轮胎作为汽车行驶的重要部件,因其质量问题导致的投诉和事故已引起了各方的关注,比如前不久发生的锦湖轮胎鼓包、侧面裂纹问题以及韩泰轮胎鼓包问题等等。而这些问题产生的根源在于轮胎用帘子线的质量指标(比如断裂强力)变异,在生产过程中尚未做到精准控制。这是因为:(1)轮胎中真正“出力”的不是橡胶,而是隐藏在橡胶里面的帘布;(2)帘布作为轮胎胎体的骨架材料,它既是影响轮胎性能和寿命的重要材料,也是轮胎的主要受力部位置;(3)帘布由强力股线(排列紧密)作经线,中、细单纱(排列稀疏)作纬线,从而织成的轮胎用骨架织物;(4)经线、纬线都是由纤维(比如棉、粘胶丝、钢丝维等)加工而成的纱线。对轮胎用帘子线质量控制的现有研究,主要从高性能纤维(主要以芳纶为主要)角度入手,探讨了帘子线的强度、热收缩、尺寸稳定性,解决了帘子线裂缝、交叉和弯曲等问题。但是还存在帘子线强力指标的控制问题尚未得到彻底解决。这是因为:帘子线的结构松散且刚性大,在生产过程中极易相互摩擦而产生毛羽、纬缩以及纬纱阻断等疵点,严重影响轮胎用帘子线的质量指标。为此,本论文以棉、芳纶为原料,以轮胎用帘子线为研究对象,以帘子线质量的智能控制为研究内容,以提升轮胎质量为目标,重点研究了以下三个方面的内容。(1)明晰了帘子线质量指标之间协同关系。借助协同学理论、多Agent技术,将轮胎、帘子线质量指标之间的协同关系视为一个系统,提出了基于Agent的轮胎、帘子线协同关系表示方法。同时,构建了多Agent的帘子线种群进化模型,并提出了帘布、帘子线质量协同算法。进而,利用纺纱工艺理论,从纤维属性(如断裂强力、断裂伸长等)角度研究了纤维属性对帘子线质量的影响行为,并结合强力指标数据进行了算例验证与比较分析,试验结果表明,帘子线的“强力”指标与“断裂伸长”呈一次函数关系,与其他指标呈正相关关系,并在同一尺度下,通过帘子线强力指标可以构建帘子线、帘布质量指标协同关系,实现帘布强力的有效控制。(2)提出了基于数据的帘子线质量异常因素识别方法。从帘子线质量特征值波动问题角度出发,借助灰色理论,从关联系数和关联度角度对影响因素与质量特征值之间的作用机制进行了研究。基于帘子线生产过程产生的海量数据,在k-means算法的基础上提出了一种Dk-means聚类算法,从纤维属性(断裂强力)角度对帘子线质量输出特征值的误差进行修正,使纤维属性值与帘子线特征值之间呈线性关系。同时,针对现有研究对帘子线质量影响因素无法实时识别和交互分析的缺点,从影响因素角度出发,借助深度学习假设的优点,构建了三层影响因素识别和交互分析模型,并借助AlexNet深度学习结构,实现了帘子线断纱瞬间图像工作场景的语义提取和识别以及帘子线生产过程多因素的交互分析。进而,提出了一种基于Dk-means算法与灰色关联分析的帘子线质量异常因素估计方法。结合仿真与实验,结果表明提出的估计方法从关联系数和关联度的角度做到了帘子线质量异常因素的实时预警,实现了从质量特征值波动机理到影响因素与帘子线质量特征值之间关系表达,再到影响因素异常行为识别的全方位分析。(3)研究了数据驱动的帘子线质量控制方法。为解决帘子线生产质量难以精准控制的问题,根据帘子线生产过程各工序业务流程的复杂性,构建了一个基于多Agent的帘子线生产过程协同控制模型。同时,在此系统模型下,提出了一种面向帘子线生产过程的数据拟合方法,利用差微分算子来获得基本样条函数和B样条曲线,使不同的算子D运用高次近似的方法来获得精确样条拟合函数。进而,通过多Agent间的协作机制,构建了面向帘子线生产过程的质量协同控制方法,使得每个Agent既相互独立又相互联系,有效集成了帘子线各个工序间的数据资源。通过生产现场的测试,结果表明设计的模型与数据拟合方法优化了帘子线业务流程,整合了帘子线各工序之间的质量数据,做到了数据的实时拟合与处理,有利于实现帘子线生产质量的在线精准控制,使得帘子线生产质量的控制更加智能化。综上,本论文提出的质量智能控制方法及算法,一方面有利于解决帘子线生产过程中相互之间摩擦而起毛的问题,从而为帘子线质量的精准控制提供理论依据;另一方面有利于揭示帘子线质量波动的规律,从而为胎体用帘布以及轮胎质量提供技术支撑。