邵景峰， 马创涛

(西安工程大学 管理学院， 陕西 西安 710048)

在中国制造2025战略下，随着我国棉纺企业数字化车间建设进程不断推进和传感器的大量应用，整个棉纺生产过程积累了大量的与质量相关的数据，而这些数据之间因存在自相关性，从而导致纺纱质量难以精准控制。

国外研究者对该问题的研究主要集中在基于质量预测的反馈控制方面。如：FATTAHI S等[1]利用稳健回归和附加平方和提出了一种纺纱质量预测方法，并通过输入纤维属性来预测纺纱质量的拉伸、不匀和毛羽等性能指标；NURWAHA D等[2]研究了一种基于多层感知神经网络、支持向量机(SVM)以及径向基函数神经网络的纱线质量智能控制系统，该系统通过模型对纱线的质量属性等知识进行学习，从而实现纱线质量的控制，但不足之处在于其纱线控制精度较低;与此同时，SELVANAYAKI M等[3]提出了一种基于支持向量机的纱线强力波动行为预测与控制方法。随着理论研究的不断深入，研究聚焦于基于智能优化模型与专家系统相融合的纺纱质量智能控制方面。如MOZAFARY V等[4]提出了一种将聚类和人工神经网络相结合的数据挖掘算法，并将其用于纺纱质量控制；ENGIN A B[5]通过实验验证了一种基于自动控制系统的材料均匀度控制方法，该方法减少了因原料问题而导致的纱线质量波动；ELASHMAWY I等[6]研究了基于模糊集的纺纱质量控制方法，可更加精确地控制纺纱质量。

国内研究者也探讨了纺纱质量的控制问题，研究的焦点集中于单一工序的质量控制：吕志军等[7]提出了基于SVM的纱线质量预测模型，解决了纱线质量控制过程中过多依赖领域专家和管理者经验的问题，实现了对纱线质量的反馈与控制；……