利用灰狼优化算法优化棉质双股纱线的参数以提高其抗拉强度

《Scientific Reports》：Optimization of cotton two-ply yarn parameters to enhance tensile strength using the grey wolf optimization algorithm

　　

摘要

优化双层纱线的结构参数对于提高其在纺织应用中的机械性能至关重要。本研究开发了一种智能混合框架，该框架结合了人工神经网络（ANN）和灰狼优化器（GWO），旨在系统地优化棉质双层纱线的参数，以最大化其韧性。对比建模结果表明，人工神经网络在预测准确性和泛化能力方面显著优于多元线性回归（MLR）模型，这一点通过更高的TGF值得到了验证，从而证实了其在ANN–GWO优化方案中的适用性。优化过程确定的最优配置为：单层纱线的捻度为1000 TPM，双层纱线的捻度为790 TPM，并采用Z型捻向。在这些条件下，成本函数值从-0.4876显著降低到-0.9814，而韧性则从28.72 cN/tex大幅提高至35.81 cN/tex。敏感性分析进一步表明，双层纱线的捻向是最具影响力的参数，其对韧性变化的贡献率为32.61%。总体而言，所提出的ANN–GWO框架提供了一种稳健的、数据驱动的、与行业需求相关的方法，可用于精确调节和提升双层纱线的性能。