制，具體求解流程如圖4所示。

圖4 多工序遞階的棉紡過程質(zhì)量控制流程圖Fig.4 Flow diagram of quality control for cotton spinning based on multi-process hierarchy

基于圖4中的流程圖，對具體的流程進行梳理，并從以下5個步驟進行具體闡釋。

在此基礎(chǔ)上，利用質(zhì)量控制點Gi,j對應(yīng)的控制閾函數(shù)中的實際工藝參數(shù)yi,j來初始化煙花算法。

第2步，選擇適應(yīng)度函數(shù)。選取棉紡過程質(zhì)量優(yōu)化模型中的目標(biāo)函數(shù)，將其作為多目標(biāo)煙花算法的適應(yīng)度函數(shù)，通過算法不斷地進化和迭代以及適應(yīng)度函數(shù)的評估，獲得整個棉紡過程質(zhì)量優(yōu)化模型的最優(yōu)解。具體適應(yīng)度函數(shù)如式(11)所示。

(11)

第3步，煙花種群尋優(yōu)。對于式(11)中任意解yi,j，計算初始煙花個數(shù)N、爆炸火花數(shù)m、最小煙花爆炸火花數(shù)Smin、最大煙花爆炸火花數(shù)Smax。進而，對于解空間中每個解，隨機選擇其他2個解，通過式(12)所示的變異策略進行差加權(quán)操作并得到變異解，同時利用式(13)的交叉策略對原解和變異解xi進行交叉操作，從而得到交叉解ui，即：

Vi=xc1+γ(xc2-xc3),c1,c2,c3∈{1,2,…,m}

(12)

(13)

式中：γ為常數(shù)且γ>0；θ為煙花個體交叉概率且θ∈[0,1]；ci為區(qū)間(0,N]內(nèi)的隨機整數(shù)。

第4步，選擇最優(yōu)解。在式(12)、(13)的基礎(chǔ)上，構(gòu)建如式(14)所示的選擇策略。如果生成的交叉解ui的適應(yīng)度值r(ui)>r(xi)，則用ui替換xi，并利用ui更新解空間，即從當(dāng)前種群中選擇適應(yīng)度值較好的個體組成新的煙花種群，并通過煙花種群的不斷迭代獲得最優(yōu)解：

(14)

第5步，獲得最優(yōu)解并進行反饋更新。如果滿足終止條件，則求解過程停止并獲得最優(yōu)解及其工藝參數(shù)容差，若容差超出對應(yīng)的質(zhì)量控制閾，則利用最優(yōu)解對工藝參數(shù)進行更新，實現(xiàn)對紗線質(zhì)量的反饋控制。否則，返回執(zhí)行第3步。

3 算例驗證與結(jié)果分析

3.1 數(shù)據(jù)選取

以咸陽某紡織廠為例，其主要紡紗工序為開清棉、梳棉、精梳、并條、粗紗、細(xì)紗及后加工等工序，因而將棉紡過程質(zhì)量控制關(guān)鍵工序集合定義為S={S1,S2,S3,S4,S5,S6}。其中：S1表示清棉工序；S2表示梳棉工序；S3表示精梳工序；S4表示并條工序；S5表示粗紗工序；S6表示細(xì)紗工序。

為此，選取如表2～7所示的該企業(yè)紡紗車間精梳7.29 tex(JC7.29 tex)品種紗線的工藝數(shù)據(jù)作為實驗數(shù)據(jù)集。進而，采用多目標(biāo)煙花算法對2.2節(jié)中建立的基于多控制點的棉紡過程質(zhì)量優(yōu)化控制模型進行求解，并進行具體的應(yīng)用驗證分析。

表2 清棉工序JC7.29 tex工藝數(shù)據(jù)Tab.2 Process data of JC7.29 tex in cleaning process

表3 梳棉工序JC7.29 tex工藝數(shù)據(jù)Tab.3 Process data of JC7.29 tex in carding process

表4 精梳工序JC7.29 tex工藝數(shù)據(jù)Tab.4 Process data of JC7.29 tex in combing process

表5 并條工序JC7.29 tex工藝數(shù)據(jù)Tab.5 Process data of JC7.29 tex in drawing process

表6 粗紗工序JC7.29 tex工藝數(shù)據(jù)Tab.6 Process data of JC7.29 tex in roving process

表7 細(xì)紗工序JC7.29 tex工藝數(shù)據(jù)Tab.7 Process data of JC7.29 tex in spinning process

進而，在如圖2所示的多工序遞階的紗線斷裂強度控制點框圖的基礎(chǔ)上，結(jié)合該紡織企業(yè)歷史工藝數(shù)據(jù)，建立如表8所示的多工序遞階的紗線斷裂強度的質(zhì)量控制點及其控制閾。

表8 紗線斷裂強度的質(zhì)量控制點及其控制閾Tab.8 Quality control points and control threshold of yarn breaking strength

3.2 參數(shù)設(shè)置

3.2.1模型參數(shù)設(shè)置

對于模型參數(shù)的設(shè)置，主要包括工序能力指數(shù)Cmpt、多載荷影響因子βi,j以及質(zhì)量損失函數(shù)中的系數(shù)k，具體計算如下。

1)工序能力指數(shù)。根據(jù)GB/T 398—2008《棉本色紗線》中的紗線質(zhì)量標(biāo)準(zhǔn)以及該紡織企業(yè)紗線產(chǎn)品質(zhì)量控制要求，得到JC7.29 tex品種的優(yōu)等紗線產(chǎn)品單紗斷裂強度的質(zhì)量規(guī)格為(16.40±0.02)cN/tex，取σ=0.025，則工序能力指數(shù)為

2)多載荷影響因子。根據(jù)該紡織企業(yè)歷史工藝設(shè)計數(shù)據(jù)顯示，對于JC7.29 tex品種紗線，當(dāng)細(xì)紗工序中的錠速和牽伸倍數(shù)分別為12.72 kr/min、28.12時生產(chǎn)紗線斷裂強度最高；同時從細(xì)紗機讀取的實際錠速數(shù)據(jù)為13.765 kr/min。為此，在表8中建立的多工序質(zhì)量控制點及控制閾的基礎(chǔ)上，結(jié)合該紡織企業(yè)JC7.29 tex紗線的歷史工藝數(shù)據(jù)，以細(xì)紗工序中的錠速控制點為例，并選取該質(zhì)量控制點常數(shù)B=0.24,進而計算多載荷影響因子：

3.2.2多目標(biāo)煙花算法參數(shù)設(shè)置

根據(jù)求解的具體問題以及在文獻[30]研究的基礎(chǔ)上，對多目標(biāo)煙花算法的參數(shù)設(shè)置為：煙花個數(shù)N=25，最大爆炸火花數(shù)Smax=50，最小爆炸火花數(shù)Smin=20，常數(shù)γ=10，煙花個體交叉概率θ=0.85，算法最大迭代次數(shù)T=1 000。

3.3 算例分析與驗證

在計算得到的工序能力指數(shù)Cmpt和多載荷影響因子βi,j以及系數(shù)ki,j的基礎(chǔ)之上，以該企業(yè)生產(chǎn)的JC7.29 tex品種紗線為例，對本文提出的多工序遞階的棉紡過程質(zhì)量控制模型進行具體驗證。

現(xiàn)以該紡織企業(yè)紡紗生產(chǎn)的細(xì)紗工序為例，結(jié)合紡紗生產(chǎn)過程中的歷史工藝數(shù)據(jù)以及上述計算得出的參數(shù)值，說明紡紗各工序中的質(zhì)量損失值的計算過程。

首先，將細(xì)紗工序中細(xì)紗機的錠速實際的錠速值13.765 kr/min和控制閾函數(shù)目標(biāo)錠速值12.72 kr/min代入式(2)中，計算細(xì)紗工序中細(xì)紗機錠速對應(yīng)的質(zhì)量控制點的質(zhì)量損失值：

表9 紗線斷裂強度控制對比結(jié)果Tab.9 Comparison control results of breaking strength of yarn

類似地，分別計算細(xì)紗工序中其他質(zhì)量控制點的質(zhì)量損失值C6(y6,1)，并基于式(3)計算整個細(xì)紗工序的質(zhì)量損失值：

進而，根據(jù)式(4)對整個棉紡生產(chǎn)過程的質(zhì)量損失函數(shù)進行具體分析，得到結(jié)果如下：

f(x)=∏[f1(x),f2(x),…,f6(x)]

最后，將上述參數(shù)代入式(6)所定義的多工序遞階的棉紡過程質(zhì)量優(yōu)化模型，得到如下所示的棉紡過程質(zhì)量控制模型的目標(biāo)函數(shù)：

基于此，在MatLab R2014a的GUI集成開發(fā)環(huán)境下，開發(fā)了如圖5所示的基于多工序遞階的棉紡過程質(zhì)量控制模型可視化實驗平臺。

圖5 棉紡過程質(zhì)量控制模型可視化平臺Fig.5 Platform of spinning quality control system

基于上述平臺，選取該紡織企業(yè)紡紗車間5個批次JC7.29 tex品種紗線的質(zhì)量及工藝數(shù)據(jù)，采用多目標(biāo)煙花算法對上述建立的紡紗質(zhì)量控制模型進行求解，經(jīng)過20次迭代得到了如圖6所示的pareto前沿。

圖6 采用MOFWA得到的pareto前沿Fig.6 Pareto front based on MOFWA

由圖6可知：在解集的分布方面，整個解集的分布相對集中，并且當(dāng)目標(biāo)函數(shù)t2(x)對應(yīng)的懲罰度值較小時，對應(yīng)的質(zhì)量損失函數(shù)t1(x)值較??；隨著目標(biāo)函數(shù)t2(x)對應(yīng)的懲罰度值越來越大，對應(yīng)的質(zhì)量損失函數(shù)t1(x)值也逐漸變大。

為驗證多工序遞階的棉紡過程質(zhì)量控制模型的有效性，分別對考慮多工序間耦合作用的棉紡過程質(zhì)量控制模型MPI-CON(multi process influence-control)的控制結(jié)果與未考慮多工序間耦合的棉紡過程質(zhì)量控制模型CON(control)控制結(jié)果以及控制前NON-CON(non-control)的結(jié)果進行對比，并統(tǒng)計控制前后因紗線斷裂強度不符合標(biāo)準(zhǔn)而出現(xiàn)的不合格品率，得到了如表9所示的結(jié)果。

由表9可知，基于多工序遞階的棉紡過程質(zhì)量控制模型控制結(jié)果與未考慮多工序間耦合作用的棉紡過程質(zhì)量控制模型控制結(jié)果以及控制前的結(jié)果相比，紗線斷裂強度值分別提升了1.27%和3.40%，同時因紗線斷裂強度不符合標(biāo)準(zhǔn)而導(dǎo)致的紗線不合格品率分別降低了23.48%和50.00%。

同時，在表9所示控制對比結(jié)果的基礎(chǔ)上，分析得到了如圖7所示的不同控制模型各個質(zhì)量控制點對應(yīng)工藝參數(shù)優(yōu)化控制結(jié)果對比圖。

圖7 優(yōu)化控制前后工藝參數(shù)對比結(jié)果Fig.7 Comparison results before and after optimization control for technical parameters

由圖7可知，在紗線斷裂強度相同的條件下，采用基于考慮多工序間耦合作用關(guān)系的棉紡過程質(zhì)量控制模型(MPI-CON)得到的控制結(jié)果與未考慮多工序間耦合作用關(guān)系的棉紡過程質(zhì)量控制模型(CON)得到的控制結(jié)果以及控制前(NON-CON)的結(jié)果相比，在質(zhì)量控制點3以及控制點4上對應(yīng)的工藝參數(shù)要求有了降低。進而，也說明本文提出的質(zhì)量控制模型可通過對各個質(zhì)量控制點工藝參數(shù)的優(yōu)化，提高紗線產(chǎn)品的斷裂強度。

本算例結(jié)果表明，本文提出的基于多工序遞階的棉紡過程質(zhì)量控制模型，不僅提高了紗線斷裂強度，降低了紗線的不合格品率，而且也在保證紗線斷裂強度不下降的條件下，降低了紡紗生產(chǎn)過程中的原料、設(shè)備以及工藝參數(shù)等要求，實現(xiàn)了紗線斷裂強度的多工序控制。

4 結(jié)束語

本文從影響紗線質(zhì)量異常波動的關(guān)鍵因素出發(fā)，對紗線斷裂機制和影響紗線斷裂強度波動的關(guān)鍵因素進行分析，并選取紗線斷裂強度為主要控制指標(biāo)，建立紡紗質(zhì)量控制點耦合知識的關(guān)聯(lián)表達方法及質(zhì)量損失函數(shù)。進而，以質(zhì)量損失函數(shù)為目標(biāo)函數(shù)，構(gòu)建基于多工序遞階的棉紡過程質(zhì)量控制模型，并借助自動過程控制技術(shù)，實現(xiàn)了斷裂強度的控制。最后，以咸陽某紡織企業(yè)生產(chǎn)的JC7.29 tex紗線品種為例，對該模型進行了具體應(yīng)用分析。結(jié)果表明：該模型可通過對各個質(zhì)量控制點工藝參數(shù)的優(yōu)化，提高紗線斷裂強度，降低因紗線斷裂強度不達標(biāo)而導(dǎo)致的紗線不合格品率，實現(xiàn)了紡紗質(zhì)量的多工序控制，由于棉紡過程質(zhì)量控制是一種實時在線的反饋控制，當(dāng)上游工序中棉紡過程質(zhì)量輸出特征值波動時，需要及時地對下游工序中質(zhì)量控制點的工藝參數(shù)進行在線反饋和調(diào)整，故研發(fā)棉紡過程質(zhì)量在線控制系統(tǒng)將是下一步研究的重點。

FZXB