پیش‌‌‌بینی خصوصیات نخ ریسیده‌شده در ریسندگی فاستونی با استفاده از روش ترکیبی شبکه عصبی باناظر و بدون ناظر

از مهم‌‌‌ترین پارامترهای نخ از لحاظ کیفی، یکنواختی آن است که تاثیرات چشمگیری بر عملیات چله‌کشی، بافندگی و در نهایت، منسوج تولیدی دارد. این پارامتر بستگی مستقیم به خصوصیات الیاف و پارامترهای فرایند ریسندگی دارد. در این تحقیق، نایکنواختی نخ در سیستم ریسندگی فاستونی با استفاده از روش ترکیبی شبکه عصبی خود سازمان‌دهنده کوهونن و شبکه پرسپترون پیش‌‌‌بینی شده است. تعداد 2490 سری آزمایش شامل پارامترهای مواد اولیه و پارامترهای کیفی نخ تولیدی در یک کارخانه ریسندگی فاستونی جمع‌‌‌آوری شد و مورد پردازش قرار گرفت. در مرحله اول، ابتدا داده‌‌‌ها با استفاده از شبکه عصبی کوهونن خوشه‌‌‌بندی شد. سپس هر خوشه به‌طور جداگانه، به یک شبکه پرسپترون تغذیه گردید. در مرحله بعدی، پیش‌‌‌بینی یکنواختی نخ تنها با یک شبکه پرسپترون صورت پذیرفت. مقایسه نتایج حاصل از روش ترکیبی در مقایسه با شبکه پرسپترون نشان داد که استفاده از روش ترکیبی شبکه کوهونن و پرسپترون، خطا را به میزان 3.34 درصد کاهش می‌‌‌‌‌‌دهد.