成纱强力预测模型在生产实践中的应用

范琥跃

(无锡市第一棉纺织厂，江苏 无锡 214101)



成纱强力预测模型在生产实践中的应用

范琥跃

(无锡市第一棉纺织厂，江苏 无锡 214101)

运用Excel的回归分析功能对原棉的HVI数据进行运算处理，建立成纱强力预测模型，经分析得出需要根据每个配棉建立个性化的模型，建模数据组必须体现成纱强力随原棉性能参数变动的特征，原棉性能参数的变动要有合适的范围。

配棉；成纱；强力；预测；模型

在棉纺厂的生产实践中，需要通过原棉性能参数预测成纱品质，特别是成纱强力，这涉及到能否使原棉物尽其用，有着重要的经济意义。业内专家学者一直在尝试建立科学的预测模型，主要的研究方法有回归统计、神经网络和模糊数学等[1～2]，本文针对目前预测模型普遍存在的运算繁琐、适用性差等问题[3]，运用Excel的回归分析以及作图功能，对大量实践数据进行反复运算并结合试纺论证和追踪分析，探索了在棉纺厂生产实践中建模、用模的方法。

1 模型自变量

HVI检验的参数从不同角度反映了原棉的物理性能，但过多的参数不利于组批、仓储管理和分类排队。根据大量数据试验，综合分析评价原棉各项参数的相互关系以及对成纱强力的影响程度，确定上半部平均长度、整齐度指数、断裂比强度和马克隆值为预测模型的四个自变量。

2 模型研究方法

为实现简单快捷的运算以便在生产实践中推广应用，文章采用多元线性回归分析的建模方法，必要时则采用多个线性模型的组合表达非线性关系。回归分析可以用手工运算、计算机编程或者SSPS等统计软件[4]，本文采用最常见的Office Excel(2003)软件。

3 预测模型的建立

3.1 建模数据组

正常接批时原棉性能参数及其对应的成纱强力数据波动较小，这样的数据组无法正确体现两者的相关关系，据此建立的模型甚至会出现上半部平均长度的偏回归系数及其偏相关系数为负值的明显错误。因此，需要选取或者通过试纺得到成纱强力随原棉性能参数变化的建模数据组进行模型训练，原棉的HVI检测数据和成纱强力检测数据都会有异常数据，需要加以识别剔除，以免干扰建模。

在Excel中输入建模数据组，一般要20组以上，为便于作图分析，可以按实测强力排序，格式见表1，通过回归分析即可得到有关参数。

图1中为某细甲配棉CJ 14.6 tex的实测成纱强力随原棉性能参数变化的曲线图和用多元线性回归分析得到模型进行预测的强力曲线图，通过图形分析模型的预测情况。

图1 CJ 14.6 tex实测强力与预测强力曲线图

预测模型：

Y= -575.81+8.95963X1+6.602897X2+2.773435X3-1.71408X4

式中：Y-JC 14.6 tex成纱强力(cN)

X1-原棉上半部平均长度(mm)

X2-原棉整齐度指数(%)

X3-原棉断裂比强度(cN/tex)

X4-原棉马克隆值

回归统计参数：复相关系数0.978282，拟合优度0.957073，校正测定系数0.950162，标准误差3.712623。原棉性能参数与成纱强力的偏相关系数见表2。

表1 建模数据组格式

表2 原棉性能参数与成纱强力的偏相关系数

3.2 自变量有效区间

回归分析得出的模型只能内插不能外推，即在自变量-原棉性能参数的有效区间适用，否则不适用。所谓自变量有效区间就是指建模时所采用的原棉性能参数变化范围。上述预测模型的自变量有效范围见表3。

表3 自变量有效区间

若自变量有效区间过小，模型的相关性差，适用范围小；若自变量有效区间过大，则原棉性能参数与成纱强力之间的非线性关系凸显，预测偏差增大，需要分段建模，分段预测。

4 模型的适用性

一个通用的成纱质量预测模型比较适用于棉检和棉花加工部门评价原棉品质，而用于指导棉纺厂配棉则显不足，适用性差，拟合优度低，甚至趋势都不一致，这是因为影响成纱强力的不仅是原棉的HVI参数，还有许多其它因素。

4.1 棉种(产地)对模型的影响

表4是两种原棉的HVI数据，从数据看B棉种远优于A棉种，但实际上用A棉种纺制的成纱强力比用B棉种纺制的成纱强力高7%～10%，显然A棉种与B棉种的预测模型是不同的。HVI对纤维表面摩擦特性等对成纱强力有较大影响的参数没有直接有效的检测，不能完全代表棉纤维的物理性能，因而以HVI为基础建立的模型有一定缺陷。根据经验，当棉种(产地)跨度比较大时必须建新模型，开始时可以保留部分原建模数据组，以后逐步更替。

表4 不同棉种(产地)的HVI值

4.2 纺纱过程对模型的影响

纺纱设备、工艺、品种等对成纱强力的预测模型有相当大的影响，例如清梳联对棉纤维有损伤，会影响成纱强力，特别是用长绒棉时更为明显；在成纱断裂时，粗号纱的纤维断裂比例大，预测模型中的断裂比强度的偏相关系数就大；细号纱的纤维滑脱比例大，预测模型中的马克隆值的偏相关系数就大；成纱的重不匀、条干、捻度及不匀也会影响成纱强力，预测模型也会不同。

4.3 建立个性化模型

通过以上分析可以看出，影响成纱强力的因素比较多，用一个通用模型难以涵盖所有情况，通过实践发现每个配棉(对应一条生产线，固定一个代表品种)单独建一个模型可以较好地解决这个问题，获得理想的拟合优度，如果该配棉供应的号数范围较广，则需要建两个及以上的模型。Excel操作简单再结合直观的图形，为在生产中快速批量地建立预测模型并进行分析提供了一个高效的工具。

4.4 其它

通过建立个性化的模型可以发现每个成纱品种对原棉性能参数需求的侧重不同，从而引导精准采购，并制定相应的组批规则，指导分类排队。

棉与化纤混纺的产品，由于化纤是工业产品，性能稳定，混纺纱的强力波动主要由棉花接批、并批引起，同样可以通过棉花性能参数的波动预测成纱强力。

建模数据组需要日常维护，去伪存真，及时更新，并同步更新模型，分析预测情况。

5 结束语

目前成纱质量的预测主要依靠人工经验，这难免会产生过剩质量或者质量的波动。随着原棉HVI检测的普及，预测模型理论的完善，为科学预测奠定了坚实的基础，现在已经到了实际应用的阶段。通过长期的建模用模实践，我们得出以下结论：

5.1 用预测模型指导配棉时，需要根据每个配棉建立个性化的模型，棉种(产地)、设备工艺、细度等变动大时需要建新模。

5.2 建模数据组必须体现成纱强力随原棉性能参数变动的特征，原棉性能参数的变动要有合适的范围，从而获得较好的相关性和合适的有效区间，必要时可采用多个线性模型替代非线性关系。

5.3 随着在棉花贸易中越来越广泛地采用HVI数据，用预测模型指导原棉采购，对于降低成本、稳定质量具有非常积极的意义。经过数年实践，采用本文的方法，配棉等级平均可降低0.5级，成纱强力也未出现大的波动。

[1] 董奎勇，于伟东.基于BP神经网络的纺纱质量预报模型[J].东华大学学报(自然科学版)，2005，31(2)：88—92.

[2] 张丽娟，陈兵林，薛晓萍，等.棉花成纱品质质量模型的评价[J].纺织学报，2005，26(6)：133—135.

[3] 王美红.基于HVI数据棉纤维品质指数模型的构建[J].纺织学报，2014，35(10)：40—45.

[4] 张丽娟，孟亚利，薛晓萍，等.棉纤维综合品质指数模型构建[J].中国农业科学，2006，36(6)：1130—1137.

Applications of Prediction Model of Yarn Strength in Practice

FanHuyue

(Wuxi First Cotton Mill, Wuxi 214101, China)

The HVI data of raw cotton was operated and processed by means of regression analysis of Excel, a prediction model of yarn strength was established. By comparison, we found each cotton assorting should establish an individual model, modeling data should reflect change of yarn strength varied with properties of raw cotton. The parameter of raw cotton variation should be within reasonable range.

cotton assorting; yarn; strength; prediction; model

2016-05-14

范琥跃(1958—)，男，江苏无锡人，高级工程师。

TS101.92+2.3

B

1009-3028(2016)04-0013-03