مدل سازي اثر خواص نخ پود و سرعت ماشین بافندگي جت هوا بر زمان رسیدن نخ پود و کشش وارد شده به آن

Transcript

1 مدل سازي اثر خواص نخ پود و سرعت ماشین بافندگي جت هوا بر زمان رسیدن نخ پود و کشش وارد شده به آن Modeling of the Effect of Weft Yarn Properties and Airjet Loom Speed on the Weft Yarn Arrival Time and its Tension سال پنجم شماره شماره پیاپي صفحه 3 39 ISSN: 576 هوشنگ نصرتی * محمد امانی تهران قدرت االله زاوری تهران دانشگاه صنعتی امیرکبیر دانشکده مهندسی نساجی صندوق پستی تاریخ دریافت: 9//7 تاریخ پذیرش: 9/3/ چكیده در سامانه پودگذاری جت هوا نخ پود به وسیله نیروی رانش اصطکاکی میان جریان هوا و سطح نخ حرکت می کند. بنابراین خواص نخ پود مانند تاب قطر نخ نمره نخ و ویژگی جریان هوا مانند اغتشاشی بودن ناپایدار بودن و توزیع جریان هوا در کانال هدایت هوا سبب پیچیدگی حرکت نخ پود می شود. در پژوهش حاضر اثر خواص نخ پود شامل نمره نخ ترکیب های مختلف الیاف پلی استر و تاب نخ در سرعت های مختلف ماشین بافندگی و در نتیجه فشار های مختلف هوا روی زمان رسیدن نخ پود و میانگین پیک کشش بررسی شده است. 5 نمونه نخ با ترکیب مختلف الیاف پلی استر و خالص و پلی استر خالص با نمره ها و تاب های متفاوت در سامانه ریسندگی رینگ تولید و برای اندازه گیری زمان رسیدن و كشش نخ پود روی ماشین بافندگی جت هوا بررسی شدند. برای رابطه مند کردن نتایج تجربي از مدل شبکه عصبی به روش آموزش پس انتشار خطا استفاده شد. نتایج تحلیل آماري نشان داد تمام عوامل بررسی شده داراي اثر معنی دار بر زمان رسیدن نخ پود هستند. مشخص شد عوامل سرعت ماشین و در نتیجه فشار هوا بیشترین اثر را نسبت به سایر عوامل روی زمان رسیدن نخ پود دارند. شبکه عصبی به دست آمده می تواند برای پیش بینی سرعت پودگذاری نخ های پلی استر خالص و پلی استر خالص در ماشین بافندگی جت هوا با R برابر /98 به کار رود. كلمات كلیدي بافندگي پودگذاری جت هوا شبکه عصبی نخ پلی استر مقدمه عملیات پودگذاری در بافندگی جت هوا به طور عمده متفاوت از سایر روش های پودگذاری است. در این روش نخ پود با نیرویی که به وسیله فشار هوا ایجاد می شود حرکت می کند در حالی که در روش های بافندگی پروژکتایل راپیر و باماکو نخ پود با پودبر که سر نخ پود را گرفته است به طور كنترل شده حرکت می کند. امروزه ماشین های جت هوا از متداول ترین ماشین های بافندگی در بازار هستند. زیرا پودگذاری با جت هوا ساده ترین روش پودگذاری است. در روش پودگذاری جت هوا نخ پود با نیرویی که به وسیله فشار هوا وارد می شود حرکت می کند. درواقع حرکت نخ بر اثر اصطکاک میان سطح نخ *مسئول مکاتبات پیام نگار: hnosraty@aut.ac.ir و هوای فشرده است. Duxbury و همکاران ][ از اولین کسانی بودند که مطالعات علمی را روی بافندگی جت هوا انجام دادند و قانون دوم نیوتن را برای توضیح حرکت نخ به کاربردند. Salama و همکاران ][ سامانه راهنمای نخ در ماشین بافندگی جت هوا را شبیه سازی و با استفاده از آن حرکت نخ را هنگام پودگذاری تشریح کردند. Adanur و ]35[ Mohamed برای هر دو سامانه ذخیره نخ پود استوانه ای و حلقه ای معادله حرکت نخ را نوشته و تجزیه و تحلیل دینامیکی را درباره سامانه ذخیره نخ پود استوانه ایی انجام دادند. آنها دستگاه شبیه ساز سامانه پودگذار دستگاه بافندگی را ساخته

2 بافندگي ماشين سرعت و پود نخ خواص اثر مدلسازي همکاران و نصرتی هوشنگ پردازش و گردآوری را دادهها سامانه این به شده متصل رایانه با و هوا فشار و نخ سرعت هوا سرعت پودگذاری زمان سامانه این در کردند. هوا جت پودگذاری سامانه در را هوا جریان آنها است. شده اندازهگیری پودگذاری هنگام هوا سرعت توزیع و کرده تحلیل و تجزیه کیفی بهطور را نخ عبور هوای کانال ]6[ Adanur و Bakhtiyarov آوردند. بهدست را و نخ پیشبرنده نیروی تحلیلی روش به و گرفته درنظر نیمهباز بهشکل پژوهشگران از برخی کردند. مطالعه را هوا و نخ میان اصطکاک ضریب راهنماي كانال مختلف پارامترهای و ابعاد بهینهسازی و طراحی روی نيز نخهای روی آزمونهایی انجام با ]8[ Vangghelune ]7[. کردند کار هوا شبکه مدل از استفاده با و هوا جت بافندگی ماشین در نخ یکنواختی و نخ قطر نخ پرز نخ نمره میان ارتباط مصنوعی عصبی است کرده بررسی یکدیگر با آنها متقابل آثار و پود نخ رسیدن زمان با را با کمکی جتهای سازوکار با هوا جت بافندگی ماشین روی ]9[ Chelik ماشین مختلف پارامترهای بهینهسازی رایانهای شبیهسازی از استفاده جت به شده اعمال هوای فشار و فشرده هوای مصرف مانند بافندگی کرد. بررسی را کمکی جتهای و اصلی جت بافندگی ماشین در پودگذاری شرایط بهبود برای ][ Gorjian بر را آن اثر و كرده ایجاد ماشین نازل روی تغییراتی تکنازلی هوای بررسی را پود نخ به شده وارد کشش و شده بافته پارچه فیزیکی خواص روی آزمون انجام با پژوهشی در ][ همکاران و Ghithaiga کرد. شده. تولید نخهای مشخصات جدول )T/M( تاب )Ne( نمره )T/M( تاب )Ne( نمره الياف نوع نمونه نمونه 89 / % 889 / /9 % 75 5% 896 / /8 3 5% 5% 896 / / 75% 5% 89 / / 5 % 9 5/ 3 7 5/ 6 % 938 5/ / 7 % 75 5% 93 5/ /8 8 5% 5% 966 5/ /5 9 75% 5% 95 5/ % 8 5/ / % 85 5/ / 5% 75% 863 5/ /3 3 5% 5% 853 5/ / 75% 5% 8 5/ 798 5/7 5 % 5/ 79 / 6 % 7 5/9 76 /6 7 5% 75% 3 5/5 3 8 / 8 5% 5% 3 5/3 75 /3 9 75% 5% 6 5/ /5 % 83 / % 86 /7 5% 75% 89 / 3 5% 5% 87 / 75% 5% 8 /6 5 % 39 بهار شماره پنجم سال نساجي فناوري و علوم ترويجي علمي مجله

3 بافندگي ماشين سرعت و پود نخ خواص اثر مدلسازي همکاران و نصرتی هوشنگ پارامترهای میان ارتباط Air index meter سامانه در ای نخهای سرعت برداشت روزنه نوع تاب شامل اند اپن ریسندگی در ریسندگی کردند. بررسی نخ سرعت با را )روتور( چرخنده سرعت و زننده غلتک قطر یکنواختی نخ نمره تاب شامل نخ خواص میان ارتباط همچنین شامل الیاف خواص و نخ سرعت با را بلند پرزهای تعداد نخ متوسط ازدیاد استحکام الیاف ظرافت طولی یکنواختی الیاف متوسط طول مدلهای از استفاده با نخ سرعت با را کوتاه الیاف مقدار و پارگی تا طول کردند. بررسی مصنوعی عصبی شبکه و آماری ریاضی شبیهسازی ][ همکاران و Meulemeester مطالعه در است. شده انجام پود نخ دینامیکی رفتار درباره سهبعدی بهشکل تجربی نتایج میشود. مالحظه تجربی و نظری نتایج میان خوبی تطابق از استفاده با که بود پودگذاری حال در نخ از شده گرفته عکسهای شد. تهیه زیاد سرعت با عکاسی دوربین ترکیبهای نخ نمره قبیل از پود نخ خواص اثر حاضر پژوهش در ماشین مختلف سرعتهای در نخ تاب و الیاف مختلف میانگین و پود نخ رسیدن زمان روی هوا( مختلف )فشارهای بافندگی ترکیب با نخ زیادی تعداد است. شده بررسی و اندازهگيري کشش پیک نمرهها با خالص و خالص الیاف مختلف برای و شده تولید رینگ ریسندگی ماشین در متفاوت تابهای و جت بافندگی ماشین روی پود نخ کشش و رسیدن زمان اندازهگیری آماری مدلهای میان از آماری ارتباط تعیین برای شدند. بررسی هوا نخ نمره (Ne) هوا فشار (bar) ماشین سرعت (rpm) کشش بیشینه میانگین (cn) / / / / / /8 5 5 بافندگی. دستگاه مشخصات جدول مشخصه دقیقه( در )پود پودگذاری سرعت )m/min( پودگذاری توان ورودیها تعداد )cm( شانه عرض سانتیمتر( در )دندانه شانه نمره سانتیمتر( )بر تار تراکم )دنیر( تار نخ نمره است. لنو پارچه کنارههای بافت نوع مقدار در و متفاوت نخهاي نمره با کشش بیشینه پیک میانگین اندازهگیری نتایج جدول 3 مختلف. هوای فشارهای استفاده ANOVA آماری مدل و پسانتشار عصبی شبکه مدل از مرسوم است. آمده جدول در شده بررسی پود نخهاي مشخصات شد. تجربی و مختلف درصدهای با نخهای انواع پژوهش این در اندازهگیری آزمونهای و شده تولید خالص و خالص روی آزمونها شد. انجام آنها روی )Turns/meter( تاب و )Ne( نمره آمده مشخصات با Omni plus مدل بلژیک پیکانول بافندگی ماشین )monitor( نمایشگر روی پود نخ رسیدن زمان شد. انجام جدول در روی نخها نمونه تمام منظور بدین است. قابلمالحظه ماشین این است. شده بافته پود بهعنوان بافندگی ماشین شد نخکشی پودگذاری مسیر در نخ نمونه هر که ترتیب بدین ماشین پودگذاری بار تعداد از پس و کرد بهكار شروع ماشین پود نخ رسیدن زمان بافندگی ماشین نمایشگر از و شد متوقف بافندگی و سرعتهای 3 در آزمونها این شد. یادداشت نمونه هر برای 5 rpm و 3 سرعتهای در هوا فشار شد. انجام 5 rpm در شده استفاده تار نخ شد. تنظیم 5/8 bar و /8 3 روی ترتیب به بود. دنير 75 پلياستر )filament( رشتهای نخ نوع از بافندگي ماشين خروجی الیه مخفی الیه اول الیه )ms( نخ رسیدن زمان / Ne, % C, 83 T/M / Ne, % C, 79 T/M مصنوعی. عصبی شبکه نمای شکل )rpm( سرعتماشین پود نخ رسیدن زمان بر بافندگی ماشین سرعت اثر شکل 5 39 بهار شماره پنجم سال نساجي فناوري و علوم ترويجي علمي مجله

4 بافندگي ماشين سرعت و پود نخ خواص اثر مدلسازي همکاران و نصرتی هوشنگ پود. نخ رسیدن زمان بر الیاف درصد اثر شکل rpm rpm %P 5%P 5%C %C )( نخبافته )ms( نخ رسیدن زمان دستگاه از استفاده با پود نخ کشش اندازهگیری شد. انجام Rothschild با الکترونیکی روش به کشش اندازهگیری نمایشگر و کنترل اندازهگیر بخشهای شامل دستگاه این )measuring head( بخشاندازهگیر است. ثبات و کشش نخ طرف از شده وارد فشار اثر در خازن یک ظرفیت تغییر براساس تغییرات این میکند. کار )sensor rod( حسگر میله روی عبوری محاسبه بخش این در نخ کشش و شده ارسال پردازشگر بخش به )cn( سانتینیوتن برحسب مدرج گالوانومتر با آن مقدار سپس میشود. پود نخ کشش ثبات بخش با بخش این ارتباط با و میشود داده نشان از استفاده برای میشود. چاپ نمودار بهشکل مدرج نواری کاغذ روی شود. کالیبره دستگاه باید ابتدا کششسنج که است یافته انجام شکل این به عملی بهطور نخ کشش اندازهگیري پود نخ و شد داده قرار بافندگی دستگاه در آن ویژه محل در نخ بوبین ابتدا بهکمک متحرک اصلی نازل و ثابت اصلی نازل و آکوموالتور و راهنماها از در کششسنج دستگاه اندازهگیر بخش سپس شد. داده عبور هوا جریان شد. نصب محکمی پایه روی ثابت اصلی جت و آکوموالتور میان ناحیه عبور کشش اندازهگیری بخش حسگر میله روي از پود نخ که بهطوری کند. در کشش پیک میشود مشخص پود نخ کشش منحنیهای بررسی از جت ضربهای خاصیت از ناشی که میافتد اتفاق نخ پرتاب اولیه مراحل مؤثر پود نخ پارگی بر که است نظر این از کشش پيك اهمیت هواست. محدوده در بتوان تا باشد نخ پارگی نیروی از کمتر باید نیز آن مقدار و است پود نخ پارگی تعداد زيرا داد انجام را بافندگي عمل پارگي پود از قابلقبولي دارد. بسزایی اثر تولیدی پارچه کیفیت و ماشین بازده بر کشش حداکثر پارامتر از تجربی و نظری نتایج مقایسه برای بنابراین مقایسه معیار بهعنوان پودگذاری چرخه یک در پود نخ بر شده وارد و 5 مختلف نمرههای با پود نخهای کشش میشود. استفاده نخها این از کدام هر که است شده اندازهگیری خالص و 5 Ne هر در بودند. شده پودگذاری 5/8 bar و 8 3 مختلف فشارهای با مدرج نمودار روی و اندازهگیری کششسنج دستگاه با نخ کشش آزمون نخ یک برای کششسنج دستگاه با کشش اندازهگیری آزمون شد. رسم انجام متوالی پودگذاري چرخه در معین فشار با و مشخص نمره با مقیاس به توجه با گذاریها پود این در نخ کشش پیک سپس شد. نخ كشش پيك ميانگين و ثبت )cn( سانتینیوتن برحسب نمودارها مدنظر پود نخ و كرده بهكار شروع بافندگی ماشین شد. محاسبه پود ای قیچیشدن با همزمان کشش اندازهگیری زمان و میشود پودگذاری این در زیرا میشود آغاز متحرک اصلی جت از پس قیچی با نخ قطع است. صفر نخ وسیله به حسگر میله بر وارد فشار یا نخ کشش حالت فشار شیر با که نازل پشت هوای فشار آزمون مقدمات کامل انجام از پس تنظیم 3 rpm روی ماشین سرعت و 3 bar با برابر است تنظیمشدنی هوا کشش اندازهگیری آزمون 5 Ne و 5 نمرههای با نخ سه هر برای شد. بعدی آزمون در شد. انجام مجزا بهطور نخ هر برای متوالی پیک در نخ هر برای و شد تنظیم rpm سرعت و /8 bar نازل پشت در هوا فشار بهطور نخ هر برای متوالی پیک در نخ کشش اندازهگیری آزمون نخ سه شد. انجام مجزا و 5/8 bar نازل پشت در هوا فشار کشش اندازهگیری آزمون آخرین در اندازهگیری آزمون نخ سه هر برای شد. تنظیم 5 rpm روی ماشین سرعت است. آمده 3 جدول در حاصل نتایج كه شد انجام مشابه بهطور نخ کشش مصنوعی عصبی شبکه سامانه )artificial neural network, ANN( مصنوعی عصبی شبکه عصبی شبکههای با مشترکی ویژگیهای دارای که است اطالعات پردازش ریاضی مدلهای یافته تعمیم مصنوعی عصبی شبکههای است. طبیعی فرضیههای برپایه و هستند عصبی زیستشناسی براساس انسان تشخیص ]3[: استوارند زیر نرونها نام با فراوان تعداد با سادهای اجزای در اطالعات پردازش میشود. انجام )neurons( )conections( اتصاالت یا پیوندها راه از شبکه نرونهای میان در سیگنالها میشوند. منتقل آنها در رایج عصبی شبکههای در که دارد خود به مربوط وزن پیوند هر 3 میشود. ضرب پیوند آن از یافته انتقال سیگنالهای غیرخطی معموال )activation function( فعالسازی تابع یک نرون هر است ورودی سیگنالهای وزندار جمع که خود ورودیهای روی را کند. تولید را خود خروجی سیگنال تا میکند اعمال با را مصنوعی عصبی شبکه میتوان شده گفته فرضیههای به توجه با کرد: مشخص زیر ویژگیهای معماری یا ساختار که شبکه آن مختلف نرونهای میان پیوندها الگوی میشود. نامیده شبکه )architecture( یا آموزش الگوریتم را آن که شبکه پیوندهای روی وزنها تعیین روش مینامند. )training or learning algorithm( یادگیری میکند. اعمال خود ورودیهای روی نرون هر که شبکه فعالسازی تابع هک است دینامیکی سامانههای از دستهای جزء مصنوعی عصبی شبکههای به را دادهها ورای در نهفته قانون یا دانش تجربی دادههای روی پردازش با عصبی شبکههای از برگرفته که شبکهها این میکند. منتقل شبکه ساختار جمله آن از که شدند استفاده مختلف زمینههای در است زنده موجودات و بهتر تنظیم )برای خبره سامانههای بهینهسازی پیشبینی به میتوان 39 بهار شماره پنجم سال نساجي فناوري و علوم ترويجي علمي مجله 6

5 بافندگي ماشين سرعت و پود نخ خواص اثر مدلسازي همکاران و نصرتی هوشنگ و عضویت توابع تنظیم )برای فازی سامانههای و سامانه( مناسبتر رفتار ]3[. کرد اشاره دانش( پایگاه در فازی قوانین غیرخطی سامانهها به پاسخ در زیاد بسیار سرعت عصبی شبکههای بهدرستی سامانه و نباشند غیرمنتظره خیلی ورودیها که زمانی تا و دارند پاسخ خوبی دقت با و ناچیز بسیار خطای با میتوانند باشد دیده آموزش کنند. حاصل را مطلوب بهینه آموزش پارامترهای با شایسته عصبی شبکه مدل یک طراحی است. برخوردار بسیاری اهمیت از مطلوب پیشبینی نتایج به رسیدن در شده اندازهگیری دادههای مجموعه از عصبی شبکه مدل ساختن برای عمده عوامل شامل مجموعه این است. شده استفاده پود نخ رسیدن زمان استفاده شبکه ورودی بهعنوان که بوده پود نخ رسیدن زمان بر اثرگذار است. شده : از عبارتاند شبکه ورودیهای پود نخ در الیاف ترکیب درصد نخ نمره و بافندگی ماشین سرعت نخ. تاب آموزش نحوه و ساختار براساس عصبی شبکههای از مختلفی مدلهای )feed forward neural networks( پیشخور عصبی شبکههای دارد. وجود عصبی شبکه اغلب کردند. استفاده زیاد کاربردهای برای پژوهشگران را کششی خواص پیشبینی قبیل از نساجی پژوهشی کارهای در پیشخور پیشبینی و پارچه کششی رفتار مدلسازی الیاف خواص درباره نخ دارايعملكرد الیاف برای هوا جت بافندگی ماشین در نخ سرعت مختلف مصنوعی عصبی شبکه مدلهای ] 5 6 [.از موفقیتآمیزيبودهاند مدل شماره ورودی الیه اول الیه نرون مخفی دوم الیه نرون مخفی الیه نرون خروجی ماشین )سرعت رسیدن زمان بر % ( 83 T/M( نخ نمره اثر شکل 5 شده. آزمون ساختارهای جدول و داده نشان را کارایی بهترین پیشخور عصبی شبکههای شده بررسی پود نخ رسیدن زمان پیشبنی و مدلسازی برای حاضر پژوهش در بنابراین اب )network forward multilayer feed( پیشخور چندالیه شبکه یک از طراحی عصبی شبکه است. شده استفاده خطا انتشار پس آموزش الگوریتم الیه یک و خروجی الیه یک ورودی الیه یک دارای کارایی بهترین با شده در مخفی الیه یک با پیشخور شبکه یک از کلی نمای است. مخفی است. شده داده نشان شکل پارامترهای تعداد با ورودی گرههای تعداد عصبی شبکه مدل یک در با خروجی الیه گرههای تعداد دیگر سوی از است. برابر شبکه به ورودی طراحی مدلهای همه در بنابراین است. برابر خروجی پارامترهای تعداد است. برابر ورودی واحدهای تعداد و خروجی الیه تعداد شده مخفی الیه یک با عصبی شبکههای میدهد نشان شده انجام مطالعات بهبود باعث شرایطی در دوم مخفی الیه و مناسباند کاربردها اکثر برای باشد. پیچیده خروجیها و ورودیها میان رابطه که میشود شبکه کارایی که میشود حاصل اطمینان این باشد کوچکتر شبکه ابعاد چقدر هر شبکه محاسباتی پیچیدگیهای و میشود معقولی حد در آموزش زمان میرسد. حداقل به مخفی الیه یک با چندالیه شبکههای است داده نشان پژوهشها الیه در خطی تبدیل توابع و میانی الیه در زیگموئیدی تبدیل توابع با ][. دارند تقریب درجه هر با را مدنظر توابع تمام تقریب قابلیت خروجی شرایط از یادگیری الگوریتم تکرار هر از پس آموزش طی عصبی شبکههای یادگیری برای میکند. اصالح و ساخته را پسماندها و وزنها خود هدف و )Ne( نخ نمره.) rpm )ms( نخ رسیدن زمان پود. نخ رسیدن پیشبینی و تجربی مقادیر ارتباط شکل 6 داده پردازش output=.97*target O Y=T هدف پود. نخ رسیدن زمان بر نخ تاب اثر شکل 6 5 rpm rpm )T/M( نخ تاب )ms( نخ رسیدن زمان 7 39 بهار شماره پنجم سال نساجي فناوري و علوم ترويجي علمي مجله

6 بافندگي ماشين سرعت و پود نخ خواص اثر مدلسازي همکاران و نصرتی هوشنگ.mse شبکه عملکرد تابع منحنی 7 شکل باید که عاملی مهمترین شود. انتخاب یادگیری الگوریتم است الزم ابتدا شبکه آموزش برای مناسب الگوریتمی بهکارگیری گیرد قرار توجه مورد نوع خطا انتشار پس آموزش الگوریتم از پژوهش اين در ]3[. است وزنها با الگوریتم شروع است. شده استفاده LevenbergMarquardt بر اثرگذار پارامترهای از یادگیری ضریب است. تصادفی پسماندهای و انتشار پس آموزشی الگوریتم در که وزنهاست تنظیم و آموزش فرایند یادگیری سرعت اگر میکند. معین تکرار هر در را وزنها پرش مقدار خطا سطح دیگر بهعبارت باشد بزرگ بسیار خطا سطح برای شده انتخاب آموزش فرایند باشد سریع تغییرات دارای وزنها تغییرات به نسبت خطا را آموزش ثبات کم آموزش ضریب هرچند دیگر طرف از میشود. ناپایدار آموزش تکرار هر در وزنها کوچک تغییرات علت به ولی میکند تضمین روشی و الگوریتم هیچ مییابد. کاهش بسیار بازده آموزش زمان افزایش و روش از باید منظور بدین ندارد وجود ضریب این بهینه مقدار تعیین برای شود. گرفته کمک خطا و سعی بحث و نتایج خظا مربعات میانگین بافندگی ماشین سرعت اثر رسیدن زمان بافندگی ماشین سرعت افزایش با میشود نتیجه شکل از داده افزایش هوا فشار ماشین سرعت افزایش برای مییابد. کاهش پود نخ بیشتر نخ به شده وارد نیروی هوا فشار افزایش با ترتیب بدین میشود. پود نخ رسیدن زمان دیگر عبارت به مییابد. افزایش نخ سرعت و میشود مييابد. کاهش پود( نخ در الیاف مخلوط )درصد الیاف نوع اثر شده مخلوط الیاف درصد افزایش با میشود مالحظه شکل 3 در درصد افزایش مییابد. افزایش پود نخ سرعت درصد به نسبت افزایش باعث نخ پرز افزایش و شده نخ پرز افزایش سبب مخلوط میدهد نشان شکل در نخ تاب اثر است. شده هوا و نخ میان اصطکاک قطر کاهش سبب تاب افزایش است. یافته کاهش نخ سرعت تاب افزایش با خن سطح صافشدن و نخ قطر کاهش با میشود. نخ سطح صافشدن و نخ پود نخ رسیدن زمان و مییابد کاهش هوا جریان با نخ به شده وارد نیروی ميشود. كم نخ سرعت دیگر عبارت به مییابد. افزایش نخ نمره اثر نتایج از شده انجام آزمونهای کل از نخ نمره اثر نشاندادن برای الیاف درصد پارامترهای که است شده انتخاب دادههایی آزمونهای نمره فقط ولی بوده یکسان آنها تاب و ماشین سرعت نخ مخلوط نمره افزایش با میدهد نشان بهوضوح 5 شکل بودند. متفاوت آنها نخ سرعت دیگر بهعبارت است. یافته کاهش پود نخ رسیدن زمان نخ طرفی از و نخ قطر افزایش سبب نخ نمره کاهش است. شده بیشتر سریع حرکت از مانع نخ جرم افزایش میشود. نخ جرم افزایش باعث میشود. نخ مصنوعی عصبی شبکه نتایج تحلیل بیشترین که بود راهکاری جستوجوی در باید سامانه مدلسازی در از استفاده شیوه باشد. داشته اندازهگیری خاصیت و ساختار با را سازگاری خاصیت بتوان که است آن راهبردی اصول بناگذاشتن واقع در عصبی شبکه مطالبی به توجه با کرد. ارزیابی مؤثر عوامل بهکارگیری با را شده بررسی انتشار آموزش روش به انتشار پس تکالیه عصبی شبکه از شد بیان که و ساده مدلی كه شد استفاده مدنظر خاصیت پیشبینی برای عقب به بهترین تا بود نیاز ورودیها و عصبی شبکه نوع انتخاب از پس كاراست. ساختارهای منظور آید.بدین بهدست خطا پیشبینی برای شبکه ساختار بهشکل پسانتشار شبکه ساختار از شد. بررسی جدول مطابق متفاوتی مخفی تکالیه و گره یک با خروجی الیه یک گره چهار با ورودی الیه یک آمد. بهدست دقیقتری نتایج کامل اتصاالت با گره دو با و معتبرسازی آموزش مجموعه زیر به داده تقسیم بعد مرحله % معتبرسازی مجموعه برای داده( )8 دادهها % است. آزمایشی برای داده( 5 ( دادهها 6% و آزمایشی مجموعه برای ) 8 داده( دادهها با داد نشان بهوضوح نتایج است. شده گرفته درنظر آموزش مجموعه خطی تبدیل تابع و مخفی الیه در زیگموئید تبدیل تابع از استفاده /5 3 3/5 /5 5 5/5 6 6/5 )bar( هوا فشار 5. Ne و 5 نمرههای با کشش بیشینه پيك میانگین بر هوا فشار اثر شکل 8 )cn( کشش بیشینه پيك میانگین Epochs 39 بهار شماره پنجم سال نساجي فناوري و علوم ترويجي علمي مجله 8

7 بافندگي ماشين سرعت و پود نخ خواص اثر مدلسازي همکاران و نصرتی هوشنگ روش از همچنین میشود. حاصل کارآیی بهترین خروجی الیه در شد. استفاده شبکه آموزش برای LevenbergMarquardt را پیشبینی و تجربی مقادیر )/987=R( همبستگی ضریب 6 شکل مالحظه 7 شکل در که همانطور میدهد. نشان پود نخ رسیدن زمان برای دادههاي بهوسیله يادگيري آموزش مرحله تعداد از پس میشود تجربی دادههاي خطای مجموعه تغییرات است. شده متوقف اعتبارسنجي بیشبرازش و بوده مطلوب نتیجه بنابراین است مشابه اعتبارسنجي و است. نيفتاده اتفاق دادهها آماری تحلیل الیاف درصد نخ نمره هوا فشار پارامترهای از یک هر اثر تعیین و بررسی برای واریانسها تحلیل روش از پود نخ رسیدن زمان روی نخ تاب و ميشود مالحظه 6 جدول در كه همانطور است. شده استفاده )ANOVA( از كمتر حالتها همه در است Pvalue همان که )Sig.( احتمال مقدار نمره ماشین) Speed ( سرعت عوامل اثر گفت ميتوان درنتيجه /5 است. زمان متغير روي )Twist( نخ تاب و )Material( الیاف ترکیب )Count( نخ مستقل. عوامل جدول 5 N مقدار عامل سرعت الیاف ترکیب واریانسها. تحلیل و تجزیه آزمون نتایج جدول 6 منبع Df Type III Sum of Squares مربعات مجموع Sig. F 8/6 /8E5 /96E3 36/693 8/9 /397 3/ /93 33/66 3/5 /55 33/953 /3 * R Squared = /98)/98) * 985/56 677/93 66/35 36/9 68/36 33/953 8/9 9375/7 566/78 Corrected Model Intercept Speed Material Twist Count Error Total Corrected Total است. ماسین سرعت مؤثر عامل بیشرین و بوده معنيدار پود نخ رسیدن معنيدار تغييرات باعث مستقل متغيرهاي سطوح در تغيير ديگر بهعبارت نخ رسیدن )زمان وابسته متغير در نیستند( تصادفي تغييرات از ناشي )كه ميشود. پود( پود نخ کشش اندازهگیری از حاصل نتایج بر زمان هم بهطور هوا فشار و نخ نمره تغییرات اثر 8 شکل در میشود مشاهده شکل این در میشود. مالحظه کشش پیک متوسط نمره با نخهای بر و مییابد افزایش نخ کشش پیک هوا فشار افزایش با فرض با 9 شکل در میشود. وارد نیز بیشتری نیروی )ضخیمتر( کمتر رب )N/πd( نخ محیط بر نیرو نسبت تغییرات نخ مقطع سطح دايرهایبودن میشود مالحظه 9 شکل به توجه با است. قابلمالحظه هوا فشار تغییر اثر با موازی کامال ولی است یافته کاهش 8 شکل به نسبت منحنی شیب عوامل سایر نخ قطر بر افزون هوا فشار افزایش با بنابرین نیست. افقی محور مؤثرند. نخ کشش بر نیز / تاب 85 N/n.d /5 / /8 5/ نمره )bar( هوا فشار نخ. قطر به نخ کشش نسبت بر هوا فشار اثر شکل بهار شماره پنجم سال نساجي فناوري و علوم ترويجي علمي مجله

8 بافندگي ماشين سرعت و پود نخ خواص اثر مدلسازي همکاران و نصرتی هوشنگ نتیجهگیری سامانه وسیله به هوا جت بافندگی ماشین در پود نخ پودگذاری عملیات نخ حرکت زیرا است پیچیده و نبوده پروژکتایل و رپیر ماکو مانند ویژهای میگیرد. قرار نخ خواص و هوا نیروی میان پیچیده متقابل آثار تأثیر تحت هوا جریان با نخ سطح اصطکاک براساس پود نخ پودگذاری سامانه این در قرار دهنه در و شده هدایت انحنادار شانه در هوا هدایت کانال داخل در از آن به شده اعمال نیروی مقدار و پود نخ حرکت بنابراین میشود. داده حرکت کامل بررسی است. اثرپذیر پود نخ ساختار و هوا جریان خواص مطالعه برای بنابراین نیست ممکن آن پیچیدگی دلیل به پود نخ آنها از و شده ارائه پودگذاری سامانه شبیهسازی مدل باید نخ رفتار بافندگی ماشین سرعت افزایش گفت میتوان نتایج طبق شود. استفاده سرعت دیگر بهعبارت یا داده کاهش را پود نخ رسیدن زمان هوا فشار یا شده مخلوط الیاف درصد ازدیاد با میدهد. افزایش را پود نخ تاب افزایش مییابد. افزایش پود نخ سرعت درصد به نسبت میشود. نخ سرعت کمشدن و پود نخ رسیدن زمان زیادشدن سبب کاهش پود نخ رسیدن زمان )Ne یا انگلیسی )نمره نخ نمره افزایش با اب موفقیتآمیز پیشبینی میشود. نخ سرعت بیشترشدن سبب و مییابد انتشار پس عصبی شبکه مدل بهوسیله )/98( زیاد همبستگی ضریب سامانه در پود نخ رفتار برای سودمندی مدلسازی ابزار میدهد نشان هواست. جت پودگذاری خن مختلف انواع عملکرد پیشبینی برای میتواند آمده بهدست نتایج کیفیت با را نخ چگونه که میکند کمک ما به بنابراین شود. برده بهکار بهبود به میتواند موضوع این برد. بهکار هوا جت بافندگی ماشین در بهینه هوای )مصرف مصرفی انرژی و شود منجر هوا جت بافندگی عملیات دهد. کاهش را فشرده( متغير روي نخ تاب و الیاف ترکیب نخ نمره ماشین سرعت عوامل اثر ماشین سرعت مؤثر عامل بیشرین و بوده معنيدار پود نخ رسیدن زمان بیشتری اهمیت دارای پود نخ به شده وارد کشش مقدار حداکثر است. و پارگی تعداد با مستقیم ارتباط و بوده کشش مقادیر سایر به نسبت شد. گرفته میانگین نخ کشش حداکثر مقادیر از بنابرین دارد. نخ استحکام نخهای بر و شده زیاد نخ کشش پیک هوا فشار افزایش با شد گرفته نتیجه میشود. وارد بیشتری نیروی نیز تر( )ضخیم کمتر نمره با مراجع. Duxbury V., Lord P.R., and Vaswami T.B., A Study of some factors involved in pneumatic weft propulsion, J. Text. Inst., 5, , Salama M., Adanur M., and Mohamed M.H., Mechanics of single nozzle airjet filling insertion system, Part III: Yarn insertion through tubes, Text. Res. J., 57, 5, Adanur S. and Mohamed M.M., Analysis of yarn tension in airjet filling insertion, Text. Res. J. 6, 5966, 99.. Adanur S. and Mohamed M.M., Analysis of yarn motion in single nozzle airjet filling insertion, Part I, II., J. Text. Inst., 83, 56, Adanur S. and Mohamed M.M., Weft insertion on airjet looms: Velocity measurement and influence of yarn structure, Part I: Experimental system and computer interface, J. Text. Inst. 97, 9735, Adanur S. and Bakhtiyarov S., Analysis of air flow in single nozzle airjet filling insertion, corrugated channel model, Text. Res. J., 66, 6, Salama M. and Mohamed M.H., Mechanics of single nozzle airjet filling insertion system, Part II: Velocity distribution and design of the guide system, Text. Res. J., 56, 776, Vangheluwe V., Weft insertion of polyester/cotton blend yarns on airjet looms, Text. Res. J., 67, 8985, Chelik N., Babaarsalan O., and Bandara M. P.U., A mathematical model for simulation of weft insertion on an airjet weaving machine, Text. Res. J., 7, 36,. شرایط تغییر با هوا جت بافندگی ماشین پودگذاری سامانه اصالح امکان بررسی ج. گرجیان. امیرکبیر 373. دانشگاهصنعتی ارشد مهندسینساجی پودگذاری پایاننامهکارشناسی. Ghithaiga J., Vangheluwe L., and Kiekens P., Relationship between the properties of cotton rotor spun yarns and the yarn speed in an airjet loom, J. Text..Inst., 9, 357,.. Meulemeester S.D., Puissant P., and Langenhove L.V., Three dynamic yarn behavior on airjet looms, Text. Res. J., 79, 767, 9. س. شورکی باقری ک. مفاخری ه. ویسی ترجمه: مصنوعی عصبی شبکه مبانی ل. 33 فاست 388. نص تهران اول چاپ صنعتی دانشگاه نشر مرکز اول چاپ عصبی( شبکه )مبانی محاسباتی هوش م. منهاج کبیر 379. امیر 5. Hadizadeh M., Amani Tehran M., and Jeddi A.A.A., Application of adaptive neurofuzzy system for prediction of load/extension behavior of plainwoven fabrics, Text. Res. J., 8, 9899,. 6. Chattopadhyay R. and Guha A., Artificial neural networks: applications to textiles, Text. Prog., 35,6,. 39 بهار شماره پنجم سال نساجي فناوري و علوم ترويجي علمي مجله

9 Journal of Textile Science and Technology Vol. 5, No., 3 Spring 5 ISSN: 576 Modeling of the Effect of Weft Yarn Properties and Airjet Loom Speed on the Weft Yarn Arrival Time and its Tension Hooshang Nosraty*, Mohammad Amani Tehrani, and Qodratollah Zaveri. Department of Textile Engineering, Amirkabir University of Technology, P.O. Box: 58753, Tehran, Iran Received 8 March ; Accepted June 5 Abstract In this research the effect of yarn characteristics such as yarn count, different percent of polyester/cotton fibers in blend yarn, yarn twist and average of the weft yarn tension at different supplied air pressures and weaving machine speed on the weft yarn speed, and weft arrival time were investigated. Blend polyestercotton yarns (5 samples( were produced by ring spinning method and the percentage of cotton in the composition changed as, 5, 5,7 5, and %. The samples were used as weft yarn in an airjet weaving machine for measuring the weft yarn arrival time and its tension. In order to find a correlation between the yarn properties and the experimental results, the backpropagation neural network model was adapted. The results showed that all of the parameters have a significant influence on the weft arrival time. However, the most important parameter was found to be the loom speed and consequently the applied air pressure on the weft yarn. The presented neural network model can be used to predict the weft yarn velocity for cotton, polyester and cottonpolyester blend yarns on an airjet loom with a regression coefficient as high as R =.98. Keywords weaving, airjet weft insertion, neural network, polyester/cotton yarn. (*( Address Correspondence to H. Nosraty, hnosraty@aut.ac.ir