پیش بینی خصوصیات نخ ریسیده شده در ریسندگی فاستونی با استفاده از روش ترکیبی شبکه عصبی با ناظر و بدون ناظر

یکنواختی نخ، یکی از مهم ترین پارامترهای نخ از لحاظ کیفی می باشد که تاثیرات قابل توجهی بر عملیات چله کشی، بافندگی و در نهایت منسوج تولیدی دارد. این پارامتر بستگی مستقیم به خصوصیات الیاف و پارامترهای فرآیند ریسندگی دارد. در این تحقیق نایکنواختی نخ در سیستم ریسندگی فاستونی با استفاده از روش ترکیبی شبکه عصبی خود سازمان دهنده کوهونن و شبکه پرسپترون پیش بینی گردیده است. تعداد 2490 سری آزمایش شامل پارامترهای مواد اولیه و پارامترهای کیفی نخ تولیدی در یک کارخانه ریسندگی فاستونی جمع آوری و مورد پردازش قرار گرفت. در مرحله اول، ابتدا داده ها با استفاده از شبکه عصبی کوهونن خوشه بندی گردید. سپس هر خوشه به طور جداگانه به یک شبکه پرسپترون تغذیه گردید. در مرحله بعدی، پیش بینی 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 می دهد.