论文部分内容阅读
为了配合工艺生产试验对复杂染色体系构建科学的经验模型，预测染色效果趋势、实现染色助剂复配试验的集约化的需求，本文全面分析研究了分散染料助剂增溶染色工艺中影响染色效果指标的参数，并对分散染料助剂增溶染色工艺展开了热力学研究，在此基础上，优化染色工艺参数，首次将人工神经网络技术引入分散染料助剂增溶染色研究领域，构建了分散染料助剂增溶染色的反向传播网络(Back-Propagation Network，简称BP)模型，并对上染百分率和染色牢度等染色效果指标做出了预测。本文研究了分散染料助剂增溶染色BP模型的网络参数的选择，并尝试构建了分散染料助剂增溶染色体系的一般BP网络模型，为实现分散染料助剂增溶工艺助剂复配的智能化、科学化做出了努力。
本文从理论上对分散染料助剂增溶染色工艺进行了研究。首次将吸附计量置换理论(SDT-A)应用于分散染料助剂增溶染色的热力学研究，得到如下结论：(1)助剂增溶条件下，分散染料上染羊毛吸附等温线符合Langmuir型；(2)分散染料上染羊毛服从SDT-A，助剂的加入使吸附和解吸参数β<,a>和q/z发生变化，β<,a>均变大，q/z值变小有利于染料对羊毛的吸附。(3)总过程的自由能△G<,p>为负值，且与1gc呈线性关系，表明实验条件下染料上染羊毛为自发过程。(4)表面活性剂的HLB值、醇类助剂的介电常数和电解质的离子强度是影响分散染料染羊毛上染百分率的重要参数，对于助剂复配具有很好的参考价值。
本文以分散染料助剂增溶染色工艺参数体系为试验研究对象，首次提出了给定染料条件下分散染料助剂增溶染色体系上染百分率和染色牢度的BP网络模型。通过对上染百分率、染色牢度的BP模型实例结果的比较，证明本文提出的分散染料助剂增溶染色BP网络模型预测效果好，比传统的人为经验可靠性高，且网络的自身强大的非线性映射能力和学习能力能够无限逼近染色工艺参数与染色效果指标之间蕴含的规律。研究结果表明：(1)3层BP神经网络能够很好地模拟分散染料助剂增溶染色体系，满足对上染百分率和染色牢度等染色效果指标的预测要求。(2)典型性好和精度高的样本对于构建其BP神经网络模型非常有利。(3)单一染色效果指标的BP人工神经网络模型，预测效果要好于多个染色效果指标的BP人工神经网络模型。本文首次提出给定染料的分散染料助剂增溶染色人工神经网络一般BP模型。实例结果表明：通过BP网络建立旨在预测复配助剂染色效果的一般经验模型是可行的。这为实现分散染料助剂增溶染色的智能化、自动化奠定了基础，对人工神经网络技术在相关领域的进一步推广应用具有重要的理论指导作用。