مطالعه مروری جامع بهینه سازی مکانیکی ماشینهای ریسندگی با استفاده از روشهای هوش مصنوعی

ماشینهای ریسندگی به عنوان هسته اصلی فرآیند تبدیل الیاف به نخ در صنعت نساجی، نقشی بنیادین در تعیین کیفیت مکانیکی، نخ یکنواختی ساختاری، راندمان، تولید، مصرف انرژی و هزینه های نگهداری و تعمیرات ایفا می کنند. عملکرد این ماشین ها حاصل برهم کنش پیچیده ای از پارامترهای مکانیکی، دینامیکی و مواد محور است که از جمله می توان به دینامیک اجزای دوار، ارتعاشات اسپیندل و روتور، اصطکاک و سایش در نواحی تماس، توزیع تنش های مکانیکی، پایداری حرکتی اجزا و شرایط کاری متغیر در سرعت های بالا اشاره کرد. افزایش مستمر سرعت تولید و پیچیدگی ساختار مکانیکی ماشین های ریسندگی مدرن، موجب شده است که روش های کلاسیک طراحی، تحلیل و بهینه سازی مبتنی بر روابط تحلیلی و مدل های خطی، در بسیاری موارد توانایی پیش بینی دقیق رفتار واقعی سیستم و پاسخگویی به نیازهای صنعتی را نداشته باشند. در سال های اخیر هوش مصنوعی به عنوان ابزاری توانمند در مدل سازی سیستم های غیرخطی، تحلیل داده های حجیم تجربی و انجام بهینه سازی های چندهدفه به طور فزاینده ای مورد توجه پژوهشگران حوزه های مهندسی مکانیک و مهندسی نساجی قرار گرفته است. الگوریتم های هوشمند این قابلیت را فراهم می آورند که روابط پیچیده میان پارامترهای مکانیکی، ماشین، شرایط عملیاتی و ویژگی های نخ تولیدی بدون نیاز به ساده سازی های افراطی مدل سازی شوند و همزمان چندین معیار عملکردی نظیر کاهش ارتعاشات، افزایش پایداری دینامیکی، بهبود کیفیت نخ و افزایش عمر مفید اجزای مکانیکی مورد بهینه سازی قرار گیرند. این مقاله مروری با هدف ارائه یک بررسی جامع و نظام مند از کاربرد روش های مختلف هوش مصنوعی در بهینه سازی مکانیکی ماشین های ریسندگی تدوین شده است. در این راستا ابتدا ساختار مکانیکی انواع ماشین های ریسندگی متداول و چالش های مهندسی حاکم بر عملکرد آنها از دیدگاه مکانیکی و نساجی تشریح می شود؛ سپس روش های متداول تحلیل مکانیکی شامل تحلیل دینامیکی سیستم های چند جسمی، تحلیل ارتعاشات، روش اجزای محدود و رویکردهای کلاسیک بهینه سازی مرور می گردد. در ادامه کاربرد الگوریتم های هوش مصنوعی شامل شبکه های عصبی مصنوعی، الگوریتم های تکاملی، منطق فازی و روش های یادگیری ماشین در زمینه پیش بینی رفتار دینامیکی، کاهش ناپایداری های مکانیکی، بهبود کیفیت نخ، کنترل تطبیقی فرآیند ریسندگی و نگهداری پیشبینانه تجهیزات به صورت تحلیلی بررسی و مقایسه می شود. در پایان ضمن شناسایی شکاف های پژوهشی موجود، مسیرهای آینده تحقیقات بین رشته ای با تاکید بر توسعه مدل های ترکیبی فیزیک محور، داده محور و دوقلوهای دیجیتال برای ماشین های ریسندگی ارائه می گردد.

کلیدواژه ها:

ماشین های ریسندگی ، بهینه سازی مکانیکی ، دینامیک ماشین آلات نساجی ، ارتعاشات و پایداری ، هوش مصنوعی ، یادگیری ماشین ، شبکه های عصبی مصنوعی ، مهندسی نساجی ، مهندسی مکانیک