автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Исследование и применение цифровых методов анализа для автоматизации оценки неровноты продуктов прядения

На правах рукописи

Чураева Евгения Ринадовна

ИССЛЕДОВАНИЕ И ПРИМЕНЕНИЕ ЦИФРОВЫХ МЕТОДОВ АНАЛИЗА ДЛЯ АВТОМАТИЗАЦИИ ОЦЕНКИ НЕРОВНОТЫ ПРОДУКТОВ ПРЯДЕНИЯ

05.13.06. - Автоматизация и управление технологическими процессами и производствами (легкая промышленность)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

1 9 НОН ?009

Москва 2009 г.

003483911

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Московский государственный текстильный университет имени А.Н. Косыгина» на кафедре «Информационные технологии и системы автоматизированного проектирования»

Научный руководитель:

доктор технических наук, профессор Севостьянов Петр Алексеевич

Официальные оппоненты:

доктор технических наук, профессор Козлов Андрей Борисович

кандидат технических наук,

старший научный сотрудник Никоноров Павел Васильевич

Ведущая организация: ООО Научно-технический центр «Шелк Плюс»

Защита состоится « ^ » 2009 г. ъ/О^Оч'&с. на заседании дис-

сертационного совета Д.212.139.03 при Московском государственном текстильном университете имени А.Н. Косыгина по адресу: 119071, Москва, Малая Калужская улица, дом 1.

С диссертацией можно ознакомиться в библиотеке Государственного образовательного учреждения высшего профессионального образования «Московский государственный текстильный университет имени А.Н. Косыгина».

Автореферат разослан «<% »

2009 г.

Ученый секретарь диссертационного совета, доктор технических наук, профессор

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Одной из главных задач, стоящих перед текстильной промышленностью, является улучшение качества, эксплуатационных свойств и внешнего вида пряжи и нитей. Снижение издержек, рост объемов производства и ассортимента текстильных материалов требует постоянного технического контроля всех технологических операций, качества сырья и готовой продукции. Неровнота продуктов прядения (неравномерность пряжи и полуфабрикатов по линейной плотности) является одним из наиболее существенных факторов, определяющих их потребительское качество и экономические показатели процессов производства.

В настоящее время наиболее актуальные задачи в этой области связаны с обнаружением и анализом различных видов нестационарной неровноты.

Создание и реализация алгоритмов моделирования нестационарных видов неровноты по линейной плотности одномерных волокнистых материалов (ВМ) позволят оценить качество исследуемых материалов, даст возможность выбора наиболее эффективных методов выявления нестационарной неровноты.

Автоматизация исследования неровноты с использованием компьютерных систем является в настоящее время непременным, обязательным требованием при решении перечисленных задач.

Целью данной диссертационной работы является решение научно-технической задачи создания методики применения автоматизированных методов цифрового анализа к нестационарным видам неровноты и исследование возможностей этого анализа с целью управления технологическими процессами и прогнозирования источников возникновения нарушений стационарности неровноты продуктов прядения, а также анализ существующих методов изучения нестационарной неровноты. Решение этой задачи включает в себя следующие этапы:

- анализ существующих методов исследования нестационарных видов неровноты одномерных ВМ;

- разработка методов и алгоритмов моделирования неровноты одномерных ВМ, включающих неравномерность по линейной плотности, в том числе локальные участки нарушения однородности неровноты продуктов прядения;

- разработка методики применения вейвлет-анализа к обнаружению нестационарных видов неровноты одномерных ВМ и оценка ее эффективности;

- разработка альтернативных методов оценки неравномерности и методов выявления нестационарных видов неровноты, в том числе участков с локальной неровнотой одномерных ВМ;

- разработка автоматизированного программного комплекса (АПК) для анализа различных видов нестационарной неровноты с использованием вейвлет-анализа и других методов обнаружения неровноты одномерных ВМ.

Предмет исследования. Объектом исследования являются методы оценки неравномерности одномерных ВМ и автоматизация методов анализа с целью обнаружения нестационарных видов неровноты, прогнозирования источников ее возникновения.

Методы исследования. В работе использованы методы математического и компьютерного моделирования, методы теории вероятности и случайных процессов, методы математической статистики и обработки экспериментальных данных, корреляционного и спектрального анализов, методы вейвлет-анализа, методы разработки автоматизированных комплексов.

Научная новизна работы. В результате выполнения поставленной научно-технической задачи построены математические и компьютерные модели различных видов неровноты по линейной плотности одномерных продуктов прядения. Созданы модели и алгоритмы моделирования одномерных ВМ с так называемой "идеальной неровнотой", а также с часто встречающимися на практике видами неровноты, в том числе различных видов локальной неровноты.

Разработаны новые методы обнаружения локальной неравномерности по дисперсии и корреляционным свойствам, основанные на методе скользящего усреднения. Разработана структура АПК для анализа неравномерности одномерных ВМ.

Практическая значимость и реализация результатов работы. На основании разработанных методов и моделей создана структура АПК, позволяющая обнаруживать и эффективно идентифицировать большинство встречающихся на практике видов стационарной и нестационарной неровноты линейной плотности одномерных волокнистых продуктов. Использование структуры такого комплекса при обработке экспериментальных данных является мощным средством контроля технологического процесса и управления качеством волокнистых продуктов.

Апробация работы. Основные результаты исследований докладывались и обсуждались на научно-технических конференциях "Современные технологии и оборудование текстильной промышленности" (Текстиль-2007, Текстиль-2008 и Текстиль-2009) (г. Москва, МГТУ им. А.Н.Косыгина) и на межвузовской научно-технической конференции "Молодые ученые - развитию текстильной и легкой промышленности" (Поиск-2009), а также публиковались в журналах "Известия Вузов. Технология текстильной промышленности" (г.Иваново, М»2с за 2009 г.) и в сборнике научных трудов аспирантов МГТУ им. А.Н. Косыгина (г. Москва, 2009 г.)

Публикации. По теме диссертации опубликовано 6 печатных работ.

Объем работы. Диссертация состоит из введения, пяти глав, выводов, списка литературы из 86 наименований и 2 приложений. Содержание диссертации изложено на 205 страницах, содержит 88 рисунков и 5 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, определены цели и задачи исследования. Дана характеристика научной новизны и практической значимости работы, приведены основные этапы решения поставленной задачи.

Первая глава посвящена обзору видов неровноты одномерных волокнистых продуктов, методам ее измерения и анализа.

Рассмотрены существующие виды неровноты продукта по его свойствам и структуре. Неровнота по толщине во многих случаях является одним из главнейших видов неровноты и является определяющей при оценке качества пряжи

и других продуктов прядения. Оценено отрицательное влияние неровноты на производительность оборудования и труда, свойства и внешний вид ткани или трикотажа.

Приведены описание, формулы основных количественных характеристик неровноты, таких как дисперсия, математическое ожидание, коэффициент вариации и др.

Представлены схемы получения информации способами непрерывного и дискретного измерения, необходимые для оценки неровноты одномерного текстильного продукта. Дана сравнительная оценка способов измерения неровноты. Рассмотрено влияние конечных размеров измерительного элемента на регистрацию неровноты продукта.

Во второй главе описаны основные существующие методы статистической оценки неровноты ВМ, дана их сравнительная характеристика.

Отмечены ограниченные возможности рассмотренного коэффициента парной корреляции, позволяющего обнаружить причины возникновения неровноты. Рассмотрены методы получения точечной оценки автокорреляционной функции (АКФ), основанные как на методе моментов, так и на взаимосвязи АКФ со спектральной плотностью дисперсии (СПД). Приведены два способа определения интервала корреляции тс. Описано применение методов фильтрации для получения частотных спектральных характеристик необходимое для получения оценки спектра в режиме реального времени. Приведены современные цифровые методы оценки СПД в системе Ма^аЬ. Рассмотрен метод градиента неровноты, применяемый при анализе неровноты пряжи.

Подробно описан вейвлет-анализ, являющийся весьма перспективным в решении многих математических задач приближения (интерполяции, аппроксимации, регрессии и т.д.) функций, сигналов и изображений. Отмечена принципиальная возможность вейвлетов представлять нестационарные сигналы, состоящие из разных компонент, действующих в разные промежутки времени, модулированные сигналы и другие.

В третьей главе представлена классификация вероятностных характеристик случайных процессов. Приведены примеры реализации вероятностных процессов, содержащих локальную, монотонную и другие виды неровноты.

Описаны динамические модели неровноты одномерных ВМ. Определены виды передаточной функции для нескольких частных случаев дифференциально!« закона распределения волокон по их длине в ленте.

С помощью имитационного компьютерного моделирования построены модели идеально ровного продукта, идеального пуассоновского продукта, идеального пуассоновского продукта со случайной длиной волокон, однородного продукта с заданными СПД и АКФ.

В четвертой главе разработаны алгоритмы генерации (А4.1 - А4.6) различных видов неровноты по линейной плотности. Для каждого вида неровноты (стационарный нормальный "белый шум", дрейф среднего, нестационарность по среднему / дисперсии / корреляции, периодическая нестационарность) построены временная диаграмма (рис. 1.1 - 1.6), гистограмма, графики оценок АКФ и СПД. Получены оценки числовых характеристик, таких как среднее

значение, среднеквадратическое отклонение (СКО), коэффициент вариации.

Для генерации идеальной стационарной неровноты по линейной плотности использована модель "белого шума", полученная с помощью генератора случайных чисел системы МаЙаЬ (рис 1.1). На рис.1.2 - 1.6 представлены временные диаграммы, построенные на основе алгоритмов, описанных ниже.

Рис. 1.1 Рис. 1.2

Рис. 1.1-1.6 Временные диаграммы различных видов неровноты

Алгоритм А4.2 моделирования неповиотм с линейным дрейфом среднего (рис).2)

Задание длины образца продукта М, параметров а и Ь изменения среднего значения хЗг и коэффициента вариации СУх, постоянного на всей длине образца продукта; 2. Генерация среднего хЭг по уравнению прямой + Ы, согласно которому неровнота нарастает. Закон нарастания / убывания дрейфа среднего коррелирован со знаком коэффициента при аргументе; 3. Генерация значений линейной плотности д.

Алгоритм А4.3 моделирования локальной неровноты по среднему уровню (рисЛ.З) 1. Задание длины N1 начального участка образца продукта до участка с локальной неровнотой; 2. Задание длины N2 участка образца продукта с локальной неровнотой; 3. Задание длины N3 конечного участка образца продукта; 4. Задание среднего хЗг 1 для участков N1 и N3; 5. Задание среднего х5г2 для участка N2 с локальной неровнотой; 6. Задание С Ух, постоянного на всех участках продукта; 7. Генерация значений х1, хЗ со средним хЗ г 1 на участках образца продукта N1 и N3; 8. Генерация значений х2 со средним х.3г2 на участке образца продукта N2; 9. Генерация значений линейной плотности д.

Алгоритм А4.4 моделирования локальной неровно гы но дисперсии (рис. 1.4) 1-*- з. Задание длины N1, N2, N3; 4. Задание среднего значения х5г, постоянного на всех участках образца N1, N2, N3; 5. Задание СУх1 для участков N1 и N3; 6. Задание СУх2 для участка N2 с локальной неровнотой; 7. Генерация значений х1, хЗ с СУх1 на участках N1 и N3 образца продукта; 8. Генера-

ция значений х2 с СУх2 на участке N2 образца продукта; 9. Генерация значений линейной плотности д.

Алгоритм А4.5 моделирования локальной неровноты но корреляции (рис.1.5) 1-5- 3. Задание длины N1, N2, N3; 4. Задание среднеквадратического отклонения Зх, постоянного на всех участках образца продукта N1, N2, N3; 5. Задание параметра т, определяющего глубину корреляции; 6. Задание весовых коэффициентов Ь0, Ь|, Ь2>... Ьт; 7. Генерация значений линейной плотности д.

Алгоритм А4.6 моделирования иеровноты с периодическими колебаниями (рисЛ.6) 1. Задание длины N образца продукта, хБг, периода Т, СУх, постоянного на всей длине образца; 2. Генерация значений х1 с хЗг, постоянным на всей длине N образца продукта. 3. Генерация значений х (гармонические колебания с периодом Т изменяются по периодическому закону х2=соз(2^/Т)); 4. Генерация значений линейной плотности д.

В диссертации рассмотрено применение вейвлет-анализа, являющегося альтернативным средством выделения различных составляющих неровноты. В данном методе, исходный поток данных, описывающих неравномерность продукта, например, по линейной плотности, подвергается вейвлет-преобразованию. Базовые (масштабирующие) функции Ф(1,к) позволяют выделить основные тенденции неровноты на участках продукта разной длины (разного масштаба). Детализирующие функции (вейвлеты) описывают "тонкую структуру" неровноты. Успешность анализа зависит от удачного выбора класса вейвлетов, их параметров и порядка разложения. Сам процесс анализа полностью автоматизирован, например, в системе Ма(.1аЬ. Ранее смоделированные выборки были подвергнуты вейвлет-анализу по одинаковой методике с детализацией по М уровням. Таким образом, любая выборка у(г) представляется суммой базовой а(М) и детализирующих составляющих <1(к)\ у(0 = а[М)+¿(1)+с1(2)+... ■+ ¿(М)

На рис.2 и рис.3 приведены составляющие для выборок g из алгоритмов А4.3 и А4.6, полученные Севостьяновым П.А. и Симоняном В.О.

Рис. 2. Локальное нарушение среднего Рис. 3. Периодическая нестационарность

Для обнаружения локального нарушения среднего в выборке g алгоритма А4.3 были использованы вейвлеты Мейера и Хаара. На рис.2 показаны базовые компоненты этой выборки при разных максимальных уровнях детализации М-

3; 4; 5; 7; 9. Видно, что наилучшими являются уровни 4 или 5. Более низкие уровни содержат шумовую составляющую, более высокие (крупномасштабные) не выделяют имеющегося в выборке локального эффекта.

Анализ выборки g алгоритма А4.6 (рис.3) с применением вейвлетов Мей-ера позволяет выделить периодическую составляющую на разных уровнях детализации, начиная с 4-го. С увеличением уровня М= 4, 5, 6,... периодическая составляющая сначала проявляется в базовой компоненте, а затем - в детализирующих, причем соответствующих 5-му уровню детализации.

Из этого анализа следует, что некоторые виды неровноты (монотонная, периодическая, неровнога по среднему уровню) успешно обнаруживаются вейвлет-анализом. Однако выявление других видов неровноты (например, по дисперсии и корреляции) является значительно более сложной задачей.

На рис.4 представлено обнаружение локального изменения дисперсии выборочных данных (алгоритм А4.4) в виде полутоновой диаграммы со значениями параметров вейвлет-анализа с использованием вейвлета Хаара.

с;

□ с;

3

1 ' •' •! ".'У— :

Тг.. ' '

и.1.1.1.4 1-,

«Л«»»: ,'и-

1 'Г'Г"Т''Т

!'С

Рис. 4. Вейвпет-анализ локального изменения дисперсии

Для оценки возможностей вейвлет-анализа обнаруживать локальные нарушения в стационарной неровноте был проведен компьютерный эксперимент, в котором варьировались уровни детализации от 1 до 9 для 7 вариантов вейв-лет-функций и 8 уровней градаций цветовой гаммы в интерактивном режиме (простая и пакетная обработка, непрерывное и дискретное преобразование) одних и тех же модельных данных. При этом заранее было известно о наличии и расположении локального изменения по дисперсии на анализируемом участке.

Проведенный эксперимент с выборкой, полученной по алгоритму А4.5 (неровнота по корреляции), не обнаружил нарушение корреляции.

В связи с этими трудностями был разработан метод, основанный на обобщении метода скользящего среднего применительно к оценке дисперсии, -метод скользящей дисперсии, суть которого заключается в расчете оценки дисперсии на относительно коротких, длиной в Ь отсчетов, отрезках последовательности.

Процедуру полунения скользящей дисперсии применительно к последовательности дискретных отсчета Bg(t), t= 1,..., N формализуется так:

W) = I'EteW - gSr(t,L))\ где gSr(t,L) = j £g(0>< = £ + 1......(1)

L l-Lll ¿-l-Lll I

Здесь функции D(t,L) и gSr(t,L) - соответственно, скользящая дисперсия и скользящее среднее для функции g(t), описывающей линейную плотность продукта. Среднее и дисперсия оцениваются на отрезке длиной L для всех значений аргумента t. Значения t, L, N— целочисленные, причем L - четное.

Формулы (1) выполняют нелинейное преобразование функций g(t) в D(t,L). Возведение в квадрат смещения Ag(t,L) при вычислении D(t,L) изменяет закон распределения значений этой функции и ее спектральный состав.

Для иллюстрации метода скользящей дисперсии смоделирована последовательность g(t) отсчетов (N - 1 ООО) в виде нормального "белого шума" с gSr=О и Dgfi,L)=l( которая затем была подвергнута скользящему усреднению с L=10 отсчетов. Графики исходной и усредненной последовательности gSkSr(t), а также их оценки АКФ и СГЩ приведенные на рис.5, 6 и 7, подтверждают появление корреляционных связей между значениями усредненной последовательности и резонансных пиков в спектре, отсутствовавших в спектре исходной последовательности, Этот результат говорит о том, что метод скользящей дисперсий нужно применять с осторожностью при исследовании стационарных видов неровноты.

Рис.5 Результат "скользящего усреднения", g(/) ~.W(0;1); N= 1000; L = 10

На рис.8 показано применение метода скользящей дисперсии к последовательности отсчетов с локальным нарушением дисперсии при нескольких значениях интервала усреднения L- 10; 20; 70; 50; 100; 150; 200; 300.

Рис.8. Скользящая оценка дисперсии с различными интервалами усреднения

На рисунке график величины Dg изображает локальное изменение дисперсии (участок ¿о = 100 отсчетов, Dg в 2.25 раза больше дисперсии на стационарной части) в последовательности £(0- Остальные графики отображают изменения оценки дисперсии методом скользящей дисперсии согласно (1) при разных значениях интервала усреднения. Из приведенных графиков видно, что метод скользящей дисперсии позволяет эффективно обнаруживать локальные неоднородности по дисперсии, причем интервал усреднения должен быть близок к половине длины участка неоднородности Ь = 1(1/2,

Для автоматизации обнаружения подобных участков в последовательности измеренных значений линейной плотности продукта предложен индикатор степени нарушения однородности дисперсии, основанный на критерии Фишера.

В последовательности g(í) были выбраны два значения аргумента г, и и два интервала /, = -¿1/2; 1\ +Ь\/2) и /2 = (?2 -¿2/2; Н +Ь212) с длинами /,, и ¿2 таким образом, чтобы они не пересекались. Сравнивались два варианта выбора первого интервала. В первом варианте начало интервала совпадало с началом последовательности g(t), а конец - с началом второго интервала. Тогда границы первого интервала будут равны /ю = (? = 1; ? = ¿2 -¿г/2 -1). Во втором варианте длины интервалов равны Ь\ = Ь2. Тогда первый интервал будет иметь границы 1\\ = (Н -3£[/2; ?2 -£)/2 -1). Рассмотрены эти два варианта интервалов. На каждом из интервалов /ш (или /,,) и /2 оценена величина дисперсии ¿'2(/; /|0) или )) и ^(С, /2). Расчетное значение критерия Фишера для этих оценок равно

Рр{1) = 52(ги2)/52 («;/,») или = /«?>,/„) (2)

В качестве индикатора локальной неоднородности по дисперсии линейной плотности продукта была выбрана следующая функция

|0, если 1/К,(а)<^(0<*>) р)

1пЩ'> [1, если /^,(0 > ^(а) или Г, (0 < 1/^(а)

На рис.9 приведены примеры функции InD(t) для двух вариантов расчета критерия (2), обозначенные как lnD0(t) и inD\(t). Также для наглядности приведены 1рафики g(t) и ее СКО. Уровень значимости критерия Фишера а = 0.01.

Из рисунка видно преимущество первого варианта выбора интервалов для оценки дисперсии и индикаторной функции ]nD0(t) перед вторым.

_____________________________JTH__r~-l_________________________

__________________________!R_j»m______________________

lb-Mi--U4-м--■-м-Ti--nL

Рис.9. Индикаторные функции локальной неровноты

Известно, что для данных с распределением, отличным от нормального, альтернативой критерию Фишера является более устойчивый, но менее мощный ранговый критерий Ансари - Брэдли. Была предложена и вычислена индикаторная функция InDAB(t) на основе этого критерия (рис.9, нижний график). Однако эта индикаторная функция распознает нарушение однородности дисперсии хуже индикатора, построенного с использованием критерия Фишера.

Для обнаружения локальных изменений в корреляционных характеристиках продукта, была построена методика расчета скользящей оценки АКФ, которая вычисляется не по всей последовательности, а только по ее части - интервалу длиной L, что реализуется с помощью формул

R(.i,t;L)=K(?'''L\ / = 1.....N-L; г = 0,1.....¿/2, где

S\t-L)

1 I+L-т . ..

К(т,М) = т Yi(g(k)~gSr(t-L))(g(k + x)-gSr(nL)), (4)

1 /+/.-1 1 1+1-т

5г(/;1) = | £ (g(k)-gSr(r,L))2; gSr(f,L) = j £ *(*>

L J./ Ь Ы

Здесь K(i,t;L) - ненормированная АКФ для линейной плотности g(t), оцененная на "скользящем" интервале с переменными границами [t; t+L] и постоянной длины L; S7(t;L) - оценка дисперсии g(t) на интервале; gSr(t-JL) - оценка среднего значения (математического ожидания) на этом интервале.

Используя метод взвешенного усреднения последовательных значений "белого шума" g(t), был разработан алгоритм моделирования линейной плотности с локальным изменением корреляционных свойств продукта. Для этого при

вычислении суммы g(t) = 'f^bkx(t - к) на некотором диапазоне переменной t из-

k=Q

менялись значения весовых коэффициентов. На временной диаграмме полученной последовательности g(t) (рис.10) четко просматриваются локальные изменения в структуре последовательности в диапазоне от 451-го до 550-го отсчетов, в отличие от графика оценки АКФ. Применяя методику скользящей оценки КФ и используя формулы (4), получим графики скользящих среднего

.Жг(/;£) и СКО 5к81с1(1\Ц (рис.11), которые не содержат существенных локальных изменений. На рис.12 представлены оценки скользящей АКФ при г=200 и /=800 (г соответствуют стационарным участкам &(!)), а также при /=500 (участок с нестационарностью), что наглядно отражается на виде АКФ.

-25 -20 -15 -to

<04 I 6С0

Рис. 10. Последовательность g(t) Рис. 11. Скользящее среднее и СКО

Рис. 12. Оценки скользящей АКФ при (=200, <=800 и (=500

Для автоматизации обнаружения нарушений стационарной АКФ построен критерий сравнения значений оценки АКФ, полученной по всей реализации, и оценки АКФ по скользящему интервалу оценивания £,. В качестве критерия

рассмотрен средний квадрат разностей между двумя оценками

Гц

(5)

Здесь число слагаемых TR выбирается так, чтобы включить в сумму лишь наиболее значимые оценки АКФ. Примем Tg = ¿/10, где L - длина скользящего интервала оценивания АКФ. В формуле (5) оценка R(т) получена по стационарной части реализации методом моментов, что позволяет считать оценку R(x) практически совпадающей с ее точным значением для стационарной части реализации git). Выражение (5) можно рассматривать как точечную оценку дисперсии величины R(t,i,L). Эта величина оценивается по формуле (4) и как сумма достаточно большого числа случайных значений согласно центральной предельной теореме распределена по нормальному закону. Тогда величина QK должна быть распределена по закону ^-квадрат (Пирсона).

Для проверки допустимости этого предположения был проведен статистический эксперимент. В нем генерировалась коррелированная g{t), для которой были получены оценки R(т) и R(t,%,L), затем вычислялось значение QR. Вычисления повторены при разных значениях t. Затем была построена оценка рас-

пределения QK и проверена гипотеза о его соответствии распределению %-квадрат (Пирсона). Подбор распределения и проверка гипотезы были выполнены с применением инструментария dFitToo! системы Matlab.

Поскольку распределение /-квадрат (Пирсона) является частным случаем гамма-распределения, то при подборе в качестве гипотетического было выбрано гамма-распределение (рис. 13а).

Подобранное распределение оказалось наилучшей аппроксимацией распределения значений QR среди 17 различных конкурирующих распределений. Кроме того, соответствие выборочных значений QK гамма - распределению было проверено по критерию Колмогорова - Смирнова, для чего было использовано обращение к встроенной процедуре Matlab

[Н,Р,KSSTAT,CV]=kstest(Q, [Qgamcdf(Q,3.6, 0.441)],0.05,'unequal'); Результат ее работы: Н = 0; Р = 0.5815; KSSTAT = 0.0251; CV = 0.0439

Согласно интерпретации этих данных, гипотеза не противоречит статистическим данным, т.е. значениям QR, при уровне значимости 0.05. Максимальное расхождение между оценкой функции распределения и гипотетическим гамма - распределением равно KSSTAT, т.е. весьма незначительно.

а"

А

-Q

R

■Gamma

0.8 оя

0.7

рРол

0-4

0.3 0-2 0.1

3

Data

1 I^-Hi 1----1

----Empirical FCG^)

-Gamma K(Q„)

0 0 0 1 г 3 Q 4 4 в 7

Я

б

Рис. 13 а, б. Эмпирическое распределение критерия Qr и его аппроксимация гамма-распределением

На рис.136 приведены графики эмпирической, построенной по выборочным значениям QR, функции распределения и гипотетического гамма - распределения.

В пятой главе описан АПК, разработанный для оценки неровноты одномерных ВМ. Он был создан и реализован с помощью совместного использования С++ Builder 6 и Matlab 7.0. Комплекс позволяет следующее: проводить анализ неровноты образцов одномерных ВМ; выявлять и определять вид неровноты образцов одномерных ВМ; моделировать изображения образцов одномерных ВМ с заданными параметрами, производить расчет числовых и функциональных характеристик; просматривать результаты анализа и моделирования; сохранять результаты исследований в базе данных.

Для упрощения работы с комплексом был разработан визуальный интер-

фейс со следующими основными экранными формами: !) форма ввода исходных данных и параметров неровноты моделируемого образца ВМ (рис.14); 2) форма задания параметров моделирования; 3) форма задания параметров проведения экспериментов с моделями; 4) форма просмотра результатов моделирования.______

. Впсгд исходных Данных и пдрЫстрпп^|Ь:рп.онотмигрЛ:мо'гр^^рсэуль1атоп >лодп/п<р0|мнип

Характеристики образца

Т -■ '' •__-

Л<Ш образца Л^00® м Линейная платность

as.ii"

. • Выбор компонентов неровноты- ' ;

| ДГооо"*„„„„„ СУ^П»

Г" случайная

■ '

Г' монотонная а»! Ь-Г .

Загр9»ить

V ■ ' -у.',,

■■! Р? локальная Продолкигь

... ^ ^ •'' •; -* .1— ... .'■.....-■.......

№ средний уровень гежс

Г «мспврсня СУд2-Г *

( корреляция

■»г-

Законраспределения: • ; Р р [нормальный л] •

Закрыть

-----г-~,.........у--------•- --- -

М2-П00

Рис. 14. Форма ввода исходных данных и параметров неровноты образца ВМ ОБЩИЕ ВЫВОДЫ ПО РАБОТЕ

1. Исследование нестационарной неровноты продуктов прядения является важной и актуальной задачей при изучении технологических процессов и управления ими. При этом большое значение имеет выбор характеристик и методов определения каждого вида неровноты. Установлено, что для стационарных видов неровноты, встречающихся в продуктах прядения, разработаны достаточно надежные методы ее идентификации. Обнаружение локальных видов неровноты остается актуальной и не полностью решенной задачей. В частности, это относится к неровноте сложной природы (например, неровнота по дисперсии и корреляции), обнаружение которой позволяет идентифицировать ее источники и обеспечивать стабильность технологических процессов.

2. Разработана и предложена для использования в исследовательских целях система математических и компьютерных моделей неровноты одномерного ВМ. Она позволяет моделировать основные, часто встречающиеся на практике, виды неровноты продукта по линейной плотности, в том числе различные виды локальной неровноты. Разработаны и описаны алгоритмы генерации различных видов неровноты с использованием этих моделей.

3. Исследованы существующие классификации неровноты и выделены основные ее характеристики, используемые в качестве главнейших определяющих оценок качества пряжи и других продуктов прядения. Выполнен детальный анализ известных методов и оценок неровноты одномерных ВМ с использованием цифровой обработки результатов измерения неровноты с применением средств системы МаЙаЬ. Алгоритмы и программы этой системы в полной мере решают задачи исследования стационарной неровноты.

4. Разработаны эффективные методы обнаружения плохо идентифицируемых видов неровноты на основе операции скользящего усреднения. На базе этих методов предложены индикаторы обнаружения этих видов неровноты. Методом статистического моделирования исследованы статистические свойства индикаторов, определены их законы распределения. Доказана эффективность применения этих индикаторов для обнаружения локальной неровноты. Предложенная методика позволяет упростить разработку автоматизированных методов анализа.

5. Установлено, что такие характеристики как АКФ и СПД, пригодны для обнаружения периодической неровноты, однако требуют выбора шага дискретизации данных в зависимости от выявляемой длины волны. Как правило, шаг дискретизации должен составлять не менее 1/5 от выделяемой минимальной длины волны. При этом общий объем данных должен составлять не менее 250300 единиц измерений. Сравнение различных методов спектрального анализа на одних и тех же модельных образцах неровноты показало, что при незначительной разнице в частотах периодических колебаний для их выделения приходится проводить спектральный анализ в интерактивном режиме. Оценки СПД, полученные разными методами, не всегда коррелированны друг с другом, поэтому автоматизация этих методов трудна и предъявляет высокие требования к квалификации и опыту пользователя.

6. Анализ неровноты, основанный на вейвлет-преобразованиях, показал, что основным их достоинством является обнаружение неровноты в виде трендов и некоторых видов локальной неровноты. К-недостаткам можно отнести интерактивный режим анализа, усложняющий автоматизацию и замедляющий процесс обработки, многовариантность проведения анализа, связанная с необходимостью подбора подходящих базисных функций, числа уровней анализа, а также ограниченные возможности метода, не позволяющие обнаружить некоторые сложные виды локальной неровноты, например, неровноту по дисперсии или корреляционным свойствам. Предложенные методы "скользящей дисперсии" и "скользящей корреляции" свободны от перечисленных недостатков и удобны для автоматизации обработки данных.

7. Разработаны функциональная структура АПК и требования к ее программной реализации. На основе компьютерного моделирования и методов оценки неровноты создан макет АПК, позволяющий выполнять все задачи, связанные с анализом и моделированием неровноты одномерных ВМ в автоматизированном режиме. На базе созданного макета АПК спроектирован и программно реализован интерфейс пользователя в виде набора экранных форм, сгруппированных по функциональному признаку. АПК реализован в среде С++ Builder 6 и Matlab 7.0.

Основное содержание работы отражено в публикациях;

1. Чураева Е.Р. Исследование и применение вейвлет-анализа для автоматизации оценки неровноты продуктов прядения, - Сборник тезисов международной научно-технической конференции "Современные технологии и оборудова-

ние текстильной промышленности" (Текстиль-2007). - М.: МГТУ им. А.Н.Косыгина, 2007.

2. Чураева Е.Р. Автоматизация оценки неровноты продуктов прядения с применением методов вейвлет-анализа, - Сборник тезисов международной научно-технической конференции "Современные технологии и оборудование текстильной промышленности" (Текстиль-2008). - М.: МГТУ им. А.Н.Косыгина, 2008, с. 225.

3. Чураева Е.Р. Компьютерное моделирование и анализ локальной и нестационарной видов неровноты по линейной плотности одномерных волокнистых продуктов, - Сборник тезисов межвузовской научно-технической конференции "Молодые ученые - развитию текстильной и легкой промышленности" (Поиск-2009). - М.: МГТУ им. А.Н.Косыгина, 2009, с. 344

4. Севостьянов П.А., Чураева Е.Р. Влияние геометрических свойств волокон на неравномерность по линейной плотности одномерных волокнистых продуктов, - Известия Вузов. Технология текстильной промышленности, №2с. - Иваново: 2009.

5. Севостьянов П.А., Чураева Е.Р. Обнаружение локальной неоднородности по дисперсии волокнистого продукта методом "скользящей дисперсии", Сборник научных трудов аспирантов МГТУ им. А.Н.Косыгина, - М.: 2009.

6. Севостьянов П.А., Чураева Е.Р. Обнаружение локальных изменений корреляционных свойств волокнистого продукта методом "скользящей корреляции", - Сборник тезисов международной научно-технической конференции "Современные технологии и оборудование текстильной промышленности" (Текстиль-2009). -М.: МГТУ им. А.Н.Косыгина, 2009.

Подписано в печать 02.11.09 Формат бумаги 60x84/16 Бумага множ. Усл.печ.л. 1,0 Заказ 355 Тираж 80 ГОУВПО «МГТУ им. А.Н. Косыгина», 119071, Москва, ул. Малая Калужская, 1

Введение.

Глава 1. Виды неровноты одномерных волокнистых продуктов, методы ее измерения и анализа.

1.1. Неровнота и ее влияние на качество волокнистых продуктов.

1.2. Виды неровноты одномерных волокнистых продуктов.

1.3. Основные количественные характеристики неровноты.

1.4. Способы получения информации о неровноте.

1.5. Влияние конечных размеров измерительного элемента на регистрацию неровноты продукта.

Выводы по главе 1.

Глава 2. Основные статистические характеристики неровноты волокнистых продуктов и методы их оценки.

2.1. Корреляционный анализ неровноты.

2.1.1. Коэффициент корреляции.

2.1.2. Корреляционные характеристики стационарной неровноты.

2.1.3. Оценка АКФ продукта при стационарной неровноте.

2.2. Спектральный анализ неровноты.

2.2.1. Преобразование Фурье и стационарные вероятностные процессы.

2.2.2. Оценка спектральных характеристик методом фильтрации.

2.2.3. Современные цифровые методы оценки СПД.

2.3. Градиентный анализ неровноты.

2.4. Вейвлет-анализ.

2.4.1. Основы вейвлет-преобразования.

2.4.1.1. Вейвлет-представление сигналов.

2.4.1.2. Дискретное вейвлет-преобразование.

2.4.1.3. Одноуровневое дискретное одномерное вейвлетпреобразование в Matlab.

2.4.1.4. Ортогональные вейвлеты.

2.4.2. Достоинства и недостатки вейвлет-преобразований.

2.4.3. Практическое использование вейвлет-преобразований.

Выводы по главе 2.

Глава 3. Аналитические и компьютерные модели неровноты по линейной плотности одномерных волокнистых продуктов.

3.1. Вероятностные характеристики случайных процессов.

3.2. Примеры реализации вероятностных процессов некоторых видов неровноты одномерных ВМ.

3.3. Динамическая модель неравномерности ленты по числу волокон в ее сечениях.

3.4. Компьютерное моделирование стационарной неровноты одномерных продуктов.

Выводы по главе 3.

Глава 4. Разработка алгоритмических и программных средств для исследования различных видов нестационарной неровноты одномерных продуктов прядения.

4.1. Создание алгоритмов генерации различных видов неровноты.

4.1.1. Описание алгоритмов.

4.1.2. Примеры работы алгоритмов.

4.2. Обнаружение различных видов неровноты с помощью вейвлет-анализа

4.3. Выявление локального изменения дисперсии с помощью метода "скользящей вариации".

4.4. Обнаружение локальных изменений корреляционных свойств волокнистого продукта методом "скользящей корреляции".

Выводы по главе 4.

Глава 5. Разработка автоматизированного программного комплекса для моделирования различных видов нестационарной неровноты одномерных продуктов прядения.

5.1. Структура автоматизированного программного комплекса.

5.2. Разработка графического интерфейса программного комплекса. 164 Выводы по главе 5.

Одной из главных задач, стоящих перед текстильной промышленностью, является улучшение качества, эксплуатационных свойств и внешнего вида пряжи и нитей. Снижение издержек, рост объемов производства и ассортимента текстильных материалов требует постоянного технического контроля всех технологических операций, качества сырья и готовой продукции. Неровнота продуктов прядения (неравномерность пряжи и полуфабрикатов по линейной плотности) является одним из наиболее существенных факторов, определяющих их потребительское качество и экономические показатели процессов производства.

В настоящее время наиболее актуальные задачи в этой области связаны с обнаружением и анализом различных видов нестационарной неровно-ты.

Создание и реализация алгоритмов моделирования нестационарных видов неровноты по линейной плотности одномерных волокнистых материалов (ВМ) позволит оценить качество исследуемых материалов, даст возможность выбора наиболее эффективных методов выявления нестационарной неровноты.

Автоматизация исследования неровноты с использованием компьютерных систем является в настоящее время непременным, обязательным требованием при решении перечисленных задач.

Целью данной диссертационной работы является решение научно-технической задачи создания методики применения автоматизированных методов цифрового анализа к нестационарным видам неровноты и исследование возможностей этого анализа с целью управления технологическими процессами и прогнозирования источников возникновения нарушений стационарности неровноты продуктов прядения, а также анализ существующих методов изучения нестационарной неровноты. Решение этой задачи включает в себя следующие этапы:

- анализ существующих методов исследования нестационарных видов не-ровноты одномерных ВМ;

- разработка методов и алгоритмов моделирования неровноты одномерных ВМ, включающих неравномерность по линейной плотности, в том числе локальные участки нарушения однородности неровноты продуктов прядения;

- разработка методики применения вейвлет-анализа к обнаружению нестационарных видов неровноты одномерных ВМ и оценка ее эффективности;

- разработка альтернативных методов оценки неравномерности и методов выявления нестационарных видов неровноты, в том числе участков с локальной неровнотой одномерных ВМ;

- разработка автоматизированного программного комплекса (АПК) для анализа различных видов нестационарной неровноты с использованием вейвлет-анализа и других методов обнаружения неровноты одномерных ВМ.

Предметом исследования являются методы оценки неравномерности одномерных ВМ и автоматизация методов анализа с целью обнаружения нестационарных видов неровноты, прогнозирования источников ее возникновения.

Методы исследования. В работе использованы методы математического и компьютерного моделирования, методы теории вероятности и случайных процессов, методы математической статистики и обработки экспериментальных данных, корреляционного и спектрального анализов, методы вейвлет-анализа, методы разработки автоматизированных комплексов.

Научная новизна работы. В результате выполнения поставленной научно-технической задачи построены математические и компьютерные модели различных видов неровноты по линейной плотности одномерных продуктов прядения. Созданы модели и алгоритмы моделирования одномерных ВМ с так называемой "идеальной неровнотой", а также с часто встречающимися на практике видами неровноты, в том числе различных видов локальной неровноты.

Разработаны новые методы обнаружения локальной неравномерности по дисперсии и корреляционным свойствам, основанные на методе скользящего усреднения. Разработана структура АПК для анализа неравномерности одномерных ВМ.

Практическая значимость и реализация результатов работы. На основании разработанных методов и моделей создана структура АПК, позволяющая обнаруживать и эффективно идентифицировать большинство встречающихся на практике видов стационарной и нестационарной неровноты линейной плотности одномерных волокнистых продуктов. Использование структуры такого комплекса при обработке экспериментальных данных является мощным средством контроля технологического процесса и управления качеством волокнистых продуктов.

Апробация работы. Основные результаты исследований докладывались и обсуждались на научно-технических конференциях "Современные технологии и оборудование текстильной промышленности" (Текстиль-2007, Текстиль-2008 и Текстиль-2009) (г. Москва, МГТУ им. А.Н.Косыгина) и на межвузовской научно-технической конференции "Молодые ученые - развитию текстильной и легкой промышленности" (Поиск-2009), а также публиковались в журналах "Известия Вузов. Технология текстильной промышленности" (г.Иваново, №2с за 2009 г.) и в сборнике научных трудов аспирантов МГТУ им. А.Н. Косыгина (г. Москва, 2009 г.).

Публикации. По теме диссертационной работы опубликовано 6 печатных работ.

Структура и объем работы. Диссертация состоит из введения, пяти глав, выводов, списка литературы из 77 наименований и 2 приложений. Содержание диссертации изложено на 204 страницах, содержит 88 рисунков и 5 таблиц.

Общие выводы по работе

1. Исследование нестационарной неровноты продуктов прядения является важной и актуальной задачей при изучении технологических процессов и управления ими. При этом большое значение имеет выбор характеристик и методов определения каждого вида неровноты. Установлено, что для стационарных видов неровноты, встречающихся в продуктах прядения, разработаны достаточно надежные методы ее идентификации. Обнаружение локальных видов неровноты остается актуальной и не полностью решенной задачей. В частности, это относится к неровноте сложной природы (например, неровнота по дисперсии и корреляции), обнаружение которой позволяет идентифицировать ее источники и обеспечивать стабильность технологических процессов.

2. Разработана и предложена для использования в исследовательских целях система математических и компьютерных моделей неровноты одномерного ВМ. Она позволяет моделировать основные, часто встречающиеся на практике, виды неровноты продукта по линейной плотности, в том числе различные виды локальной неровноты. Разработаны и описаны алгоритмы генерации различных видов неровноты с использованием этих моделей.

3. Исследованы существующие классификации неровноты и выделены основные ее характеристики, используемые в качестве главнейших определяющих оценок качества пряжи и других продуктов прядения. Выполнен детальный анализ известных методов и оценок неровноты одномерных ВМ с использованием цифровой обработки результатов измерения неровноты с применением средств системы Matlab. Алгоритмы и программы этой системы в полной мере решают задачи исследования стационарной неровноты.

4. Разработаны эффективные методы обнаружения плохо идентифицируемых видов неровноты, методы "скользящей дисперсии" и "скользящей корреляции". Предложены индикаторы обнаружения этих видов неровноты. Доказана результативность этих методов.

5. Установлено, что такие характеристики как АКФ и СПД, пригодны для обнаружения периодической неровноты, однако требуют выбора шага дискретизации данных в зависимости от выявляемой длины волны. Как правило, шаг дискретизации должен составлять не менее 1/5 от выделяемой минимальной длины волны. При этом общий объем данных должен составлять не менее 250-300 единиц измерений. Сравнение различных методов спектрального анализа на одних и тех же модельных образцах неровноты показало, что при незначительной разнице в частотах периодических колебаний для их выделения приходится проводить спектральный анализ в интерактивном режиме. Оценки СПД, полученные разными методами, не всегда коррелированны друг с другом, поэтому автоматизация этих методов трудна и предъявляет высокие требования к квалификации и опыту пользователя.

6. Анализ неровноты, основанный на вейвлет-преобразованиях, показал, что основным их достоинством является обнаружение неровноты в виде трендов и некоторых видов локальной неровноты. К недостаткам можно отнести интерактивный режим анализа, усложняющий автоматизацию и замедляющий процесс обработки, многовариантность проведения анализа, связанная с необходимостью подбора подходящих базисных функций, числа уровней анализа, а также ограниченные возможности метода, не позволяющие обнаружить некоторые сложные виды локальной неровноты, например, неровноту по дисперсии или корреляционным свойствам. Предложенные методы "скользящей дисперсии" и "скользящей корреляции" свободны от перечисленных недостатков и удобны для автоматизации обработки данных.

7. Разработаны функциональная структура АПК и требования к ее программной реализации. На основе компьютерного моделирования^ методов оценки неровноты создан макет АПК, позволяющий выполнять все задачи, связанные с анализом и моделированием неровноты одномерных ВМ в автоматизированном режиме. На базе созданного макета АПК спроектирован и программно реализован интерфейс пользователя в виде набора экранных форм, сгруппированных по функциональному признаку. АПК реализован в среде С++ Builder 6 и Matlab 7.0, на данный момент проходит проверку и отладку.

1. Агафонов В .И., Семин М.И. Определение местных пороков тканей с помощью вейвлетов, - Известия Вузов. Технология текстильной промышленности, №3. - Иваново: 2008, c.l 1

2. Ашнин Н.М. Теоретическое и экспериментальное исследование процесса кардочесания волокнистых материалов. Дисс. . д-ра техн. наук. -Л., 1979.-474 с.

3. Бездудный Ф.Ф. Математические методы в организации текстильного производства. -М.: Легкая индустрия, 1970. — 284 с.

4. Бездудный Ф.Ф., Павлов А.П. Математические методы и модели в организации текстильного производства. Учебник для вузов — М.: Легкая индустрия, 1979. 230 с.

5. Бендат Дж., Пирсол А. Прикладной анализ случайных данных. М.: Мир, 1989.-540 с.

6. Будников В.И. Процесс деления в механическом прядении. М.: Легкая индустрия, 1965. — 274 с.

7. Будников В.И., Будников И.В., Зотиков В.Е., Канарский Н.Я., Раков А.П. Основы прядения, ч.П. -М.: Гизлегпром, 1945. 312 с.

8. Будников И.В., Канарский Н.Я., Раков А.П. Основы прядения: ч.1 -М.: Гизлегпром, 1948. 356 с.

9. Бусленко Н.П. Метод статистического моделирования. М.: Статистика, 1970.-112 с.

10. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978. -400с.

11. Васильев Н.А. Вопросы теории прядения (опыт применения методов математического анализа к технологическим процессам прядения). М.: Гизлегпром, 1932. - 276 с.

12. Виленкин С.Я. Статистическая обработка результатов исследования случайных функций. — М.: Энергия, 1979. — 320 с.

13. Винтер Ю.М. Исследование структурной и весовой неровноты продуктов, получаемых в результате гребнечесания и вытягивания. Дисс. . канд. техн. наук. М.: МТИ, 1967. - 343 с.

14. Винтер Ю.М., Горячая И.С. Моделирование поперечных сечений многокомпонентной пряжи и миграции волокон. /Вестник МГТУ им. А.Н. Косыгина, М., 2002, с.112-113.

15. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. — С.-Пб.: Издательство ВУС, 1999.

16. Галягин Д.К., Фрик П.Г. Адаптивные вейвлеты (алгоритм спектрального анализа сигналов с пробелами в данных). — Математическое моделирование систем и процессов, 1996, № 6, с. 10.

17. Гинзбург JI.H., Хавкин В.П., Винтер Ю.М., Молчанов А.С. Динамика основных процессов прядения (формирование и выравнивание волокнистого потока) (часть 1). М.: Легкая индустрия. 1970. - 304 с.

18. Гинзбург Л.Н., Хавкин В.П., Винтер Ю.М., Молчанов А.С. Динамика основных процессов прядения (гребнечесание и вытягивание) (часть 2). -М.: Легкая индустрия. 1972. — 309 с.

19. Горячая И.С. Автоматизация методов исследования структуры поперечных сечений двухкомпонентной пряжи. Дисс. . канд. техн. наук. -М.: МГТУ им. А.Н.Косыгина, 2001.-173 с.

20. Горячая И.С., Севостьянов П.А. Использование кластерного анализа для оценки неравномерности распределения волокон в поперечном сечении пряжи. Сб. научн. трудов аспирантов, вып.4. — МГТУ им. А.Н. Косыгина, М., 2002. с.87 93

21. ГОСТ 10878-70 Материалы текстильные. Линейная плотность в единицах текс и основной ряд номинальных линейных плотностей.

22. Грекова С.В. Исследование процессов деления в ОСП. Дис. . канд. техн. наук. -М., 1975.

23. Гультяев А. Визуальное моделирование в среде Matlab: учебный курс СПб: Питер, 2000. - 432 е.: ил.

24. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения. -вып. 1. М.: Мир, 1971.-240 е., вып.2 -М.: Мир, 1972.-288 с.

25. Добеши И. Десять лекций по вейвлетам. Пер. с англ. — Ижевск, НИЦ регулярная и хаотическая динамика, 2001.

26. Дремин И.М., Иванов О.В., Нечитайло В.А. Вейвлеты и их использование. — Успехи физических наук, 2001, т. 171, № 5, с. 465-561.

27. Дьяконов В.П. Вейвлеты. От теории к практике. СОЛОН-Пресс, 2004. - 400 с.

28. Ермаков С.М., Михайлов Г.А. Статистическое моделирование. М.: Наука, 1982.-296 с.

29. Зогиков В.Е., Будников И.В., Трыков П.П. Основы прядения волокнистых материалов. — М.: ГНИЛ по легкой промышленности, 1959.

30. Кельтон В., Лоу А. Имитационное моделирование. Классика CS. 3-е изд. СПб.: Питер; Киев: Изд. группа BHV, 2004. - 847 е.: илл.

31. Ковнер С.С. Математические методы исследования движения волокон в процессе вытягивания. — М.: Гизлегпром, 1957. — 280 с.

32. Козлов А.Б., Козлов Б.П. Автоматизация технологических процессов в шерстяной и шелковой промышленности. — М.: Легкая индустрия, 1967.

33. Козлов А.Б., Епифанова А.Д., Боровикова Т.Н., Васильев Л.И. Основы автоматизации производств в текстильной промышленности. — М.: Легкая и пищевая промышленность, 1984.

34. Коробов Н.А. Реализация вероятностных и спектральных характеристик случайных процессов в системах имитационного моделирования текстильных объектов, Известия Вузов. Технология текстильной промышленности, №6с. - Иваново: 2006.

35. Коробов Н.А. Развитие теории и практики построения методов измерения характеристик строения текстильных материалов с использованием современных информационных технологий. — Автореф. дисс. . д-ра техн.наук. М.: МГТУ им. А.Н. Косыгина, 2007. - 36 с.

36. Кузьмич И.В. Исследование методов локальной идентификации для автоматизации управления процессами прядильного производства. Дисс. . канд. техн. наук, М.: МГТУ им. А.Н. Косыгина, 2001. - 168 с.

37. Лившиц Н.А., Пугачев В.Н. Вероятностный анализ систем автоматического управления. М.: Сов. Радио 1963. — 896 с.

38. Леви Г.В. Характер неровноты волокнистых продуктов. Научно-исследовательские труды ЦНИИЛВ. Т.Х. М.: Гизлегпром, 1957.

39. Малоземов В., Певный А., Третьяков А. Быстрое вейвлетное преобразование дискретных периодических сигналов и изображений. — Проблемы передачи информации, 1998, т. 34, № 5, с. 465-561.

40. Марпл -мл. С.Л. Цифровой спектральный анализ и его приложения: Пер. с англ. М.: Мир, 1990. - 584 е., ил.

41. Мирский Г.Я. Аппаратурное определение характеристик случайных процессов. М.: Энергия, 1972.-456 с.

42. Михайлов Б.С. Штапелирование жгутов способом разрыва. Дисс. . д-ра техн. наук. - Л., 1983.-379 с.

43. Михайлов Б.С., Севостьянов А.Г. Теория и практика штапелирования жгутов методом разрыва. — М.: Легкая индустрия, 1971. — 340 с.

44. Мортон В.Е., Херл Д.В.С. Механические свойства текстильных волокон. — М.: Легкая индустрия. 1971. — 184 с.

45. Назаров Р.В., Винтер Ю.М., Плеханова С.В. Новая методика и программное обеспечение для расчета количества пороков пряжи, Известия Вузов. Технология текстильной промышленности, №бс. - Иваново: 2006.

46. Новиков JI.B. Адаптивный вей влет-анализ сигналов. — Научное приборостроение, 1998, т. 9, № 2, с. 35.

47. Ордов К.В. Компьютерное моделирование динамики процесса вытягивания волокнистого материала в вытяжных приборах. Дисс. . канд. техн. наук. М.: МГТУ им. А.Н.Косыгина, 2002. - 171 с.

48. Отнес Р., Эноксон JI. Прикладной анализ временных рядов. Основные методы: М.: Мир, 1982. - 428 с.

49. Петелин Д.П., Козлов А.Б., Шахнин В.Н., Джелялов А.Р. Автоматизация технологических процессов в текстильной промышленности. — М.: Легкая Индустрия, 1980.

50. Петелин Д.П. и др. Автоматизация химико-технологических процессов текстильного производства, книги 1-5, учебник.

51. Поллард Дж. Справочник по вычислительным методам статистики / Пер. с англ. М.: Финансы статистика, 1982. - 344 с.

52. Полляк Ю.Г. Вероятностное моделирование на электронных вычислительных машинах. М.: Сов. Радио, 1971. - 400 е., ил.

53. Протасова В.А. Вопросы теории и практики процесса вытягивания. -Дисс. . д-ра техн. наук. М., 1972. - 371 с.

54. Протасова В.А., Нестеренко А.В. Исследование характеристик дискретного потока волокон в аэродинамическом канале машины ППМ-240-Ш. Текстильная промышленность, 1984, №6, с.32-33.

55. Прохоров С.А. Аппроксимативный анализ случайных процессов. 2-е изд., перераб. и доп./Самар.гос.аэрокосм.ун-т, 2001.- 380 е., ил.

56. Пугачев В.Н. Комбинированные методы определения вероятностных характеристик. — М.: Сов. Радио, 1973. —256 с.

57. Равский М.И. Исследование неровноты производительности кипныхразрыхлителей хлопка. Дисс.канд. техн. наук. -М., 1973.—238 с.

58. Разумеев К.Э. Неровнота шерстяной пряжи по показателям, связанным с ее составом. Изв. вузов: Технология текстильной промышленности, 1999, №1.

59. Растригин JI.A. Современные принципы управления сложными объектами. М.: Сов. Радио, 1980. - 232 е., ил.

60. Севостьянов А.Г. Методы исследования неровноты продуктов прядения. М.: Ростехиздат, 1962.- 387 с.

61. Севостьянов А.Г. Современные методы исследования неровноты продуктов прядения. М.: Легкая Индустрия, 1966. - 85 с.

62. Севостьянов А.Г., Вавшткин С.Ю. Взаимосвязь между свойствами хлопколавсановой пряжи и долей компонентов в смеске. Изв. вузов: Технология текстильной промышленности, 2000, №2.

63. Севостьянов А.Г., Севостьянов П.А. Моделирование технологических процессов (в текстильной промышленности): Учебник для вузов. -М.: Легкая и пищевая промышленность, 1984 344 с.

64. Севостьянов А.Г., Севостьянов П.А., Савельев В.Г. Динамика вытяжного прибора с использованием датчика усилия вытягивания. В сб.: Машиностроение для текстильной промышленности: серия А. - М.: ЦНИИТЭИлегпищемаш, 1973, №6, с.13 - 18.

65. Севостьянов А.Г., Севостьянов П.А., Симонян В.О. О динамике шта-пелирования разрывом. Изв. вузов: Технология текстильной промышленности, 1974, №5, с.29 - 33.

66. Севостьянов П.А., Симонян В.О. Масштабный анализ неровноты одномерных волокнистых продуктов. Изв. вузов: Технология текстильной промышленности, 2006, №6.

67. Севостьянов П.А. Изменения неравномерности по линейной плотности при делении потоков волокнистого материала. Изв. вузов: Технология текстильной промышленности, 1988, №2, с.21-25.

68. Севостьянов П.А. Исследование процесса дискретизации методом статистического моделирования. Изв. вузов: Технология текстильной промышленности, 1976, №2, с.32 - 37.

69. Севостьянов П.А., Ордов К.В. Исследование зависимости точности компьютерного моделирования процесса вытягивания от объема испытаний. Сборник научных трудов аспирантов, вып.7, МГТУ им. А.Н. Косыгина, М. 2003, стр. 49-54.

70. Севостьянов П.А., Гаспарян ГЛ. Автоматизированная система научных исследований для моделирования процессов взаимодействия неоднородных потоков. Сборник научных трудов аспирантов, вып.7, МГТУ им. А.Н. Косыгина, М. 2003, стр. 65-69.

71. Севостьянов П.А., Чураева Е.Р. Влияние геометрических свойств волокон на неравномерность по линейной плотности одномерных волокнистых продуктов, Известия Вузов. Технология текстильной промышленности, №2с. - Иваново: 2009.

72. Севостьянов П.А., Чураева Е.Р. Обнаружение локальной неоднородности по дисперсии волокнистого продукта методом "скользящей дисперсии", Сборник научных трудов аспирантов МГТУ им. А.Н.Косыгина, М.: 2009.

73. Сергиенко А.Б. Цифровая обработка сигналов. СПб.: Питер, 2003. - 604 е.: илл.

74. Сергиенко А.Б. Signal Processing Toolbox обзор. http://matlab.exponenta.ru/signalprocess/book2/index.php

75. Советов Б.Я., Яковлев С.А. Моделирование систем. 2-е изд. - М.: Высшая Школа, 1998. - 319 с.

76. Сухарев В.В. Автоматизированные методы моделирования волокнистых продуктов при проектировании систем измерения линейной плотности. Дисс. канд. техн. наук. — М.: МГТУ им. А.Н.Косыгина, 2002. 170 с.

77. Тодуа И.Ф., Севостьянов А.Г. Влияние крючковатости волокон на неровноту волокнистого продукта и характер его вытягивания. Изв. вузов: Технология текстильной промышленности, 1980, №2, с.18-22.

78. Черников А.Н. Исследование изменения характера и уровня неровноты по толщине полуфабрикатов поточной линии хлопчатобумажного производства. Дисс. . канд. техн. наук. - М.: МХИ, 1971.-271 с.

79. Черников А.Н. Математический анализ процессов дискретизации волокон в пневмопрядении. /Вестник МГТУ им. А.Н. Косыгина, М., 1999, с. 36-40.

80. Чуй. К. Введение в вейвлеты. — М.: Мир, 2001.