استفاده از شبکه عصبی برای مدلسازی استحکام نخ و بهینه سازی مصرف مواد اولیه با بهره گیری از الگوریتم ژنتیک

بطور کلی در مدل سازی استحکام نخ، بر اساس ارتباط بین خواص لیف و نخ، استحکام نخ نهایی با استفاده از مدل پیش بینی می شود. این پایان نامه به مدل سازی استحکام نخ و مسأله تولید نخ رینگ با استحکام مطلوب با کمترین هزینه بر اساس به کارگیری سیستم های هوشمند می پردازد. مسأله استحکام نخ و اهمیت آن در صنعت نساجی، همچنین پارامترهای موثر بر آن ارائه می گردد. برخی از روش های مدل سازی استحکام نخ از جمله سیستم های هوشمند مثل شبکه های عصبی و روش های مدل سازی دیگر مثل مدل سازی آماری (رگرسیون)، مکانیکی و ریاضی بیان می گردد. نتایج مطالعات نشان می دهد که شبکه های عصبی مصنوعی یکی از مناسب ترین ساختار ها برای مدل سازی هستند. لذا در این پروژه برای مدل سازی از شبکه های عصبی استفاده شده است. ابتدا داده های مربوط به نخ صد درصد پنبه ای با نمره سی انگلیسی جمع آوری می شود. برای این منظور، یک دسته آزمایشات در رنج های متفاوت انجام شد. پس از جمع آوری داده ها، ساختار شبکه تعیین و به مبحث مدل سازی پرداخته شده است. جهت آموزش شبکه، از روش آموزش پس انتشار خطا در جهت حداقل کردن خطا استفاده شده است. خطای کم خروجی های مدل (شبکه عصبی آموزش داده شده) برای داده های تست، نشانگر دقت بالای مدل می باشد. پس از بدست آوردن مدل مطلوب، یک راهکار جدید برای تعیین بهینه مقادیر موثر در تولید نخ به منظور رسیدن به استحکام مطلوب نخ با استفاده از الگوریتم ژنتیک ارائه می گردد. آزمایشات متعددی در رنج ها و با توابع هزینه تولید متفاوت انجام می شود و جواب مطلوب از لحاظ دستمزد، انرژی، و هزینه مواد با حفظ استحکام مطلوب تعیین می گردد.