تنظیم بهینه متغیرهای فرایند ریسندگی و بهبود کیفیت نخ با استفاده از الگوریتم بهینه سازی گرگ خاکستری: پیاده سازی روی ماشین کشش

چکیده مقاله

در این پژوهش به منظور بهینه سازی متغیرهای ماشین کشش در خط ریسندگی و بهبود کیفیت نخ پلی استر ریسیده شده، یک رویکرد سیستماتیک و الگوریتمی به کار گرفته شد با استفاده از طرح آزمایش سطح پاسخ RSM داده های مربوط به خواص نخ شامل درصد نایکنواختی %CVm و شاخص عیوب IPI جمع آوری شدند سپس دو مدل RSM و شبکه عصبی مصنوعی ANN برای پیش بینی خواص نخ توسعه یافتند و از نظر دقت مورد مقایسه قرار گرفتند نتایج نشان داد که مدل ANN دقت بالاتری نسبت به RSM دارد به منظور بهینه سازی چندهدفه الگوریتم بهینه سازی گرگ خاکستری GWO برای بهبود کیفیت نخ به کار گرفته شد پس از انجام بهینه سازی، مقدار CVm از ۱۲ ۳۱ به ۱۱ ۸۶ کاهش یافت و شاخص IPI نیز تقریبا بدون تغییر باقی ماند ۲۶ ۴۰ که نتایج نشان دهنده موفقیت الگوریتم در بهبود کیفیت کلی نخ بود در نهایت، مقایسه الگوریتم GWO با الگوریتم ژنتیک GA نشان داد که هر دو الگوریتم نتایج مشابهی در بهینه سازی متغیرها تولید می کنند با این تفاوت که سرعت اجرای GWO به طور قابل توجهی بیشتر از GA بود این نتایج نشان دهنده توانمندی الگوریتم GWO در بهینه سازی فرآیندهای صنعتی با هزینه محاسباتی کمتر و دقت مطلوب است

کلیدواژه‌ها

نویسندگان

حبیب امیری سوادرودباری

دانشجو دکتری دانشکده مهندسی نساجی دانشگاه صنعتی امیرکبیر

محسن رضاحسنی

دانشجوی کارشناسی ارشد دانشکده مهندسی نساجی دانشگاه یزد

محمدجواد عبقری

عضو هیئت علمی دانشکده مهندسی نساجی دانشگاه یزد

�میری سوادرودباری، حبیب و رضاحسنی، محسن و عبقری، محمدجواد،1404،تنظیم بهینه متغیرهای فرایند ریسندگی و بهبود کیفیت نخ با استفاده از الگوریتم بهینه سازی گرگ خاکستری: پیاده سازی روی ماشین کشش،یازدهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها،مشهد

ارائه‌شده در

مجموعه مقالات یازدهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها2 مهر 1404 · مشهد