استفاده از هوش مصنوعی جهت بهینه‌سازی پارامترهای موثر بر فرآیند ریسندگی چرخانه‌‌ای

یافتن ارتباط بین پارامترهای مستقل و وابسته در فرآیند ریسندگی چرخانه‌ای از نظر کیفیت نخ و میزان تولید از اهمیت بسزایی برخوردار است. در این پژوهش داده‌های به ‌دست آمده با استفاده از روش سطح پاسخ، مربوط به بررسی اثر پارامترهای سرعت چرخانه، فاکتور تاب و نسبت طول لیف به قطر چرخانه بر روی میزان کشش متوسط و کشش بیشینه از مطالعات پیشین استخراج شد. سپس، ارتباط بین پارامترهای پاسخ و متغیرهای مستقل با استفاده از شبکه‌های عصبی مصنوعی مدل شد. در مرحله بعد، با کوپل کردن الگوریتم ژنتیک و انجام بهینه‌سازی خطی مقدار متوسط کشش افزایش یافته و همچنین میزان تفاوت بین کشش متوسط و کشش بیشینه به حداقل مقدار خود رسید. امید می‌رود با چنین روشی بتوان مسائل پیرامون تولید نخ‌های چرخانه‌ای از جمله پیچیدگی ارتباط بین متغیرها را برطرف ساخت.

using artificial intelligence to optimize the effective parameters on the rotary spinning process

finding the relationship between independent and dependent parameters in the rotor spinning process is very important in terms of yarn quality and production rate. in this research, the data obtained using the response surface methodology, related to the investigation of the effect of parameters including spinning speed, twist multiplier and the ratio of fiber length to rotor diameter on the amount of mean tension and peak tension were extracted from previous studies. then, the relationship between response parameters and independent variables was modeled using artificial neural networks. in the next step, by coupling the genetic algorithm and performing linear optimization, the mean tension value was increased and the difference between the mean tension and peak tension reached its minimum value. it is hoped that with such a method, the issues surrounding the production of rotor-spun yarns, including the complexity of the relationship between variables, can be resolved.