论文部分内容阅读
随着棉花体制改革的深化和棉纺织工业的快速发展，巨大的市场潜力带动了我国棉花加工产业飞速发展，同时市场对原棉品质提出了更高的要求，迫切要求棉花加工企业更加注重籽棉轧花质量。但目前国内的棉花加工企业大多釆用粗放式的加工方法，造成了巨大的资源浪费和经济损失，因此，结合计算机模拟分析轧花过程，改变传统加工方式是必然选择。本文以锯齿轧花过程为研究对象，通过有限元与神经网络对轧花速度、棉卷密度等参数与原棉各品质之间的关系进行分析，初步实现轧花过程的有限元分析且选择最合适的参数建立预测模型，对轧花速度进行合理取值，从而提高轧花质量。 本文的主要研究内容如下： (1)提出三参数模型与Burgers模型对棉纤维粘弹性性能进行描述，构建粘弹性模型的微分型本构方程，通过蠕变与应力松弛试验以及后期数据处理，选定Burgers模型对棉纤维力学性能进行描述，为实现轧花过程的有限元分析奠定了基础。同时，研究了回潮率对棉纤维力学性能的影响，选择正常状态下的棉纤维和完全浸湿状态下的棉纤维进行蠕变和应力松弛的试验对比分析。 (2)在ANSYS中建立锯片与棉卷相互作用的有限元模型，结合Burgers模型参数，将棉卷的粘弹性在ANSYS中以Prony级数表示出，初步实现了轧花过程的有限元分析，为神经网络模型的建立奠定了基础；并通过理论计算和有限元分析，针对乳花速度、棉卷密度、锯齿压力角等因素对轧花生产的影响进行分析。 (3)通过建立神经网络模型对原棉品质进行预测，为了使轧花生产得到的原棉品质更优，提出对轧花速度进行反向预测并选择合理的值，在原有模型无法满足要求的情况下，提出结合有限元分析中锯片上支反力的新模型，期望达到对轧花质量提高的目的。 (4)对轧花过程有限元分析的支反力进行提取，利用结合支反力的BP神经网络和GA-BP神经网络对轧花速度进行预测，并对两种神经网络模型的预测结果进行比较；测试数据验证了所提出模型的正确性，且GA-BP神经网络模型预测效果更优，为轧花速度值的选取提供了有力支持。 本文旨在通过研究计算机模拟技术在轧花过程中的应用，优化轧花参数的选择，提高轧花生产的质量，为轧花生产提供一种新的方法。