Содержание к диссертации
Введение
Глава 1. Обзор теоретических моделей и методов моделирования неровноты волокнистого потока. постановка задачи 8
1.1 Геометрические модели 8
1.2 Символьные модели для оценки величины неровноты 10
1.3 Символьные модели для оценки характера неровноты 18
1.4 Статистическое моделирование волокнистых потоков 23
Выводы по первой главе и постановка задачи 26
Глава 2. Концептуальное моделирование методов формирования волокнистого потока и эмулятора 28
2.1 Анализ и синтез концептуальных моделей с неуправляемым формированием волокнистого потока 29
2.2 Синтез основных моделей с управляемым формированием волокнистого потока ...36
2.3 Разработка требований к технологическому эмулятору формирования волокнистого потока. 39
Выводы по второй главе 43
Глава 3. Разработка эмулятора для исследования неровноты волокнистого потока 44
3.1 Разработка структурограммы эмулятора 44
3.2 Модуль формирования признаковой модели волокнистого потока 47
3.3 Модуль задания параметров модели 50
3.4 Модуль анимации и автоматизированного расчета величины и характера неровноты волокнистого потока 61
3.5 Модуль автоматизированного эксперимента 64
Выводы по третьей главе 66
Глава 4. Разработка и исследование статических управляемых и неуправляемых моделей формирования волокнистого потока 67
4.1 Тестирование эмулятора на примере пуассоновской модели и модели Hannah и Rodden 67
4.2 Статическая модель с непроницаемыми границами зоны формирования 72
4.3 Эталонная модель управляемой укладки волокнистого элемента в наиболее тонкое сечение потока (MSU0) 78
4.4 Статическая модель с управляемым смещением порций (MSU1) 81
4.5 Статическая модель с управляемым смещением волокнистых элементов (MSU2)..84 Выводы по четвертой главе 89
Глава 5. Исследование влияния параметров волокнистых элементов на неровноту потока 92
5.1 Влияние ориентации волокон на неровноту волокнистого потока 92
5.2 Влияние нераспрямленности и крючковатости волокнистых элементов на неровноту потока 95
5.3 Влияние комплексности волокнистых элементов на неровноту потока 102
Выводы по пятой главе 108
Глава 6. Разработка и исследование динамических управляемьгх моделей формирования волокнистого потока 111
6.1 Динамическая модель формирования волокнистого потока 111
6.2 Концепция и структура устройства динамического управляемого формирования волокнистого потока 117
6.3 Исследование динамической модели с управляемым отводом волокнистого потока (MDU1) 121
6.4 Исследование динамической модели с управляемой подачей волокнистых элементов (MDU2) 124
6.5 Исследование динамической модели с управляемым шагом отвода волокнистого потока (MDU3) 127
6.6 Исследование модели с комбинированным управлением (MDU4) 130
Выводы по шестой главе 135
Общие выводы по работе 138
Библиографический список 141
- Синтез основных моделей с управляемым формированием волокнистого потока
- Разработка требований к технологическому эмулятору формирования волокнистого потока.
- Модуль анимации и автоматизированного расчета величины и характера неровноты волокнистого потока
- Эталонная модель управляемой укладки волокнистого элемента в наиболее тонкое сечение потока (MSU0)
Введение к работе
Развитие текстильной технологии неотделимо от интеграции её с компьютерными технологиями, измерительными и управляющими системами.
Такая интеграция предоставляет возможность для проектирования новых технологических процессов и систем, обеспечивающих высокую параметрическая гибкость и оптимальное функционирование технологической системы. Поэтому текстильная технология в будущем должна приобрести форму интегрированной гибкой технологии (ИГТ). Это необходимо изначально учитывать при разработке новых технологических процессов.
Традиционный путь проектирования технологических процессов -методом проб и ошибок трудоемок, является затратным и не дает возможности изучить большое число вариантов.
Теоретический подход к проектированию технологических процессов, а тем более интегрированной гибкой технологии, на основе символьных моделей оказывается неприемлемым из-за высокой сложности задачи.
Современный уровень развития компьютерной технологии потенциально предоставляет возможность проектирования ИГТ на основе численного или численно-символьного моделирования, позволяющего не только смоделировать технологический процесс, но и воссоздать возможные алгоритмы управления процессом, позволяет, таким образом оценить, как эффективность самого технологического процесса, так и различных гипотетических алгоритмов управления технологическим объектом.
Решение выше перечисленных задач возможно только на основе создания специальной моделирующей среды, позволяющей исследователю-технологу быстро ставить задачи, наблюдать за ходом моделируемого технологического процесса, экспериментировать с ним, сравнивать различные варианты между собой, сохранять полученные результаты в программной среде для возможного дальнейшего использования. При этом от момента постановки задачи до получения ответа должно проходить не более нескольких минут, а исследователь-эксперт должен быть сосредоточен не на поиске способа
решения сформулированной задачи, а на полученных результатах, построении свой исследовательской стратегии. Иначе говоря, он должен иметь возможность думать в такой предметной моделирующей среде. Поэтому такая программная система должна не только комплексно моделировать ИГТ или её элемент, но и в неявной форме должна строиться на основе моделирования возможного процесса мышления исследователя в этой среде, обеспечивая дружественное взаимодействие с экспертом. Системы такого комплексного технологического моделирования названы нами эмуляторами.
На настоящий момент программные системы такого типа в текстильной технологии практически отсутствуют. И это не случайно. Одна из причин слабого развития этого направления - трудоемкость при создании таких систем. Однако, это не единственная причина. Другая принципиальная причина, сдерживающая создание эмуляторов, это необходимость реконструкции технологических знаний на качественно новом уровне, выходящим за предметную область знаний. Необходимость формирования более общего взгляда на технологическую проблему и проблему проектирования самого эмулятора связана как со способом представления технологической информации в компьютерной среде, так и с необходимостью введения в эмулятор новых вариантов для технологических исследований. Обе эти причины характерны для других областей знаний и в этом смысле текстильная технология не является исключением.
Сказанное выше определяет актуальность проблемы проектирования
технологических эмуляторов для исследования существующих
технологических процессов и систем, а особенно элементов интегрированной гибкой текстильной технологии.
Одним из важнейших параметров качества волокнистого потока в прядении является неровнота потока по линейной плотности. Теоретическое исследование этой проблемы в основном базируется на символьных моделях.
Ряд исследователей получили результаты, основанные на численном компьютерном статистическом моделировании неровноты волокнистых продуктов, однако исследовательских систем типа «Эмулятор» по проблеме
исследования неровноты волокнистых потоков на настоящий момент нет. Создание такой системы позволит не только обобщить и уточнить известные модели, но и расширит информацию, получаемую от этих моделей, позволит создавать и изучать другие более сложные управляемые модели формирования волокнистого продукта в режиме доступом для пользователя-технолога. Эмулятор может рассматриваться также как эффективная компьютерная обучающая система, и может с успехом использоваться в учебном процессе.
Поэтому и с технологической точки зрения проблема проектирования технологического эмулятора для исследования неровноты волокнистых потоков является актуальной.
Наконец, учитывая перспективу преобразования текстильной технологии в интегрированную гибкую технологию, в которой управление является неотъемлемой частью, эмулятор может быть использован для выбора наилучшего алгоритма управления в гибком технологическом модуле с точки зрения минимизации неровноты.
Постановка такой задачи является актуальной и может быть решена только с использованием разрабатываемого эмулятора. Полученные результаты могут являться основой для проектирования в будущем реального модуля управляемого формирования волокнистого потока из дискретного потока волокон.
Следует заметить, что необходимость использования эмулятора в ИГТ на этом не заканчивается, так как в ИГТ он становится неотъемлемой частью технологической системы и привлекается экспертом-технологом по мере необходимости.
Сказанное выше говорит об актуальности темы диссертации не только в настоящий момент, но и для будущей текстильной технологии.
В рамках данной работы ставятся и решаются следующие задачи: - проектирование системы комплексного компьютерного моделирования (эмулятора) формирования волокнистых потоков для исследования неровноты потока;
использование эмулятора для исследования известных и предлагаемых нами новых моделей формирования волокнистого потока с учетом приближения параметров моделируемого потока к реальному;
разработка способов управляемого формирования волокнистого потока и сравнительная оценка различных способов управляемого формирования с целю выбора наилучшего с точки зрения минимума неровноты.
В главе 1 дается обзор моделей и методов моделирования волокнистых потоков и ставятся задачи, которые предполагается решать в рамках данной работы.
В главе 2,3 осуществляется реконструкция технологических знаний по проблеме неровоты волокнистых потоков на основе концептуального моделирования моделей волокнистых потоков, эмулятора, разрабатывается и описывается структура и пользовательская среда эмулятора.
В главе 4 осуществляется сравнение результатов работы эмулятора с известными теоретическим моделями, выявляются новые возможности эмулятора при исследовании даже известных моделей, предлагаются и исследуются новые статические неуправляемого и управляемые модели формирования волокнистого потока.
В главе 5 исследуется влияние на неровноту волокнистого потока ориентации, нераспрямленности и комплексности волокнистых элементов.
Синтез основных моделей с управляемым формированием волокнистого потока
Развитие компьютерных технологий, методов и средств измерений технологических параметров позволяет говорить о возможном качественном изменении технологии. На Рис. 2-1 приведена схема, поясняющая развитие на трех уровнях: моделирования, технологическом и управления. На первом этапе развития технологии она обходилась без управления, на втором - появились механические системы автоматического регулирования, обеспечивающие более эффективное протекание технологического процесса. При этом уровень моделирование практически не проявлялся. На третьем этапе, технологический объект перешел под управление микропроцессорных устройств. При этом на уровне моделирования на этапе теоретической разработки алгоритмов управления использовались символьные модели. Дальнейшее развитие текстильной технологии связано с интегрированием систем компьютерного моделирования и систем управления технологией на основе компьютера. При этом от модельной среды требуется большая гибкость, приближение к реальности, многовариантность, возможность постановки и решения оптимизационных задач для быстро меняющихся условий заправки технологического объекта, моделирования самого процесса управления технологического объекта на основе боле сложных алгоритмов.
Такой подход соответствует общей тенденции развития теории управления [53]. В классической системе автоматического регулирования (САР) программа изменения технологических параметров считалась заданной. Задача управления - выполнить эту задачу. При этом допускались малые отклонения относительно заданного движения.
С появлением компьютеров современная теория автоматического управления приобрела ряд новых признаков, один из которых можно охарактеризовать как «оптимизация в большом» ( в отличии от классической ТАУ), осуществляемой в реальном времени, а другой - использование сложных алгоритмов управления. Отсюда возникает возможность и потребность взаимодействии реальной управляющей системой с моделируемой, на которой ряд режимов управления реальным объектом могут быть предварительно изучены. Рассмотрим некоторые U-признаки (более подробно они рассматриваются в главе 6 при непосредственной постановке задач по управлению формированием волокнистого потока).
Обычно гипотетический волокнистый поток рассматривается неуправляемым. Однако возможно и введение управления процессом формирования волокнистого потока. При этом возможны как детерминированные, так и стохастические схемы управления положением волокнистого элемента. Кроме того, возможно и управление сформированными порциями волокнистого потока. Наконец, может быть реализован комбинированный вариант управления формированием волокнистого потока, где в течении определённого периода времени управление не используется, а затем реализуется та или иная схема управления.
Приведённый выше структурный анализ исследования неравномерности волокнистых потоков в компьютерной среде позволяет раскрыть общую картину исследования неравномерности волокнистых потоков, а также выявить новые, ранее не изученные модели образования волокнистых потоков. В первую очередь идёт речь о моделях волокнистого потока с управляемым формированием. Сказанное определяет набор последовательных моделей, используемых ниже в работе. Кроме того, это является основой для проектирования структуры программной среды, которая реализована на основе метода структурограмм в главе 3.
Рассмотренные выше разнообразные модели лишний раз подчёркивают сложность исследования проблемы неровноты гипотетических волокнистых потоков. Реализовать такое множество моделей возможно только путём создания специальной технологически ориентированной среды. Такое проектирование возможно как на базе известных математических пакетов, так и на основе использования объектно-ориентированного программирования.
Сравнение возможностей среды Mathcad [54] и Matlab [55] с этой точки зрения показывает, что лучшими возможностями с точки зрения описания символьных моделей обладает Mathcad, однако наличие в Matlab подсистемы визуального моделирования Simulink позволяет эффективно решать ряд задач по моделированию волокнистого продукта. Поэтому можно предположить, что в рамках математических пакетов наиболее эффективной будет комбинация функций этих систем. При этом если оценивать пользовательский интерфейс таких систем, то он проигрывает запрограммированному интерфейсу. По этой причине перспективнее создавать гибкую систему на базе объектно-ориентированной среды программирования (Delphi) [58, 59, 60]. При этом разрабатываемая системы должна обеспечивать возможность работы с различными моделями, удовлетворять требованию наглядности с точки зрения, прежде всего, анимации процесса формирования волокнистого продукта, что важно как на этапе отладки программной системы, так и для раскрытия и понимания получаемых результатов в рамках моделирующей среды. Гибкая среда программирования создаёт потенциальную возможность для создания гибкой технологически ориентированной системы, эмулятора. Это, как следствие, обеспечивает технологическую комфортность при работе в такого типа средах.
Разработка требований к технологическому эмулятору формирования волокнистого потока.
В настоящий момент имеются следующие основные возможности проектирования технологической компьютерной среды: на базе математических пакетов Mathcad (la), Matlab (16) или Maple (1в); путём создания программной среды (1г), а также комбинацией этих методов (1д). Для нашего случая выбран комбинированный вариант, ядро которого составляет программная технологическая среда, создаваемая в Delphi, с учётом возможностей выхода в среду Mathcad и Matlab. Важное значение для пользователя эксперта-технолога является возможность работы в полимодельной среде (2в), поэтому при проектировании системы это требование необходимо учитывать. В виртуальных компьютерных системах важнейшее место занимает наглядность. При этом как математических моделей (что легко реализуется в системе Mathcad с использование символьной или численной математики), так и программируемых. В последнем случае важна не только реализация статических моделей, но и динамических. Указанные выше признаки могут быть реализованы, если система обладает высоким уровнем гибкости, который является важнейшим компонентом технологической комфортности. При этом под понятием технологической комфортности подразумевается целый комплекс требований. Это и встроенное текстовое описание моделей, рассматриваемых в системе; анимация как процесса формирования волокнистого потока, так и результатов эксперимента; реализация возможностей характеристик с эталонными моделями; структурографическое описание работы системы; встроенное описание работающей моделирующей системы.
И, наконец, нельзя не сказать об одном важном требовании, обеспечивающих комфортность - это автоматизация однофакторного эксперимента. Это позволяет быстро получать результаты по влиянию различных технологических параметров на величину неровноты волокнистого потока для различных моделей.
Для того, чтобы предусмотреть возможность развития системы, целесообразно стремиться к высокой открытости, что подразумевает наличие интерфейсов во внешние среды для обеспечения возможности работы с данными, получаемыми в результате статистической имитации.
В предыдущей главе составлена концептуальная модель для комплексного исследования неровноты потока. Для создания эмулятора волокнистого потока необходимо описать его структуру таким образом, чтобы он обладал необходимыми признаками: комплексностью, позволяя не только описать модель, но и провести её анализ; гибкостью, для того, чтобы обеспечивалась возможность быстрой корректировки параметров; наглядностью для удобства работы в системе; многовариантностью исследовательской среды; открытостью для расширения возможностей системы, повторяемостью результатов, и прочими признаками, описанными во 2 главе.
В качестве отражения структуры эмулятора была выбрана структурограмма [56, 57]. Одна из главных особенностей интеллектуальных систем состоит в том, что они отражают в первую очередь ход возможного рассуждения технолога при анализе или исследовании технологического объекта. Традиционное текстовое описание является далеко не всегда удобным, поскольку затрудняет проявление связей между элементами описываемой структуры. Это проще осуществить с использованием графических схем.
Эффективным средством для улучшения восприятия алгоритмов является визуализация программирования, а несколько раньше для этой цели использовались блок-схемы. Однако в последнее время блок-схемы подвергаются критике. Противники блок-схем утверждают, что они непригодны для структурного программирования, не поддаются формализации, поэтому их «нельзя использовать как программу для непосредственного ввода в машину» и т.п.
Структурограмма может использоваться на стадии создания разнообразных интеллектуальных технологических систем, для автоформализации процесса технологического мышления, для описания процедурных технологических знаний. Структурограммы можно рассматривать также как средство интеллектуального взаимопонимания между программистами и непрограммистами. Поэтому структурограмму можно рассматривать как некий междисциплинарный техноязык, описывающий процедурные знания. Структурограмма - хорошее средство для уяснения смысла сложных проблем, она облегчает процесс формализации знаний, открывая новые возможности для автоматизации.
Опишем работу эмулятора в соответствии со структурограммой, приведенной на Рис. 3-1. При входе в систему происходит выбор варианта анализа (блок 0.1 на Рис. 3-1): переход к статистической имитации (блок 0.2) или работа с аналитическими моделями во внешней среде (блок 0.4). При выборе варианта статистической имитации запускается процедура выбора признаков модели (блок 0.3), работа в аналитической среде подразумевает переход к подсистеме анализа теоретических символьных моделей в Mathcad (блок 0.5).
После выбора признаков модели (этап 1) необходимо уточнить её числовые параметры, число и состав которых зависит от выбранных признаков. Для каждого параметра выбирается закон распределения (блок 1.1). В системе реализованы равномерный, экспоненциальный, нормальный законы распределения, а также предусмотрена возможность задания детерминированного значения и создание пользовательского закона распределения. После выбора закона распределения требуется задать числовые значения параметров выбранных законов (блок 1.2) в зависимости от их типа. Задание числовых значений параметров и законов их распределения означают готовность к исследованию модели в системе.
Исследование модели (этап 2) возможно проводить в Зх режимах: демонстрационном, рабочем и в режиме эксперимента. В демонстрационном варианте анализа (блок 2.2) осуществляется динамическая визуализация работы модели (блок 2.3), включая отображение генерации волокна в реальном времени, анимацию движения волокон и соединения порций. Также в реальном времени можно получать двумерное представление потока (блок 2.4).
Получить числовые характеристики потока, а также оценить характер неровноты потока можно в рабочем режиме работы (блок 2.5). Существует возможность работы как в обычном режиме с одной исследуемой моделью (блок 2.7), так и в режиме единовременного сравнения двух моделей (блок 2.8). Режим сравнения моделей позволяет наглядно показать различия в формировании потока для различных моделей и оценить их неровноту. В результате статистической имитации работы модели мы получаем графическое отображение реализации потока, его числовые характеристики, а также можем увидеть амплитудный спектр реализации и гистограмму распределения частот по числу волокон или линейной плотности потока (блок 2.9).
Оценить влияние параметров модели на неровноту потока мы можем с помощью модуля автоматизированного однофакторного эксперимента (блок 2.11), который позволяет провести анализ влияния любого из факторов модели. Также существует возможность проведения многофакторного эксперимента в среде Mathcad (блок 12).
В процессе исследования модели можно менять изначально заданные параметры, переходя по различным модулям системы в соответствии со структурограммой.
Модуль анимации и автоматизированного расчета величины и характера неровноты волокнистого потока
Одно из требований к технологическому эмулятору - наглядность. Для понимания процессов, происходящих при формировании волокнистого потока, необходимо визуально наблюдать все стадии формирования потока от генерации формы волокна до образования конечного продукта. Согласно разработанной структуре эмулятора модуль анимации должен позволять визуализировать форму волокна, зону формирования, готовый продукт в сечении и двумерную структуру потока. Кроме наглядности система должна обладать гибкостью и открытостью, что требует создания функционалов для быстрой коррекции параметров модели непосредственно во время исследования, быстрое построение частотных и спектральных характеристик потока.
После указания признаков модели и определения её числовых параметров происходит переход в исследовательский интерфейс, имеющий главную панель управления исследованием, функционал визуального отображения процесса формирования волокнистого потока, блок входных параметров и выходных числовых характеристик.
На Рис. 3-5а показана главная панель управления эмулятором волокнистого потока, на которой расположены следующие элементы: выбор признаков модели (1), выбор числовых параметров модели (2), окно входных параметров (3), окно числовых характеристик (4), окно анимации процесса формирования волокнистым потоком (5), окно двумерной реализации потока (6), кнопка запуска статистической имитации работы выбранной модели (7), кнопка запуска демонстрации работы модели с анимацией (8), окно работы с однофакторными автоматизированными экспериментами (9), гистограмма распределения частот в сечении потока (10), амплитудный спектр на основе быстрого преобразования Фурье (11), вызов внешнего файла для работы с символьными моделями (12), помощь по работе с системой (13), выход из системы (14), область управления анимацией формирования волокнистого потока (15). На Рис. 3-56 показано окно визуализации процесса формирования волокнистого потока. В левой верхней части окна показаны форма волокна (1) и след его линейной плотности (2). Волокно укладывается в зону формирования (3), смещаясь при необходимости по заданному алгоритму. Формирование готового потока отображается в нижней части окна (4). На Рис. 3-5в показано окно двумерной структуры потока, которое отображает волокна и их передние концы в той позиции, в которой они должны укладываться в зоне формирования. Визуализация двумерной структуры потока помогает оценить характер неровноты волокнистого потока.
После визуального наблюдения процесса формирования потока важно оценить числовые и функциональные характеристики потока, проводя статистическую имитацию формирования потока и варьируя значения параметров модели.
Перед началом статистической имитации можно поменять значение любого параметра формирования, учитывая размерность параметра и его возможные значения.
Статистическая имитация, которая запускается с помощью соответствующей кнопки на панели управления (см. цифра 7 на Рис. 3-5а), после завершения статистической имитации автоматически подсчитывает числовые характеристики потока, строит гистограмму частот по линейной плотности и амплитудный спектр потока. На Рис. 3-66 показано окно числовых характеристик потока, автоматически вычисляемых на основе статистической имитации: минимальная и максимальная длины волокна, среднеквадратическое отклонение по числу волокон/линейной плотности, квадратическая неровнота потока по числу волокон/линейной плотности, квадратическая неровнота для пуассоновского потока, количество сгенерированных волокон.
Оценить характер неровноты потока можно посредством амплитудного спектра потока, пример которого приведен на Рис. 3-бг. Данный спектр можно строить как на основе данных о линейной плотности в сечениях потока, так и на основе информации о позициях передних концов волокон и сдвига между ними. Построение спектра осуществляется на базе алгоритма быстрого преобразования Фурье, что позволяет быстро осуществить построение спектра и оценить характер неровноты, составить предоставление о периодичности потока.
График распределения частот в сечениях потока, пример построения которого приведен на Рис. 3-бг, позволяет оценить вклад определенных частот в итоговое значение неровноты потока. Многовариантность эмулятора, означающая возможность описания модели совокупностью признаков, приводит к появлению множества параметров, каждый из которых может по-разному влиять на неровноту потока. Для оценки влияния параметров модели на неровноту потока в системе предусмотрена возможность проведение автоматизированных однофакторных экспериментов.
Гибкость системы требует создание универсального модуля эмулятора, позволяющего проводить компьютерные эксперименты по любому из параметров модели формирования потока с заданным шагом и экспериментальным интервалом, строить графическую зависимость неровноты потока от выбранного параметра учётом доверительных интервалов.
На Рис. 3-7а показан внешний вид окна управления проведением однофакторного компьютерного эксперимента, включающий блок выбора параметра эксперимента, блок задания количества повторностей эксперимента, интервала и шага изменения значения параметра, блок установки фиксируемых значений прочих параметров модели.
Эталонная модель управляемой укладки волокнистого элемента в наиболее тонкое сечение потока (MSU0)
Для оценки эффективности новых моделей управления с точки зрения неровноты потока необходимо иметь информацию о неровноте эталонной управляемой модели.
Рассмотрим несколько возможных алгоритмов эталонного управляемого формирования потока: укладка центра волокна в сечение потока с наименьшей толщиной; укладка волокна в область с наибольшей нехваткой массы; укладка волокна в область с наибольшей нехваткой массы с учётом длины волокна.
В эмуляторе представлена первая из перечисленных моделей как наиболее простая для реализации. Схематичное представление работы модели показано на Рис. 4-7а.
Работа модели начинается при достижении потоком заданного процента от целевой толщины потока. Сначала происходит генерация положения переднего конца волокна как случайной величины . Далее, в соответствии с алгоритмом, приведенном на Рис. 4-76, выбирается сечение потока с наименьшей толщиной, и происходит сдвиг волокна на величину А от текущего положения волокна \ до сечения потока с минимальной толщиной. Укладка волокна происходит таким образом, чтобы центр следа волокна совпадал с положением сечения потока с минимальной толщиной.
Рассмотрим, какие параметры влияют на неровноту потока эталонной модели. Проведем эксперимент по влиянию момента начала управления на неровноту потока, условия проведения которого показаны на Рис. 4-8а.
Кривая зависимости неровноты потока от момента начала управления для потока, сформированного из одиночных волокон, показана на Рис. 4-86. Видно, что характер кривой зависимости квадратической неровноты потока по линейной плотности от момента начала управления сильно зависит от коэффициента вариации волокон по длине.
Для волокон одинаковой длины на начальных этапах (см. точку А на Рис. 4-86) наблюдается высокий уровень неровноты, поскольку выровнять поток с помощью волокон фиксированной длины не всегда возможно. При раннем включении управления поток получается детерминированным с большими провалами, так как волокно укладывается сразу на 2 образовавшихся выступа, что показано на Рис. 4-8г в точке А. С увеличением случайности (более позднее включение механизма управления) детерминированный эффект начинает уменьшаться и случайность оказывает положительное влияние на неровноту потока (см. Рис. 4-8г, метка В). В точке С при параметре начала регулирования около 94% наблюдается минимум неровноты потока, а при дальнейшем росте параметра начала управления влияние регулирования сводится к нулю.
Иная картина наблюдается, если коэффициент вариации волокон по длине не равен нулю (см. кривую 2 на Рис. 4-86). Случайные колебания волокон по длине позволяют эффективнее выравнивать поток. По мере роста коэффициента вариации волокон по длине увеличивающийся эффект случайности оказывает положительное влияние на работу модели. При коэффициенте вариации волокон по длине, равном 30%, минимальное значение неровноты потока достигается при начале управления с уровня достижения потоком 80% целевой толщины. Минимальные значения квадратической неровноты потока наблюдаются при максимальной вариации волокна по длине (от 1 до 59 мм). В этом случае точка минимума неровноты потока отсутствует (см. кривую 3 на Рис. 4-86) и от изменения параметра начала регулирования неровнота потока практически не меняется.
Выявленный эффект позволяет предположить, что при введении комплексов со случайной длиной волокон мы должны получить картину, близкую к максимальной неровноте волокон по длине. На Рис. 4-8в, показаны графики зависимости неровноты потока от момента начала управления для потока, составленного из комплексов. Видно, что хотя абсолютные значения неровноты потока выше описанных ранее, однако график зависимости даже при использовании в комплексах волокон фиксированной длины, имеет вид, аналогичный кривой 3 на Рис. 4-86. Это можно объяснить тем, что неравномерность волокон по длине возникает вследствие образования случайного следа по линейной плотности даже при одинаковой длине волокон, поскольку волокна в комплексах соединены хаотически. Увеличение дисперсии волокон по длине приводит лишь к незначительному увеличению неровноты потока.
В работе рассматривались различные модели формирования потока с непроницаемыми границами зоны формирования. Для данных моделей характерно наличие "завалов" у границ зоны формирования, что приводит к появлению ярко выраженной периодической неровноты потока.
Уменьшение неровноты возможно путём наложения порции со сдвигом, при этом одновременно обеспечивается связность потока. Например, наложение порций используется при гребнечесании. При неуправляемом наложении порций величина сдвига постоянна и не зависит от параметров порции, что уменьшает эффективность использования наложения в случае изменяемой формы порции или вызывает необходимость ручного подбора оптимального сдвига при изменении параметров потока.
В целях уменьшения неровноты потока вне зависимости от его параметров и вариаций, предлагается сделать сдвиг управляемым на основе последовательного решения оптимизационных задач. Неровнота выходящего потока минимизируется с учётом неровноты добавляемой порции.
Рассмотрим основные этапы работы модели управляемого смещения порций MSU1. Исходное состояние порций показано на Рис. 4-9а.
Исходное состояние характеризуется отсутствием смещения порций, при этом вычисляется промежуточное значение неровноты на участке реализиции а. На Рис. 4-96 показан процесс оптимизации неровноты потока: поиск величины смещения порции, при котором неровнота потока будет минимальна. Из рисунка видно, что расчет смещения осуществляется до момента наименьшего значения неровноты предполагаемой реализации, при этом максимально возможное смещение порции может достигать половины длины зоны формирования. При нахождении оптимального значения сдвига осуществляется наложение новой порции на существующую реализацию, что показано на Рис. 4-9в.
Далее исследуем влияния протяженности зоны формирования на квадратическую неровноту потока. Условия проведения эксперимента отображены в Табл. 4-2.
