Cotton Fibre-to-Yarn Engineering: A Simulated Annealing Approach

• Autorzy: Das S. , Ghosh A.

Identyfikatory

DOI

10.5604/12303666.1152442

Warianty tytułu

PL

Przetwarzanie włókien bawełnianych na przędze – problem optymalizacji

• Języki publikacji: EN

Abstrakty

EN

In this paper we undertake to engineer yarn of predefined strength by choosing suitable raw material and process parameters. In an attempt to achieve a yarn of optimal strength, the constrained optimisation problem is formulated with the relation between raw material and yarn properties. Frydrych’s theoretical model of yarn strength is used for formulation of the optimisation problem. The simulated annealing (SA) method has been used to solve the optimisation problem by researching the best combination of raw material and process parameters that can bring into reality a yarn with the strength desired. The results show that SA is capable of ascertaining a set of parameters that gives the yarn strength desired.

PL

W pracy podjęto próbę otrzymywania przędzy o określonej wytrzymałości poprzez wybór odpowiedniego surowca i parametrów procesu przędzenia. W celu otrzymania przędzy o optymalnej wytrzymałości sformułowano problem optymalizacji zawierający zależności pomiędzy surowcem i właściwościami przędzy. Zastosowano przy tym teoretyczny model Frydrych wytrzymałości przędzy a także metodę symulacji SA. Udokumentowano, że za pomocą zastosowanej metody symulacji można sprecyzować zestaw parametrów, który umożliwia osiągniecie zakładanej wytrzymałości przędzy.

Słowa kluczowe

EN

cotton fibre properties; Frydrych model; simulated annealing; yarn strength; yarn engineering

PL

właściwości włókien bawełnianych; model Frydrych; metoda symulacji SA; wytrzymałość przędzy; inżynieria przędzy

• Wydawca: Sieć Badawcza Łukasiewicz - Łódzki Instytut Technologiczny
• Czasopismo: Fibres & Textiles in Eastern Europe
• Rocznik: 2015
• Tom: Vol. 23, no. 3 (111)
• Strony: 51--53
• Opis fizyczny: Bibliogr. 20 poz., tab.

Twórcy

autor

Das S.

• Government College of Engineering & Textile Technology, Berhampore, India

autor

Ghosh A.

• Government College of Engineering & Textile Technology, Berhampore, India

Bibliografia

• 1. Ramesh MC, Rajamanickam R, Jayaraman S. The Prediction of Yarn Tensile Properties by Using Artificial Neural Networks. Journal of the Textile Institute 1995; 86(3): 459–569.
• 2. Cheng L, Adams DL. Yarn Strength Prediction Using Neural Networks, Part I: Fibre Properties and Yarn Strength Relationship. Textile Research Journal 1995; 65(9): 495- 500.
• 3. Pynckels F, Kiekens P, Sette S, Langenhove LV, Impe K. The Use of Neural Nets to Simulate the Spinning Process. Journal of the Textile Institute 1997; 88(4): 440–448.
• 4. Sette S, Boullart L, Van Langenhove L, Kiekens P. Optimizing the Fibre-to-Yarn Production process with a Neural Network / Genetic Algorithm Approach, Textile Research Journal 1997; 67(2): 84–92.
• 5. Shanmugam S, Chattopadhyay SK, Vivekanandan MV, Sreenivasamurthy HV. Prediction of Micro-spun Yarn Lea CSP Using Artificial Neural Networks. Indian Journal of Fibre & Textile Research 2001; 26(4): 372-377.
• 6. Guha A, Chattopadhyay R, Jayadeva. Predicting Yarn Tenacity: A Comparison of Mechanistic, Statistical and Neural Network Models. The Journal of the Textile Institute 2001; 92(2): 139-145.
• 7. Yadav VK, Kothari VK. Prediction of Air-Jet Textured Yarn Properties using Statistical Methods and Neural Network, Indian Journal of Fibre & Textile Research 2004; 23(2): 149-156.
• 8. Rajamanickam R, Hansen SM, Jayaraman S. Analysis of the Modelling Methodologies for Predicting the Strength of Air-Jet Spun Yarns. Textile Research Journal 1997; 67(1): 39-44.
• 9. Majumdar A, Ghosh A. Yarn Strength Modelling Using Fuzzy Expert System. Journal of Engineered Fibers and Fabrics 2008; 3: 61-68.
• 10. Sette S, Langenhove VL, Boullart L. Optimisation of the Fibre-to-Yarn process using Genetic Algorithms. In: 23rd International Cotton Conference Bremen: Optimization Production Process. 6 - 9 March, 1996, pp. 233-246, Germany.
• 11. Admuthe LS, Apte SD. Neuro-Genetic Cost Optimization Model: Application of Textile Spinning Process. International Journal of Computer Theory and Engineering 2009; 1(4): 441-444.
• 12. Das S, Ghosh A, Majumdar A, Banerjee D. Yarn Engineering Using Hybrid Artificial Neural Network-Genetic Algorithm Model. Fibers and Polymers 2013; 14(7): 1220- 1226.
• 13. Frydrych I. A new Approach for Predicting Strength Properties of Yarn. Textile Research Journal 1992; 62(6): 340-348.
• 14. Zurek W. The Structure of Yarn. Foreign Scientific Publications Department of the National Center for Scientific. Technical and Economic Information 1975, Warsaw, Poland.
• 15. Zurek W, Frydrych I, Zakrzewski S. A Method of Predicting the Strength and Breaking Strain of Cotton Yarn. Textile Research Journal 1987; 57:439–444.
• 16. Barella A. Law of Critical Yarn Diameter and Twist Influence on Yam Characteristics. Textile Research Journal 1950; 20: 249-253.
• 17. Zurek W, Gluza J, Miskiewicz J. The Yarn Contraction Coefficient. Przegląd Włókienniczy 1969; 23: 523-525.
• 18. Martindale JG. A New Method of Measuring the Irregularity of Yarns with Some Observations on the Origin of Irregularities in Worsted Slivers and Yarns. Journal of Textile Institute 1945; 36: T35-T47.
• 19. Metropolis N, Rosenbluth A, Rosenbluth M, Teller A, Teller E. Equation of State Calculations by Fast Computing Machines. Journal of Chemical Physics 1953; 21: 1087-1092.
• 20. Kirkpatrick S, Gelatt CD, Vecchi MP. Optimization by Simulated Annealing. Science 1983; 220 (4598): 671-680