目前,随着我国一带一路的实行和经济类型的转变,对许多传统行业提供新的机会和要求,棉加工行业也不例外,即带来了经济的巨大需求,同时也对加工方式有着巨大要求。我国棉加工方式从采棉到加工基本人力较多,尤其粗放式的加工方式带来了巨大的经济浪费,同时产棉效率和成品棉品质也间接跟不上时代的需求。因此如何高效智能机械化的生产,如何对生产中轧花工艺环节改进以生产更高品质的棉花成了棉加工企业面临的问题。本文通过棉加工业行情结合国家重点研发计划课题“棉加工成套设备智能控制关键技术及装备研发”(课题编号:2018YFD0700401)对棉加工重要的轧花工艺环节和数字化监测系统研究,发现轧花中存在的设备稳定、棉纤维损失、清理效率的问题,用三维流体仿真、BP神经网络轧花建模、遗传算法优化轧花模型的方式设计气流式籽棉清理和GA-BP轧花模型神经网络数字化监测系统方案,对籽棉清理效率,棉纤维损失、设备稳定运行等问题进行解决,最终提高成品棉品质。本文研究的主要内容如下:(1)对轧花工艺及机理进行研究,通过分析轧花工艺中籽棉经喂花辊进入轧花前的预处理环节、籽棉在轧花中受机械力勾拉分离籽棉纤维和籽棉籽的环节、籽棉纤维的杂质清理环节,发现了籽棉轧花环节存在设备稳定运行、棉纤维损伤、杂质清理效率的主要问题,并且该问题最终影响成品棉的品质。(2)提出了气流式籽棉清理方案,以解决轧花工艺中杂质清理效率和棉纤维损失等的问题。先分析了气流式籽棉除杂预处理中籽棉纤维和灰尘杂质的受力及运动规律,再采用三维数值的模拟,分析了流场和颗粒在气流式籽棉清理中的状态,建立了其动力学模型,用CFD方式找出杂质和棉纤维排出的条件,并且对该影响参数实行了正交实验,证明了数值分析模拟对设备结构参数的优化确实有效,证明了该方案确实可以解决轧花工艺中的问题。(3)建立基于BP神经网络的数字化监测系统模型方案,以拟合成品棉品质和生产中轧花工艺不同籽棉性状的关系,进而提高成品棉品质。通过研究轧花生产中影响成品棉品质的因素,发现这些因素和成品棉品质呈复杂非线性等的函数关系,通过BP神经网络算法的特点可以有效学习该函数关系,进而建立数字化监测模型,使用工厂实测数据学习并预测对比,证明了该方案确实可行。(4)设计遗传算法优化的基于BP轧花模型神经网络数字化监测系统方案,由于BP网络具有学习预测性的特点,在数字化监测系统存在局部误差较大的缺点,针对该缺点使用遗传算法改善BP轧花模型网络中的权值阈值,缩小搜索域,从而得到更优的数字化监测模型,通过仿真分析,优化后的模型拟合度较高,符合行业要求。