卷烟燃烧锥受力分析与落头倾向检测方法

为了解决目前卷烟产品在消费过程中燃烧锥落头问题,采用旋转法搭建了卷烟燃烧锥落头倾向检测装置,通过卷烟燃烧锥头部在旋转过程中的受力分析,确定了定量描述卷烟燃烧锥落头倾向(HCFP)的影响因素,在此基础上,考察了转速、卷烟燃烧线、转动持续时间等因素对落头倾向的影响,以及卷烟纸助燃剂含量对卷烟燃烧锥落头倾向的影响规律。结果表明:卷烟燃烧锥HCFP值随着转速、燃烧线与点燃端的距离以及转速稳定后持续旋转时间的增加均呈增加的趋势。燃烧锥体积的增加引起了HCFP值的增大,说明该方法能够较好反映卷烟燃烧锥落头倾向指标,检测结果中两次测试最大极差为7.5%。     

优化卷烟纸降低中支卷烟燃烧锥落头倾向研究

本研究通过考察卷烟纸定量、透气度、助燃剂镁盐含量以及助燃剂中钾盐占比等对中支卷烟燃烧锥落头倾向的影响,并结合正交实验设计分析各参数对燃烧锥落头倾向的影响程度,最终选用针叶木与阔叶木纤维配比30∶70,碳酸钙含量为28%,柠檬酸钾、苹果酸钾和柠檬酸钠助燃剂复配,助燃剂钠钾比为1∶1.2、含量（柠檬酸根计）1.5%的设计方案进行优化,卷烟燃烧锥落头率从11.25%下降至3.75%。     

细支卷烟燃烧锥落头倾向的影响因素

为研究细支卷烟燃烧锥落头倾向的影响因素,采用自行研发的卷烟燃烧锥落头倾向测试仪和测试方法,对细支卷烟燃烧锥落头倾向进行评价,分别从单因素角度考察了细支卷烟烟支单支质量、卷烟纸助燃剂含量、烟丝含水率和烟丝中梗签含量4个因素对细支卷烟燃烧锥落头倾向的影响规律。采用偏最小二乘法(PLS)考察了4个因素对细支卷烟燃烧锥落头倾向影响的显著程度。结果表明:①细支卷烟燃烧锥落头倾向随烟支单支质量减小而急剧增加,随卷烟纸助燃剂含量增加而有较大程度的增加,随烟丝含水率的降低而明显增加,随烟丝中梗签量的增加而略有增加。②所考察的4个因素与细支卷烟燃烧锥落头倾向线性关系显著,烟支单支质量对细支卷烟燃烧锥落头倾向影响最大,其次分别是卷烟纸助燃剂含量、烟丝含水率、烟丝中梗签含量。③在某品牌卷烟生产过程中借鉴上述研究结果,适当提高烟支单支质量,卷烟燃烧锥落头倾向明显降低。     

卷烟燃烧锥形态参数测定及与燃烧速度间的关系

为深入了解卷烟的燃烧性能,建立了一种基于图像处理技术的卷烟燃烧锥长度、面积、偏离角等形态参数的测定方法,通过48种卷烟样品自由燃烧速度及燃烧锥形态参数的测定,研究了卷烟燃烧锥形态参数与自由燃烧速度间的关系。研究结果表明:（1）48种卷烟燃烧锥锥长、锥面积、偏离角的RSD分别介于2.7%~10.1%、1.1%~10.1%、12.0%~78.3%之间,其中燃烧锥长度及面积的重复性较好,依据测量结果区分样品间差异性的灵敏度较高。（2）48种卷烟的燃烧锥锥长、锥面积和偏离角分别介于6.604~14.017mm、38.729~92.825mm2、2.778~7.636°之间,不同牌号卷烟的三项燃烧锥形态参数均存在极显著差异性。（3）卷烟自由燃烧速度与燃烧锥锥长和面积间均存在极显著正相关关系,且两者之间存在交互作用。      

细支卷烟燃烧锥保持性控制的研究

目前细支卷烟燃烧锥掉落率偏高,达到了5.1%的掉落率。通过对制丝工艺和卷接工艺的优化和改善,主要包括对卷烟机削减圆盘、卷烟机回丝量、送丝风速的调整,分析结果表明,对细支卷烟燃烧锥掉落率影响因素大小顺序为削减圆盘宽度>削减圆盘深度>卷烟机回丝量>送丝风速,其中削减圆盘宽度和削减圆盘深度有显著的影响。综合单因素试验和正交试验结果,削减圆盘宽度和削减圆盘深度的最佳数值分别为16mm和2mm。按照最佳削减圆盘尺寸进行调整后,有效减少了燃烧锥的掉落率,使掉落率下降至0.5%,并对烟支主流烟气、物理指标和卷烟感官质量进行了验证,调整和改进措施并未对烟支的物理、化学和感官质量产生影响,从而有效地提高了产品质量。     

卷烟表观燃烧性能质量状况分析

为了全面了解卷烟表观燃烧性能质量状况,对近年来代表性规格的卷烟产品进行了燃烧过程外观形貌和落头倾向测试,基于对测试结果数据的挖掘,从产品设计和原辅材料角度对表观燃烧性能进行了分析.结果表明:①所挑选的436个市售卷烟样品总体燃烧锥落头倾向1.58％,其中中支烟落头倾向最低,细支烟最高.烟支硬度大、卷烟纸透气度60 CU...     

卷烟燃烧锥温度分布的表征方法

为了更加准确地表征卷烟燃烧锥内部的温度分布情况,提出了以温度为基准确定抽吸时刻的检测方法,考察了连线法、最近邻点法、改进谢别德法、克里格插值法、双三次插值法和径向基函数法6种插值方法对温度分布的影响,并利用确定的插值方法,对燃烧锥的温度分布进行了数字化分析.结果表明:①以温度为基准确定抽吸时刻解决了燃烧线法灵敏度较低的问题,保证了进行插值计算时温度数据的准确性;②克里格插值法所得温度分布曲线平滑,插值精度较高,考察样本的平均相对误差为9.86％,解决了传统连线法存在的温度分布可读性较差及插值准确度较低的问题.     

卷烟引燃倾向检测模型分析

为提高卷烟引燃倾向检测结果的通过率和稳定性,基于对燃烧锥与滤纸间有效接触面积的计算,采用Comsol Multiphysics软件建立传热模型并结合实验验证,分析了传热过程和阻燃条位置对测试结果的综合影响.结果表明:①燃烧锥与滤纸接触的前6 mm内,由于传热量大,熄灭的概率高,若该区域内含有部分阻燃条,则一般不会发生全...     

烟丝含水率对细支卷烟的影响

考察了烟丝含水率对细支卷烟烟支物理性能、烟支内部烟丝结构分布、烟支静燃速率、抽吸时燃烧锥落头率、卷烟主流烟气释放和感官质量的影响。结果表明,细支卷烟烟丝含水率为11.5%~13.8%,在卷烟单重一致的情况下,烟丝结构分布、卷烟抽吸时燃烧锥落头率以及感官抽吸品质受烟丝含水率影响大。烟丝含水率增大,烟丝抗造碎性能增强,烟支中大尺寸烟丝所占比例增加,烟末减少,卷烟抽吸时燃烧锥落头现象明显减轻;烟丝含水率从11.5%增加到12.9%,燃烧锥落头率可从65%降低至30%。烟丝含水率过高会导致卷烟烟气浓度减小,满足感降低。此外,烟丝含水率增大,细支卷烟的烟支硬度、烟支静燃速率、烟气焦油和烟碱释放量也会发生细微的变化。综上,建议细支卷烟生产过程中烟丝含水率尽量控制在12.5%~12.9%。     

基于卷积神经网络的卷烟小盒外观检测研究

文章基于卷积神经网络(CNN),模拟人脑对图像的识别过程,实现了对卷烟小包外观检测.卷积神经网络所使用数据集采集自某卷烟厂FOCKE-FXS机型成像检测系统,经过人工对图像进行分类,获得小包外观良好与缺陷的数据集.将数据集随机生成90％的训练集与10％的验证集,将训练集送入卷积神经网络进行特征提取与分类.经过网络学习与测试,使用新的数据集,小包外观识别准确率可达99.15％,效果较好.     

基于网中网卷积神经网络的红枣缺陷检测

提出了一种基于网中网卷积神经网络对红枣进行缺陷检测的方法,在原有AlexNet卷积神经网络的基础上增加了1×1隐含感知层,增强了网络的非线性以提取更抽象的特征;并采用全局平均池化层的方式替换全连接层,减少大量参数的同时提升了识别准确率。对新疆骏枣进行了实测,可将红枣分为好枣、黑斑枣、皱枣、叠枣、脱皮枣、黄皮枣和裂枣7类,表明该方法与基于常规SVM的视觉检测方法和基于AlexNet网络的分类方法相比,分类效果得到了有效提升。     

基于改进YOLO深度卷积神经网络的缝纫手势检测

在人机协作领域,针对动作手势相似度大,环境复杂背景下手势识别率低的问题,提出一种基于YOLO深度卷积神经网络检测识别缝纫手势的方法。以4种复杂缝纫手势作为检测对象并构建缝纫手势数据集,通过在YOLOv3低分辨率的深层网络处增加密集连接层,加强图像特征传递与重用提高网络性能,实现端到端的缝纫手势检测。实验结果表明,在缝纫手势测试集中,训练后的模型平均精度均值为94.45%,交并比为0.87,调和平均值为0.885。通过对比区域卷积神经网络、YOLOv2以及原始YOLOv3算法,提出的改进方法检测精度有显著提升;同时在GPU加速情况下,平均检测速度为43.0帧/s,可完全满足缝纫手势的实时检测。     

基于深度学习卷积神经网络的花生籽粒完整性检测

目的:准确区分完整花生、果仁破损花生和表皮破损花生。方法:提出了一种基于深度学习卷积神经网络(CNN)的花生籽粒完整性检测方案。搭建了花生籽粒色选系统,建立了花生籽粒图像库;利用改进的密度峰值聚类(DPC)算法对CNN卷积核进行自适应压缩,有效平衡网络深度和运算效率;采用改进的麻雀搜索算法对CNN超参数配置和网络结构进行优化,得到适用于花生籽粒完整性检测的CNN模型。结果:相比于DL-CNN、CO-Net等检测方法,该方案识别准确率提高了5.41%~13.92%,花生籽粒单幅图像检测时间缩短了约16.9%。结论:该方法可有效提高花生籽粒完整性检测的准确率和实时性。     

基于卷积神经网络的机织物密度均匀性检测

针对目前基于机器视觉的机织物密度自动检测时织物检测视野小、精度低、品种适应性差的问题,提出一种基于多尺度卷积神经网络的检测方法.首先设计了一套离线图像采集系统连续采集织物图像,并建立一个包含详细织物参数的织物图像数据集;然后采用一种具有不同大小局部感受野的多尺度卷积神经网络适应不同大小的织物结构特征,定位纱线位置;最后...     

基于反向传播神经网络和高光谱成像的芒果可溶性固形物含量检测

目的 比较反向传播神经网络(backpropagation algorithm neural network, BPNN)模型与偏最小二乘回归(partial least squares regression, PLSR)模型在预测芒果可溶性固形物含量(soluble solids content, SSC)方面的性能评估。方法 使用高光谱成像仪和全自动折光仪采集芒果的近红外高光谱及SSC数据建立两种预测模型, 通过采用多元散射校正(multiplicative scatter correction, MSC)进行光谱预处理, 利用遗传算法(genetic algorithm, GA)、区间变量迭代空间收缩算法(interval variable iterative space shrinkage algorithms, IVISSA)和变量组合群体分析算法(variable combination population analysis, VCPA)提取特征波长变量, 通过比较不同特征波长提取方法进一步优化对比预测模型。结果 与PLSR模型相比, BPNN模型在预测SSC方面更为有效。而在IVISSA特征波长变量提取后优化的BPNN模型预测能力最佳, 预测集判定系数 、均方根误差(root mean square error of prediction, RMSEP)、残差预测偏差(residual prediction deviation, RPD)分别为0.8641、0.3924和2.7127。结论 该模型可快速、准确地检测芒果的SSC, 并证明可见光-近红外高光谱成像与反向传播神经网络模型相结合有望预测芒果的SSC, 为开发在线芒果SSC无损检测系统奠定基础。     

基于神经网络的自动控制系统

神经网络具有信息分布存储、并行处理以及自学习能力等优点,在信息处理、模式识别,智能控制等领域有广阔的发展前景,神经网络控制所具有的逼近非线性函数的能力使其在应用中更具多样性和灵活性。     

基于人工神经网络的服装结构设计

1.Institute of Science;Zhejiang Sci-Tech University;Hangzhou;Zhejiang 310018;China;2.Institute of Fashion;Zhejiang Sci-Tech     

基于神经网络的织物疵点识别技术

因织物组织繁多,表面特征各异,很难建立一个统一的织物疵点识别模型。为了解决这一问题,实现自动验布,提出采用双层神经网络和小波变换来识别织物疵点的方法。先对正常织物进行训练,得到织物的特征,应用第1层简单BP网络来分辨正常织物和疵点。然后对疵点图像进行二维离散小波变换,并去除织物本身的特征,利用已训练的BP网络进行具体疵点识别。试验证明,这种方法的准确性较高,速度快,基本接近自动验布系统的要求。     

基于嗅觉神经网络的织物组织识别

针对织物组织的多样性及其组织图像处理易受噪声干扰的问题,提出一种基于嗅觉神经网络的织物组织识别方法.在生物嗅觉神经网络建模技术的基础上,根据激励响应关系调节KIII模型输入电压,将采集的织物图像在X和Y方向投影,计算其组织点大小,然后重排组织点,将重排结果运用上述KIII模型识别.样本数据验证表明:所建模型对平纹、缎纹...     

基于模糊神经网络的面料成形性预测

根据面料FAST伸长及弯曲性能指标与成形性之间的关系,应用基于输出空间的监督模糊C均值聚类算法确定神经网络的模糊规则数,提出一种基于模糊神经网络的面料斜向成形性客观评价系统。将试样从经向到纬向沿每10°角(含45°)进行剪裁后测试,最后分别用66组和33组数据进行神经网络的训练和仿真。实验结果证明,系统可以根据织物的不同结构与物理性能快速准确地给出该织物斜向成形性评价指标,同时最大相对误差绝对值未超过7.7%。