Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  polyester-fibres
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
The subject of our research were yarns manufactured from cotton-polyester blended slivers, as well as pure cotton and polyester slivers with the use of a BD 200S rotor spinning frame. Partial models of the spinning process were developed for selected, essential yarn quality parameters, such as tenacity, irregularity of yarn’s mass, hairiness, number of yarn faults (number of thin and thick places and number of neps). In order to model the variability of these parameters, the following methods were used: linear and linearised regression, non-linear multiple regression as well as ADALINE and two-layer perceptron (MLP) artificial neural networks. The best results of approximation we obtained using the MLP network. Selection of the optimum network structure was carried out for each of the parameters. A hybrid model was used to model the variability of the CV coefficient.
PL
Celem badań było określenie wpływu udziału procentowego włókien poliestrowych w ta­śmie zasilającej oraz masy liniowej wytwarzanej przędzy na jej parametry jakościowe, oraz budowa modelu procesu przędzenia. Analizowano przędze wykonane na przędzarce roto­rowej BD 200S z taśm mieszankowych bawełna/włókna poliestrowe oraz z taśmy baweł­nianej. W taśmach mieszankowych udział włókien poliestrowych wynosił: 12,5, 25, 37,5, 50; 62,5; 75; 87,5 %; pozostałą część stanowiła bawełna średnio włóknista zgrzeblona i czesana. Na przędzarce rotorowej BD 200S wykonywano przędze o masach liniowych: 15, 18, 20, 25, 30 i 40 tex. Dla wybranych, istotnych parametrów jakościowych przędz takich jak: wytrzymałość właściwa, nierównomierność masy liniowej przędzy, włochatość oraz błędy przędzy (liczba zgrubień, pocienień i nopów) zbudowano modele cząstkowe procesu przędzenia. Do modelowania zmienności tych parametrów zastosowano metody regresji liniowej i linearyzowanej, metodę regresji nieliniowej wielorakiej oraz sztuczne sieci neu­ronowe: sieci ADALINE oraz dwuwarstwowe sieci perceptronowe (MLP). Najlepsze wyniki aproksymacji uzyskano dla sieci MLP. Przeprowadzono dobór optymalnej struktury sieci. Do modelowania zmienności współczynnika CV zastosowano model hybrydowy.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.