專利名稱：纖維試樣中雜質的測量分類設備和方法
技術領域：
本發明涉及用于監視纖維試樣特性的設備和方法，尤其涉及在纖維試樣中將雜質分類為幾類雜質(例如纖維質或其他、樹皮或玻璃等等)之一的設備和方法。
本申請是共同未決申請07/962，898題為“帶自動喂入的單獨紡織試樣復合特性的測試儀器和方法”以及共同未決申請07/493，961題為“對纖維或其他試樣中單獨實體的光電高速多變量測量方法和儀器”的部分繼續，它們的公開納入本文作為參考。
本發明的前身是由烏斯特公司所制造的AFIS儀。該儀器利用美國專利第4，512，060號公開的方法把纖維和棉結分離入一個氣流中，而雜質分離到另一氣流中。雜質是定義為粒子大小超過50μm的外部物質。有時這種外部物質稱為灰塵和雜質，但這里為了簡單起見我們只稱之為雜質。在前身AFIS中必須對紡織材料的3組重復的試樣進行單獨測試來確定纖維、棉結和雜質的信息。對每一重復的試樣的每一種實體必須進行一次試驗和采用一單獨的紡織材料試樣。雖然AFIS能為快速自動紡織測試提供最佳的數據，但仍要求獲得更佳的數據和更高的速度。在共同未決申請07/493，961中公開了一種新發現的改進傳感器，采用這種改進傳感器的儀器仍命名為AFIS，系由烏斯特公司制造。為了更明確一些并與參考相一致，我們把第一種儀器稱為AFIS-0，而采用改進傳感的儀器稱為AFIS-1。
本發明是AFIS-1的進一步改進，而且主要是針對測試速度來考慮的。首先發現AFIS-1的改進傳感器能大體上從同一紡織試樣同時實現多重數據的測試。所謂大體上同時是指棉結數據、纖維數據和雜質數據是通過一單獨的紡織材料試樣的測試而獲得的，并對基本上所有的棉結和雜質以及某一種代表性的纖維試樣進行檢測和測量。因此這種改進不需要對3組單獨的試樣反復3～5次地進行3種單獨的試驗來取得棉結、雜質和纖維的數據。而且如果需要的話，這些數據也可只用一個傳感器來獲得。上述測試速度的提高是通過在優選實施例中一模擬和數字混合電路所構成的新穎分析電路來取得的。本發明的操作速度與AFIS-1或AFIS-0相比提高了3倍。
隨著高速處理的出現，對試樣中實體鑒定的準確性和速度提出了更高的要求。雖然有了雜質和單獨纖維的基本數目和大小的信息有時已經足夠，但仍需要有對棉結和雜質的更詳細的信息。
在棉纖維紡織品中棉結廣義地被定義為纖維的小團或纏結。它們是棉纖維中三種主要成分之一。但棉結還可分成三類由機械產生的棉結、棉子殼棉結和有光澤的(或未成熟的)棉結。由機械產生的棉結是在開棉、軋花和梳棉過程中產生的，其直徑范圍可從0.1mm到5mm。它們是由一棉花或化纖的纏結核心與一長尾纖維形成的而且在加工中無法開松的緊密纖維結頭。棉子殼棉結或棉子殼碎片是附著于棉子殼上的纖維團所形成的。從可見光中觀看，它們是附在中央一個黑的核點上的纖維小絨頭。有光澤的棉結或抗染色棉結是由極不成熟或死的棉花纖維結成的團。它們是由于部分或全部棉籽受到應力而使纖維的成熟過程停止所形成的。結果所產生的纖維既細又弱并具有極小的橫向韌性而很容易形成由平行纖維壓成的小團。這些未成熟的纖維不能正常地吸收染料，因而在染成織物中將出現白色斑點。這些光澤的棉結可以附在棉子殼上，也可以不附在棉子殼上。
了解上述說明以后便不難理解對棉結進行分類的重要性。由機械產生的棉結表明加工機械有干擾，因此這些粒子的精確計量有助于對加工機械進行細調或甚至進行大檢修。對最普通的化纖滌綸棉結與棉花棉結之間的區分十分重要，因為它們通常是分開加工而后在并條機中并成棉條。
棉子殼碎片來自棉株，它的數目受軋花、清棉和棉花品種的影響。棉子殼最令人討厭的是它是紗疵的主要來源。每單位重量中的棉子殼碎片數可對棉農提供有關棉籽到纖維強度的有用信息，對軋花廠提供有關去棉籽工藝的干擾信息，而對加工廠提供有關原棉質量的信息。
有光澤的棉結數可用以預測所加工棉紗的可染性。特別是每克的光澤棉結數可預測染成織物的外觀質量，因而有可能使有質量意識的紡織工人把最高質量的材料用于要求最高的產品。
纖維試樣中的雜質數量和性質與上述理由相同對紡織加工廠也是十分重要的。棉花中雜質的產生主要是由于機械摘棉所引起，這種雜質可分為纖維狀的或非纖維狀的，并還可細分為纖維狀樹皮、纖維狀的草或樹葉、草片或葉片、厚的雜質(棉子殼碎片和樹皮)、灰塵或纖維碎片。對試樣中雜質的分類能揭露前道加工中的問題，有利于校正加工，并有助于預測由纖維制成的終端產品(通常是紗線)的質量。
因此任何紡織加工廠必須掌握有關原料，尤其是棉結的更多的具體信息才能有效地提高加工效率和產品質量。這種需要從棉農和軋花廠經過紡紗廠并最后擴大到織布廠。
根據本發明，提供了用于在包括至少雜質的紡織材料試樣中測量實體特性的設備。紡織材料試樣由供料裝置提供而一處理器接收這些紡織試樣并對其進行處理以使試樣實體相互分離，把實體分離成互不相關而后送至出口。設有一傳送機構用于將相互分離的各個實體送至一傳感器系統，在那里由傳送機構所移動且包括雜質的一部分實體的至少一個特性被檢測。傳感器系統相應于被檢測的特性產生特性信號，同時這些信號被送給計算機以在那里進行分析。計算機識別代表雜質的信號并進一步分析雜質信號以便相應于幾種雜質類型之一將信號分類。
在本發明的特定設備和方法中，基于特性信號來確實體長度并將該長度與閾值相比較。部分基于比較結果，雜質被分類為幾種雜質類型之一。
根據本發明的另一方面，確定相應于由傳感器系統所檢測的實體直徑特性來確定直徑。應該理解術語“直徑”在本申請中是十分廣義的，因為雜質非常不規則并且不具有精確的幾何直徑。在本申請中，直徑還可被認為是當實體以兩維截面觀視時的寬度。在確定直徑后，根據長度與直徑相比的比率被用于閾值相比較。最好地，長度被直徑除以確定縱橫比并將該縱橫比與閾值3相比較。然后，再根據該比與閾值相比較的結果來給雜質分類。
根據本發明的另一方面，實體的速度是由傳感器檢測并通過分析特性信號而確定的。該速度與閾值相比較，并部分根據該速度與閾值的比較結果而將實體分類。術語“速度”也是廣義地用在本發明中，而且它也可被認為是代表實體速度的數字。然而，“速度”可以不必是以距離除以時間的單位來表達的數字。例如，本發明通過測量實體從第一點運動到第二點所需的時間來確定速度。時間測量實際上就是速度測量并且可以理解這里所用的術語“速度”應該也包括時間測量。
根據本發明的另一個方面，相應于雜質為特性信號確定峰值。這個峰值與閾值相比較，然后部分根據峰值與閾值的比較結果將實體分類為幾種雜質類型之一。
如果同以下的附圖相結合來考慮，則通過以下具體說明可對本發明有一充分的理解

圖1是纖維測試儀的外形圖，表示本發明的優選實施例;
圖2是自動喂入機構的剖面略圖，包括一儲倉;
圖3是圖2中所示的儲倉的剖面略圖;
圖4是喂給頭和儲倉的剖面略圖;
圖5是喂入觸指和喂入輥的側面剖視略圖;
圖6是操作自動喂入機構用的計算機和控制系統的方框圖;
圖7表示從自動喂入機構接收試樣的實體分離器的實施例，以及一個單獨的從分離器接收實體的傳感器;
圖8是分離器和傳感系統的另一實施例的略圖;
圖9是又一種分離器和傳感系統的實施例;
圖10是分析器系統的方框圖，它表示檢測器和傳感器的模擬放大器，以及一塊數據采集板;
圖11是根據圖10推導出的通用方塊圖;
圖12是來自傳感器的模擬波形;
圖13表示計算機如何獲得數據和分析數據，并對棉結、雜質和纖維數據進行分析的流程圖;
圖14是表示實體的光-電參數之間的文氏(Venn)圖表;
圖15a，15b和15c是對三種棉結的說明;
圖16a表示圖7系統中的另一種傳感器;
圖16b表示圖16a的傳感器連接到一數據采集板;
圖17表示不同棉結通過圖16的傳感器時所產生的波形圖;
圖18是棉結分類程序的流程圖;
圖19是表示棉結分類的餡餅式統計圖;
圖20是表示雜質分類的餡餅式統計圖;
圖21是對各種類型雜質的描繪;
圖22a，22b和22c為雜質分類程序的流程圖。
在所有的圖中，凡相同的數字號表示同一個或相應的部件。圖1表示組成本發明優選實施例的紡織測試儀10的外形圖，測試儀10包括一主體外殼12，在外殼12頂部裝有一自動裝置14用以支持紡織材料的試樣，從裝置14中有一喂入頭16伸出，用以把紡織試樣裝入測試儀10。
測試儀器10是在計算機18的控制下工作的。計算機與操作者之間通過一顯示屏20和一鍵盤22進行對話。在優選實施例中，測試儀10是用來測試紡織材料的，它是專門設計用于紡織纖維、棉結和雜質特性的測量，但它也同樣能用于任何具有同前述紡織實體可比擬的尺寸和重量特性的實體。
圖2表示了儲倉24和喂入頭16的概略頂視圖。儲倉24是設在圖1所示的裝置14內，它包括許多(20～200)個貯槽26，從儲倉24的長度方向延伸以接納紡織材料的拉長試樣。在圖3中表示了部分儲倉24的概略剖視圖。圖3清楚地表明了貯槽26呈溝道狀，它在儲倉24內的濃度約1英寸，水平寬度約1英寸。儲倉24裝在一由步進電動機30驅動使之水平地按圖2所示的箭頭32和34方向而移動的齒條28上，因此步進電動機30能有選擇地在水平方向使喂入頭16同所需的貯槽26對齊。一旦所需的貯槽26與喂入頭16適當銜接時，在特定貯槽中的試樣便被喂入頭16移動，送入測試儀進行測試。
圖4是喂入頭16和儲倉24的側面剖圖。圖中一個拉長的細狹的紡織試樣36被放在儲倉24中的一個貯槽26上。試樣36被裝在由虛線42所代表的架子上的喂入頭皮帶38和40所咬合。機架42可擺動地安裝在芯軸44上，其位置由一活塞和氣缸組46所控制，能使機架42沿著由箭頭48所示的方向上升或下降。因此活塞和氣缸組46既能使皮帶38和40下降與試樣36咬合，又能使皮帶38和40上升從試樣36和儲倉離開，這樣儲倉24移動時不致干擾皮帶38和40。當皮帶38和40咬合試樣36時便把試樣36牽入一上部喂入輥50，它接著把試樣輸送到喂入盤52上。
圖5表示喂入盤52的側視圖。上喂入輥50把試樣輸送到喂入盤52上，柱塞54將試樣咬合并通過安裝在喂入盤52上方并與之平行的喂入皮帶54來驅動試樣在喂入盤52上往下輸送。這是測試儀10的自動喂入頭16所完成的最后一步。光傳感器60和62用以控制喂入機構中有無紡織材料試樣36存在，傳感器60位于喂入皮帶50的輸出端，對柱塞頭56所橫越的喂入盤區域進行觀察，光傳感器62位于喂入皮帶54的末端，對喂入盤進行觀察。
從圖2、3、4、5可知對喂入皮帶38、40、50、54以及為之設置的包括電動機、控制器及連接器等在內的傳動機構是操作喂入皮帶所需的常用措施。同樣，光傳感器60和62代表由常規電源供電的常規傳感器和控制線路，另外由一雙重動作的活塞氣缸組58和柱塞頭56組成的柱塞54以及另一活塞氣缸組46也代表常規的活塞和氣缸組，包括壓縮空氣的供應和其控制機構。
這些部件及其控制元件的運行可從圖6的方框圖中充分了解，它說明計算機18和控制機構在自動喂入頭16中的應用。關于圖2～6，當測試儀接通后，計算機18向步進控制64發出一指令驅動儲倉24到其初始位置，使第一個貯槽26與自動喂入機構16對齊。當儲倉24位于所需的位置時，計算機向喂入頭皮帶控制66和氣缸控制68發出指令，接通喂入皮帶38和40，并使氣缸46把皮帶38降下使之與試樣36咬合。計算機18還向上皮帶控制70和喂入盤皮帶控制72發出一起動指令，從而上喂入皮帶50和盤喂入皮帶54開始運行。
當計算機18發出指令使喂入皮帶38、40和50向喂入盤52送出一試樣之后，它就監測來自傳感器60的信號，當檢測到盤52上有試樣時，計算機18將向柱塞控制74發出指令使柱塞54的氣缸58把柱塞頭56向前移往盤喂入輥54，并把試樣36推到喂入皮帶54下的盤52上。當柱塞頭56動作以后，如果1～1.5秒之內計算機18沒有在傳感器62檢測到試樣的存在，則計算機將發出另一指令給柱塞控制74使柱塞頭56動作，把試樣壓在盤喂入輥54的下面。這個過程將重復5次，如果在第5次以后傳感器62仍未探測到試樣，計算機18將發出指令使喂入機構16的全部動作停止，并在屏幕20上顯示故障情況，表示試樣可能在喂入機構中阻塞。
假使并沒有阻塞的話，計算機18便對來自光傳感器60和62的信號進行分析是否在自動喂入機構16中有試樣存在。在正常情況下，兩個傳感器將指示試樣36的存在，如果任何一個傳感器沒有探測到試樣，計算機18將等待10秒鐘再分析來自光傳感器60和62的信號。如果任何一個傳感器沒有檢測到試樣，計算機將發出一指令給控制氣缸68，把機架42和喂入皮帶38和40升高而離開儲倉24，然后計算機18將向步進控制64發出一指令使步進電動機30把儲倉24的第2個貯槽同喂入機構16對齊，于是計算機18再次向氣缸控制68發出指令使喂入皮帶38和40下降同第2貯槽26中的試樣咬合，接著計算機18再對來自光傳感器60和62的信號進行分析，確定試樣的有無并繼續指引儲倉前進，直到在喂入機構內檢測到試樣為止。
如果兩個光傳感器60和62一開始就探測到在喂入機構16中存在試樣36，于是試樣便可通過喂入機構喂入。計算機18周期性地檢查來自光傳感器60和62的信號。當它們指出喂入機構16中不存在試樣36時，它將等候預定的停留時間(約10秒鐘)，并對測試儀器的其他操作進行檢查。如果一切功能正常，經過上述停留時間以后，計算機18將向氣缸控制68和步進控制64發出指令使儲倉24移向下一個貯槽26。
當最后貯槽26的試樣被喂入機構16裝載后，計算機18認為儲倉24現在已排空，于是在屏幕20上顯示一提示要求操作人再把紡織試樣裝載入儲倉24，并重新開始自動喂入過程。
圖7表示一纖維分離器80和一傳感器82。分離器80接收來自喂入盤52和喂入盤皮帶54的紡織試樣36。分離器的功能是釋放和分離所喂入的實體。在優選實施例中，分離器80把棉結、雜質和纖維相互分開并對不同類別的實體進行分離。
分離器80包括一喂入輥1，它接收喂入盤52上的試樣，并把試樣36喂入分離器80，經過處理的空氣經空氣輸送管道83、84、85、86輸入分離器。(用以凈化或清洗的壓縮空氣是通過管道87短時供應的，例如0.5秒)。試樣36由喂入輥81在控制的情況下喂入。實體是由多孔滾筒88和實心滾筒90與梳理板84、85和96相結合而進行處理的。經過處理后，棉結、纖維和雜質等實體相互釋放而分離，使實體在分離器80的輸出端92以分離的狀態逐一輸出。
分離器80實際上與美國專利4，512，060所公開的相同并已納入參考。與該專利相比，分離器80在結構上的主要差別在于它在輸氣管道83和86內設有錯開的雙檔板98和100。擋板98和100允許空氣通過而進入分離器，但它們阻止雜質和其他粒子通過通道83和86被甩出分離器。因此它與美國專利4，512，060相反，由分離器80所處理的全部實體均能通過分離器的輸出92而送入管道102。管道102把實體在氣流中帶入一密封室104中。管道102的末端有一噴嘴106，而在腔室104中設有一反向噴嘴正好同噴嘴106對準。因此在兩個噴嘴106和108之間形成一開口。噴嘴108同管道112相連接，繼而同一真空源112相連，以提供真空度并在管道102和110以及噴嘴106和108內形成氣流。在腔室104中設有一光源114，它發射出光束穿過噴嘴106和108之間的開口而射向兩個并列放置的消光檢測器116和118。對于噴嘴106和108中的氣流而言，檢測器118位于檢測器116的下游。檢測器116和118的輸出相應喂入放大器120和122，所產生的消光信號VE1和VE2則從導線124和126上輸出。
檢測光源設有一前向分散檢測器128，它包括一透鏡系統129和一擋光器130，使通過噴嘴106和108中間的實體133把檢測光以大約40度的角度前向分散。前向分散檢測器128的輸出經過一放大器131在導線132上產生一前向分散信號VS。
上述的傳感器82基本上與申請07/493，961所述的傳感器相同，其說明被納入本文作為參考。
圖8代表另一種連接分離器80和傳感器82的實施例，其中傳感器82與圖7所述的完全相同，而分離器80則除了雜質在離開分離器80的處理方式有所不同外，基本上與美國專利4，512，060相同。在圖8的結構中不用擋板98和100，而雜質是通過空氣通道84和86以及逆流槽CFS噴射出。圓筒88和90推動雜質以氣流相反的方向通過通道84和86。當雜質粒子到達空氣入口138和139時，其動量把它們帶入管道140和142，并在氣流中從分離器80流出。管道140和142通到一離心分離器143，它包括一垂直管道144向上延伸到一空氣抽吸管146，抽吸管146提供在管道140和142內形成氣流所需的抽空度。空氣和極細的粒子通過管道144而離開分離器143，但大部分灰塵和雜質粒子被向外的離心力所分離而由于重力而落入腔室148并有選擇地由一螺旋器150噴射出。
接到來自計算機18的指令后，雜質粒子被旋出腔室148并由管道152中的氣流所捕獲。在螺旋器出口附近設有一空氣入口154，管道152中的氣流把雜質粒子帶到管道102中的一個入口153。一個活塞和氣缸組155藉活塞和氣缸組155上所裝的蓋板156有選擇地關閉和開啟入口153。活塞和氣缸組以及螺旋器150系受計算機18控制。當需要測量纖維和棉結的特性時，將蓋板156移向入口153，于是纖維和棉結便供應到傳感器112，其中基本上沒有雜質的含量。當需要測量雜質特性時，計算機18使活塞和氣缸組155將入口153開啟并使螺旋器150開始從腔室148噴射灰塵和雜質。于是抽吸器112在管道152中形成一氣流把雜質粒子通過管道152帶入管道102，并最后通過傳感器82。
然而在圖9中還表示了另外一個實施例。其中分離器80基本上同美國專利4，512，060所示的相同，但是把管道140和142合并成一單根管道141并連接到一個單獨的傳感器82a，管道141中的氣流是由一抽吸器112a提供的，它與傳感器82的抽吸器112大體相同。
以上圖7、8、9所示的三個實施例可以通過觀察傳感器的運行、數據采集板和計算機18來充分理解，茲簡述如下圖10表示傳感器82的概略圖和一塊數據采集板(DAB)161，虛線160表示傳感器82和DAB161之間的物理上的分界線，這里DAB是作為對個別纖維159在噴嘴106中移動的反應。在圖10的左側詳細表示了傳感器82。消光傳感器116向一跨阻抗放大器162提供一信號，經放大器164放大，其電壓增益為4.3，放大器164的輸出出現在導線166上構成第一消光傳感器的低增益通道(VE1-LO)。放大器164的輸出再經過增益為12.5的放大器168放大，其輸出出現在導線170上構成第一消光信號的高增益通道(VE1-HI)。
在同樣的結構中，第二消光傳感器118的輸出通過一跨阻抗放大器172接到一增益為4.3的電壓放大器174上。放大器174的輸出出現在導線176上并構成第二消光信號的低增益通道(VE2-LO)。放大器174的輸出再經過增益為12.5的放大器178放大后從導線180輸出并構成第二消光信號的高增益通道(VE2-HI)。
前向分散傳感器128產生的信號施加到一跨阻抗放大器182，其輸出接到一電壓增益約為20的放大器184。放大器184的輸出出現在導線186上并構成分散信號的低增益通道(VS-LO)。放大器184的輸出還接到一增益約為12.5的放大器188，且放大器188的輸出出現在導線190上并構成分散信號的高增益通道(VS-HI)。
現在再來觀察圖10的右手側。數據采集板(DAB)161可詳細說明如下DAB是用來測量紡織纖維特性而并非棉結或雜質的特性。在此安排中導線170上的第一消光信號的高增益通道經過增益為-1的反向隔離放大器后接到一閾值比較器194上，當其輸入信號超過一預定值0.5V時，閾值比較器194變為高電位或導通;當信號低于0.5V時，比較器194變為低電位或切斷。
比較器194的輸出接到一邏輯芯片196上，它還接收一20兆赫的時鐘信號198。邏輯芯片196有選擇地把20兆赫的時鐘信號加到一計數器200上。
同樣，在導線180上出現的來自傳感器118的第二消光信號的高增益通道(VE2-HI)通過一反向隔離放大器202、閾值比較器204和邏輯芯片196而接到一計數器210上。
在此結構中，計數器200中的計數藉導線212通過數據總線方向驅動器接到計算機總線213上，稱為TB。同樣，計數器210中的計數通過導線214接到計算機總線213上，稱為TE。
當閾值比較器194變為高電位時，邏輯芯片196開始把時鐘脈沖送到計數器200，而當閾值比較器204變為高電位時，停止輸送脈沖。當閾值比較器194變為低電位時(在前面的高電位以后)，芯片196開始向計數器210輸送時鐘脈沖，而當比較器204變為低電位時(在前面的高電位以后)，停止輸送脈沖。
高增益的消光信號也是通過導線211和一個反向隔離放大器215而接到閾值比較器216來控制邏輯芯片218。導線220上的10兆赫時鐘信號也接到邏輯芯片218上并受閾值比較器216所控制。邏輯芯片218把10兆赫的時鐘信號送到計數器222，計數器222的計數通過導線224接到計算機總線213，稱為TFE。
出現在放大器215輸出端上的反向高增益的第一消光信號接到一積分器226和一個峰值檢測器228，它們的輸出依次接到模/數變換器230和232。導線234上出現的模/數變換器230的輸出接到總線213;同樣，模/數變換器232的輸出通過導線236接到總線213。這些數據依次稱為消光信號的面積AE和消光信號的峰值PE。
出現在導線190上的前向分散信號的高增益通道經過反向隔離放大器237接到一閾值比較器238、一積分器248和一峰值檢測器254。閾值比較器238的輸出接到一邏輯芯片240，它還從導線242接收一10兆赫的信號。當隔離放大器237的輸出超過0.5V時，邏輯芯片240把時鐘信號送到計數器244上，而當信號低于0.5V時，邏輯芯片240便停止向計數器244輸送時鐘信號。計數器244的輸出通過導線246接到總線213上，稱為TFS。
積分器248的輸出通過一模/數變換器250和導線252而接到總線213;同樣，峰值檢測器254的輸出通過一模/數變換器256和導線258接到總線213。它們依次稱為AS和PS。
從以上的說明應該意識到在導線212上出現的TB代表一個實體(這里是指一根纖維)的前端從傳感器116的光投射到傳感器118的光投射所需的時間。因此TB相當于實體前端的速度。在導線214上出現的TE代表實體的尾端從傳感器116的光投射到傳感器118的光投射所需的時間，因此TE相當于實體尾端的速度。導線224上的TF代表實體完全經過消光傳感器116的光投射所需的時間，因此TF相當于實體的尺寸(例如纖維的長度)，而此尺寸能根據實體的速度來確定。導線234上的信號代表由實體所熄滅的光的時間積分，即代表波形下的面積AE。導線236上的計數代表由實體所熄滅的光的峰值PE。在導線246上出現的計數TFS代表實體經過分散傳感器128的光投射所需的時間，它相當于由分散傳感器128所測量的實體的尺寸(例如長度)。導線252上出現的信號代表由傳感器128所檢測的被實體分散的光的時間積分AS，而在導線258上出現的信號代表由實體分散的光的峰值PS。
DAB161的功能是用來把來自電光(E-O)傳感器82的模擬信號轉換成數字信號接到計算機總線213上，分別標作TB212，TE214，TFE224等。這些信號稱為E-O參數，它們用來提供實體的信息，在圖10的情況下是纖維長度和直徑。著重于AFIS-1傳感器的共同未決的申請07/493，961一般地分開了如何確定個別纖維實體的長度、直徑、細度或老化度信息。該申請也公開了傳感器82如何提供棉結和雜質信號。共同未決的申請07/762，905進一步發表了傳感器82如何實現雜質的測量，特別是如何判讀這種測量。
因此能夠意識到圖10的DAB161代表在信號處理能力上的重大改進。另外，早期公開的儀器不可能從單一試樣同時提供纖維、棉結、雜質等多種實體的數據，而圖10的DAB161則具有這種可能性。現對圖7所示的優選實施例進行說明如下在圖7中傳感器82接收和反映由管道102所輸送的全部單個實體，因此必須對實體信號或它們的波形進行觀察以確定實體是纖維、棉結或雜質粒子。人們發現在共同未決申請07/493，961中公開的改進傳感器的方法同改進的信號處理方法相結合(即圖10中的DAB161)能夠實現這種分類，因此能夠滿足單試樣/多數據產品的需要。圖10具體說明了DAB用以確定單個纖維的長度和直徑的運行過程，而圖11則一段地表示如何從多種實體進行信號的測量且更重要的是進行分類。為了簡化圖11，不考慮低增益和高增益，也就是說以下給出的所有信號電平都是指高增益通道。數字處理的時間(模/數變換和復位等)也不予考慮，并對所有實體進行觀察。因此一個實體到達傳感器82的光束便產生圖12所示的模擬信號，在圖11中的導線212、214、222等上便出現相應的數字信號TB、TE、TF等。
圖12說明了由纖維、棉結和雜質粒子在信號線170、180和190上所產生的典型的模擬信號或波形。數據采集板對三個信號的每一個進行測量并把圖11所示的TB、TE、TFE、TFS、PE、AE、AS和PS 8個參數送到計算機。此8個參數用來對3種實體進行分類、計數和確定尺寸。分類的步驟由圖13中的流程圖來說明，其邏輯運行如下計算機在方塊300處等候DAB發出脈沖峰值超過0.5V已收到的信號。在方塊302的初次試驗來確定是否在消光通道PE的峰值大于或小于3V。如果PE小于3V，則程序移向方塊304，它排除了該脈沖是一棉結的可能性。如果PE大于3V，則該脈沖可能是一雜質粒子或是一棉結，然后軟件移到方塊306。
如果方塊302中PE小于3V而方塊304中的TB小于285(即20兆赫時鐘的285次計數)，則可獲得一小的雜質脈沖。雜質粒子的大小可從PE和雜質計數增量來計算。尺寸的定標在共同未決申請07/762，905中說明。
如果在方塊302中PE小于3V而TB在方塊304中大于285，軟件便排除了棉結或雜質粒子的可能性，并在方塊305、310和312中開始一組試驗以確定是否脈沖為一可接受的纖維脈沖。如果3次試驗都通過，程序便利用TFE、TB和TE來計算纖維長度;利用AE和TFE以及方塊314和316中纖維計數的增量來計算其直徑。對于短纖維而言，發現優選數值為TB/TE＞4＝1.05(在定標時對每一傳感器得出的數值)，TFEmin＝100，TFEmin＝10，000。(數值指10兆赫時鐘脈沖的計數)。
如果在方塊302中PE大于3V，并在方塊306中PS/PE小于0.5，則表示是一大的雜質脈沖，雜質粒子尺寸的計算以及雜質計數的增量同前。
如果在方塊302中PE大于3V，且PS/PE之比大于0.5，則軟件排除了纖維或雜質粒子的可能性，軟件在方塊309和311中對脈沖進行試驗以排除大的纖維團或許多小的纖維纏結，典型的TFE＜X的數據為300。如果兩次試驗都通過，則被識別為棉結，其尺寸可從AE和TFE313進行計算，同時棉結計數器315進行增量。當每一種實體被識別后，程序控制便回到起動方塊A320。
來自DAB的數據同3種實體的關系如圖14中的文氏圖所示。340、342和344三個圓圈各代表棉結特性、雜質粒子特性和纖維特性。共同的特性，例如對棉結340和雜質344的PE、TB和TE，是位于相交的區域346內。區別各種粒子的特性則在340、342和344三個圈的外部。利用這些參數關系可以得到圖13的流程圖。
在以上所述的系統中，粒子被廣義地分成纖維、棉結或雜質。下面將描述系統的兩種變形。一種是把雜質進行細分類，另一種是把棉結進行細分類。這些系統的變形根據粒子特定應用的需要可以單獨使用，也可結合使用。
在說明棉結細分類程序之前，先觀察一下圖15可對紡織棉結的性質有充分的了解。如前所述，棉結一般可分為幾種類型由機械產生的棉結、有光澤的棉結和棉子殼碎片。如圖15所示，棉子殼碎片400一般由在一片棉籽402上所附著的棉纖維404所構成。一個由機械產生的棉結406一般是由一纖維纏結的核心408同松散的尾端纖維410相結合而形成的。最后，一個光澤的棉結412一般由一不成熟纖維緊密纏結的核心414同一松散的尾端纖維416所組成。另外，棉子殼碎片還可分為成熟的或不成熟的碎片。由機械產生的棉結也可再細分為在紫外光下會發生熒光的滌綸棉結和不會發生熒光的其他類別。
在圖16a和16b中表示了另一種光電傳感器418和數據采集電子電路161。這種取代的實施例能提供棉結和雜質的補充信息以進一步表征它們的特性。這另一種光電傳感器418包括兩個輻射源一個具有波長約為880毫微米的紅外光源420和一個波長約為370毫微米的紫外光源。這兩個光源在氣流室104中通過兩個反向噴嘴106和110之間的間隙424而傳播，以形成一個紅外光束426和紫外光束428。紅外光由一組消光檢測器430和432所接收，用以測量通過光束426的實體尺寸和速度，如前所述。在一取象透鏡436的后面設有一第二檢測系統434用以采集由實體以30°～50°的角度所分散的光。此系統434包括一分光鏡438和兩個檢測器440和442。分光鏡438把大約一半的光照射到一熒光檢測器442用以探測藍色可見光(波長為440～480毫微米)，剩下的一半光照射到一紅外檢測器440用以探測近紅外光(波長約880毫微米)。檢測器442能反映滌綸通過紫外光束428時發生的熒光(藍色光)。所有其他普通的紡織材料如棉花和人造絲等不會產生足夠程度的紫外熒光。近紅外檢測器440能反映實體所分散的880毫微米的光。這個分散的紅外光如前面關于圖11的傳感器所述能提供粒子的表面特性。
圖16b表示圖16a的傳感器418與數據采集板161-G之間的相互連接。來自兩個消光通道的信號VE1和VE2如同前面關于圖10和圖11中所述一樣在數據采集板(DAB)161-G中進行處理，以提供粒子的速度。粒子的速度在纖維棉結的分類中至關重要，因為它與實體的質量有關。質量較大的粒子例如棉子殼棉結在噴嘴106傾斜段的氣流12中的加速不象質量較小的粒子那么大，因此在測量區內具有較低的速度。
如前面對圖11所說明的一樣，對第一消光通道信號VE1進一步處理以求得信號的峰值(PE)、超過閾值波形的積分值(AE)以及超過閾值波形的持續時間(TFE)。同樣，來自紅外分散檢測器440的分散通道信號VS如前所述一樣經過處理而產生PS、AS和TFS。來自熒光檢測器442的信號VUV同一閾值比較器444相連接，其閾值的設定是使它能反映超過系統電子噪聲的任何較大數值的藍色可見光，比較器444的輸出施加在總線213上。典型的棉結、有光澤的棉結和棉子殼棉結的波形圖如圖17所示，其中還標出了波形參數。有了這些波形的概念后，對下面所述的棉結分類方法便能很好地理解。
棉結的分類可按照在圖18中以流程圖的方式來說明。如圖19所示，分類方法的目的是把棉結分成幾組，即由機械產生的棉結、有光澤的棉結和棉子殼棉結;這些分類又在圖19中進行細分，如下所述。
在計算機18上進行的程序在方塊446中等候直到在通道之一上出現一波形為止。然后開始一連串3個屏幕試驗來確定它是否符合棉結類型之一。如果3個試驗都不符合便進入下面所述的雜質分類程序。在第一個試驗中TFE之值必須足夠小，以排除對大團纖維進行計數的可能性，同時程序檢查TFE是否小于X值。方塊448的參數X與流量有關，并一般可這樣來選擇使它在使用現有的AFIS儀時排除持續時間大于30微秒的信號。第二，信號的峰值必須大于21.3伏，如方塊450所示。這樣就限定了被定為棉結的最小纖維團。第三，信號必須包括由PS/PE的比值確定的關于準備在方塊452中進行處理的分散通道的足夠的信息。任何信號若其比值小于0.5，則可定為并非由纖維組成，也就是說它一般是屬于雜質粒子的信號，因而在棉結分類中不予考慮，但可進一步作為雜質粒子來分析。
在方塊454中，根據紫外光通道信號的峰值是否大于閾值電壓(VUT)來檢查紫外光通道(比較器444的輸出)以確定實體是否屬于一滌綸棉結。如果是的話，便在方塊456和458中計算滌綸棉結的尺寸。如果在紫外光通道上沒有發現信號，程序便轉入方塊460再對PS/PE的比值進行試驗以確定實體是否屬于有光澤的(不成熟)的或成熟的棉結。如果比值小于或等于0.75，則實體可能是一個不成熟的棉子殼棉結或有光澤的棉結，然后通過方塊462的速度試驗來確定空間屬于何種實體。如果速度大于Y，程序便把它定為一有光澤的棉結，如方塊466所示。如果速度小于Y，則實體被定為一不成熟的棉子殼棉結，如方塊468所示。
方塊462和464中的變量Y與流速有關且是對特定系統的氣流參數經過優化的校正參數(以米/秒(m/s)計)。對于一運行在3.9英尺3/分的系統而言，典型的Y值為60米/秒。一旦粒子被定為一棉子殼棉結或有光澤棉結之后，程序便進入方塊456和458進行尺寸確定。不言而喻也可采用單獨的算法來確定不同棉結類別的尺寸。
在此程序中所用的速度最好取平均速度，它可按下法計算取TB和TE的平均值，并把圖7中檢測器116和118或圖16中檢測器430和432之間的有效距離除以平均時間而求得。也可采用其他的速度計算和測量，例如僅根據TB或TE或根據一經過加速度校正的時間，如在1992年12月31日申請的題為“用機械和電子方法對流體流中的實體進行外形校正的方法和裝置”，卷號為48122.00的共同未決申請中所述。Y值必須根據系統的流速和速度計算的方式來進行校正。由于機械的棉結與成熟的棉子殼棉結之間存在速度差異，所以上述任何一種速度計算均可用來區分這兩種棉結。
如果方塊460中的PS/PE之比并不是小于或等于0.75，則實體可能是屬于一成熟的實體，于是程序進入方塊464進行試驗以確定是否存在一成熟的棉子殼棉結。如果速度小于Y便可確定存在一成熟的棉子殼棉結，然后在方塊470中實體被定為一成熟的棉子殼棉結，并進行下一步的計算。如果速度大于Y，說明并無棉子殼棉結存在，因此在方塊472中實體被定為一成熟的棉結，然后進行尺寸計算。
方塊456和458中所提出的尺寸計算程序通過一校正常數K1(微米/伏)把消光通道上的峰值PE轉變為一物理尺寸(棉結直徑)。在本實施例中，棉結長度最好通過把TFE乘以校正參數K2來確定，這里K2如前所述是由消光檢測器430和432所檢測的速度。
于是，諸如直徑的標準偏差、每種類型中單位重量的粒子數、以及尺寸頻率直方圖等統計數據可藉計算機18(圖1)根據分類來計算。
利用上面所討論的系統和方法還能對棉結進行細分類。例如在棉纖維中有一種粘性棉結或“點”，它主要是由收割棉花時帶進的昆蟲糖所引起的。這種粘性棉結能粘結在加工機械上而造成干擾。為了檢測上述系統中的粘性棉結，紅外光束的頻率最好選擇為專門適用于棉花中的糖份并防止被水份所吸收。當在傳感器418中出現一粘性棉結時，紅外光將被強烈地吸收，因而被消光檢測器430和432所檢測。因此，一旦棉結用上述方法鑒定之后，它還可通過確定糖份紅外光的吸收是否超過一預定閾值來進一步細分為粘性棉結或“點”。所選的閾值應根據特定的系統來進行定標，而且隨不同產地的不同棉花品種而變動。
以上敘述了棉結的細分類系統，現在再來說明雜質的細分類系統。但在敘述以前最好參閱圖20和21所示的餡餅形統計圖和各種雜質的圖形以便對雜質特別是棉花雜質有充分的了解。如圖20所示，雜質可分成兩大類纖維狀的和其他類。這里“其他”類并不一定是指非纖維狀的，例如纖維碎片由于其長度很短而被劃入其他類。可見雜質是按其物理特性來分類的。一般地說，雜質的縱橫比如果等于或大于3，則可認為屬于纖維狀的。
從圖20和21可見樹皮、樹葉和草的縱橫比大于3，因此被定為纖維狀。片狀雜質的縱橫比小于3，因而定為“其他”類;同樣，厚的雜質、灰塵和纖維碎片的縱橫比均小于3，所以屬于“其他”類。圖21中所示的厚的雜質是一個上面只附有少量纖維的厚的棉子殼碎片或者是一個樹皮的碎片。一般地說，厚的雜質是具有一近似于球狀或立方體幾何形狀的雜質。其確切的定義與下面所述的分類程序中所選的參數有關。
現在來看圖22a所示的雜質分類流程圖。程序從標有T的圓開始，從圖18可見棉結程序中設有3個不同點把控制程序轉移到雜質程序去。因此如果需要的話，棉結細分類程序同雜質細分類程序能一起運行。當然雜質程序能夠獨立運行，而且在人們知道同一特殊的或單獨的傳感器系統僅為了探測雜質時，最好采用此獨立運行的方法。
雜質細分類的第一步是方塊470，在其中計算出實體的速度。在本實施例中速度(S)最好通過把一常數(DCONST)除以TB和TE的平均值( (TB+TE)/2 )來計算。這里DCONST是圖7中消光傳感器116和118之間或圖16中所示的消光傳感器430和432之間的有效距離。當然，如果照射在檢測器430和432上的光束426是收斂的或發散的，則DCONST還需進行適當校正以補償由于光束的發散或收斂所造成的放大或縮小。
如方塊472所示，下一步是利用公式L＝S×TFE來計算實體的長度，這里TFE是實體經過消光傳感器之一所需的時間，L為長度，S為速度。在判定步474中長度與一最小長度LMIN相比較，如果L不大于LMIN，程序便進入用476標注的U點，并轉移到程序的另一段，在后面另作說明。如果L大于LMIN，程序進入方塊478并計算出縱橫比(AR)，它代表長度(L)對平均直徑(DAV)的比值，此處DAV可用公式DAV＝AE/TFE計算。程序進行到判定步480時，如果縱橫比AR不大于ARMIN，則實體被認為一片狀，而程序進入用482標注的“V”點。如果AR大于ARMIN，程序便繼續進行到判定步484。如前所述通過一般工業協議，縱橫比大于3的實體可定為纖維狀的，因此在優選實施例中ARMIN選擇等于3。但是根據其應用，判定步480中的ARMIN值可視需要而改變。例如在某些應用中，工業標準可把纖維狀的定義為縱橫比大于10。
在判定步484中，程序把DAV同一最小閾值(DMIN)相比較。如果DAV不大于DMIN，程序轉向方塊486，把確認為由纖維產生的數據拋棄。如果DAV大于DMIN，程序便進入判定步488以確定速度是否大于最大樹皮速度(SBM)。如果S大于SBM，程序把實體定為纖維狀的雜質，并計算雜質的長度和直徑。雜質的直徑可用DAV乘上一常數K3來確定，K3是用實驗方法確定的定標系數。如果S不大于SBM，程序便把雜質定為樹皮雜質，并算出其長度和直徑，同樣如方塊492所示，直徑是等于K3×DAV。
再回到判定步474，這里重申若L不大于LMIN，程序將在U點轉入圖22b所示的子程序。在圖22b中，第一判定步494把峰值電壓(PE)同一閾值(PKDUST)相比較。如果PE大于PKDUST，程序移向判定步496，把速度與常數(SSCFM)相比較(SSCFM代表棉子殼碎片極大值)。如果S大于SSCFM，如方塊497所示，程序把實體定為片狀雜質并算出其直徑等于K4× 。如果S不大于SSCFM，程序移向方塊448，把實體定為厚雜質并算出其直徑等于K4× 。這里K4為定標系數而常數PKDUST的選擇應使當粒子直徑大于500微米時PE值應大于PKDUST。
再來看判定步494，如果PE不大于PKDUST，程序便移向判定步500以確定速度(S)是否大于一常數(SDUST)。如果是的話，程序在方塊502中把實體定為纖維碎片并算出纖維碎片的數目。如果為否的話，程序把實體定為灰塵，并在方塊504中算出其直徑等于K4× 對于圖22a和22c，這里重申如果AR不大于一常數(ARMIN)，程序便移到482點而重新執行另一子程序V。此子程序從506步開始，它把速度與常數(SSCFM)進行比較。如果S大于SSCFM，程序把實體定為片狀雜質并算出直徑為K5×PE。如果S不大于SSCFM，程序把實體定為厚雜質，同樣算出其直徑為K5×PE。
對雜質分類程序進行描述以后，下面還將提供一些有關本發明的特殊應用的附加細節。這些細節應看作是例子而并不是限制。
例如定標系數K1、K3-K5是通過將已知的實體放入系統而用實驗方法來確定的。這些參數(K1、K3-K5)可能是常數，也可能是曲線。在優選實施例中K4是以查閱表(PE)、有關選擇峰值消光信號(PE)和有關的直徑的方式儲存在計算機18中的曲線。當PE被探測時，利用查閱表便可找出直徑，必要時可采用內插法。
在判定步474中，實體的長度對LMIN進行試驗。推薦LMIN取1毫米，但也可選擇其他尺寸。在此特殊應用中選擇此尺寸的原則是長度小于1毫米的實體是屬于“其他”雜質而并非纖維狀雜質。
在判定步480中，如前所述推薦ARMIN等于3。這意味著對于分類為雜質的實體其縱橫比必須為3，否則將定為“其他”。在步484中，雜質直徑同DMIN相比較。DMIN推薦取120微米，它相當于上述AFIS電路中的12狀。這一測試的潛在理由在于保證不將纖維判別為雜質。如果DAV不大于120微米，該數據據便被定為非雜質的纖維數據而拋棄。在判定步488中對兩種纖維狀雜質的速度進行區分測試。被定為纖維狀雜質的草和樹葉雜質在一加速氣流中將比樹皮雜質(也屬于纖維狀)行進得更快，因為樹葉和草類雜質比較疏松而質量較小。而樹皮由于其質量和密度較大，所以其行進速度比草和樹葉為低。
在判定步494中完全是根據大小來決定的。如果一實體小于工業標準的分界500微米，程序便將它定為灰塵或纖維碎片。在判定步500中推薦取SDUST為64米/秒。此常數與特定系統中的氣流速度密切有關，因為象灰塵和纖維碎片這樣極其微小的粒子將近似地隨著氣流的速度而運動。
在判定步496和506中又是按照速度來分類。在此特殊應用中，SSCFM選為30米/秒，其功能是區分片狀雜質與厚雜質。在此情況下，片狀雜質比厚雜質有較大的每單位重量的表面積，因此在加速的氣流中運動得較快。SSCFM的實際數值可通過噴射已知的片狀雜質和已知的厚雜質并觀察它們的速度來進行定標而確定。如前所述，這些特定的數字應看作為實例，而將隨著氣流速度、噴嘴結構、傳感器系統和放大系統等而變化。
必須注意以上所給出的數值是用于參照圖10、11和16a所描述的系統中。如果采用不同的增益值或以不同的部件來取代時，這些數值自然必須改變以使之與改進的系統相一致。對于一個新的系統，確定這些數值的方法之一是使一系列已知實體通過傳感區并測量特性參數的數值。然后可將這些提供給用以對未知測試試樣執行分類程序的計算機。還必須注意圖16a的傳感器與圖11的傳感器相同，只是增加了紫外光源422、分光鏡438、熒光檢測器442、以及有關的電子電路，其他部件功能基本上與前面所述的相同。
雖然在前面的詳細敘述中說明了本發明的幾種實施例，但必須了解本發明能夠進行多種重新組合、改進或部件取代而不偏離后面所附的本發明權利要求的范圍。
權利要求
1.用于在至少包括雜質的紡織材料試樣中測量實體特性的設備，包括用于提供紡織材料試樣的供料裝置；含有入口和出口的處理器，所述處理器入口被定位并可操作地接收來自所述供料裝置的紡織試樣，所述處理器可操作地用于處理所述試樣，將所述試樣的實體相互分離，使試樣實體互不相關以產生單個實體，并將實體以相互分離的狀態送至所述處理器的出口；傳感器裝置；用于將分離狀態的一個所述實體輸送到所述傳感器裝置的輸送裝置；所述傳感器裝置是可操作的以檢測包括雜質的一部分實體的至少一個特性，由所述輸送裝置移動并用以響應所述檢測到的特性而產生特性信號；用于接收所述特性信號、分析所述特性信號以便識別代表至少雜質的信號的分析裝置；以及所述分析裝置還包括細分析裝置，用于分析代表雜質的所述特性信號并進一步分析所述信號以便相應于幾類雜質之一而將所述信號分類。
2.權利要求1的設備，其特征在于所述分析裝置還包括用以基于特性信號而確定實體長度的裝置;用于將實體長度與閾值相比較的裝置;部分地基于該長度與閾值相比較的結果按幾種類型雜質之一而將實體分類的裝置。
3.權利要求1的設備，其特征在于所述分析裝置還包括用以基于特性信號而確定實體長度的裝置;用于確定代表了由傳感器根據特性信號檢測的實體直徑特性的直徑的裝置;用于確定長度對直徑的比值并用于將該比值同閾值相比較的裝置;以及部分地根據該比值與閾值的比較結果而按幾種類型的雜質之一而將實體分類的裝置。
4.權利要求1的設備，其特征在于所述分析裝置還包括用于確定代表了由傳感器根據特性信號而檢測的實體直徑特性的直徑的裝置;用于將該直徑與閾值相比較的裝置;以及部分地根據直徑與閾值的比較結果而按幾種類型的雜質之將實體分類的裝置。
5.權利要求1的設備，其特征在于所述分析裝置還包括通過分析特性信號，用于確定由所述傳感器裝置所檢測的實體的速度的裝置;用于將該速度與閾值相比較的裝置;以及部分地根據該速度與閾值的比較結果而按幾種類型雜質之一將實體分類的裝置。
6.權利要求5的設備，其特征在于所述用以分類的裝置是可操作的，以便部分地根據該速度與閾值的比較結果而按樹皮雜質或纖維雜質將實體分類。
7.權利要求5的設備，其特征在于所述用以分類的裝置是可操作的，以便部分地根據該速度與閾值的比較結果而按厚雜質或薄雜質將實體分類。
8.權利要求5的設備，其特征在于用以分類的裝置是可操作的，以便部分地根據該速度與閾值的比較結果而按灰塵或纖維碎片而將實體分類。
9.權利要求1的設備，其特征在于所述分析裝置還包括用于根據雜質實體的所述特性信號而確定峰值的裝置;用于將所述峰值與閾值相比較的裝置;以及部分地根據該峰值與閾值相比較的結果而按幾種雜質類型之一將實體分類的裝置。
10.權利要求9的設備，其特征在于所述用以分類的裝置是可操作的，以便部分地根據峰值與閾值的比較結果而將實體分類為第一和第二組之一，其中第一組由灰塵或纖維碎片組成而第二組由厚雜質或薄雜質組成。
11.權利要求1的設備，其特征在于所述分析裝置還包括用于確定根據特性信號而由所述傳感器裝置檢測的實體的速度的裝置;用于確定基于特性信號的實體長度的裝置;用于將實體長度與長度閾值相比較的裝置;如果長度大于長度閾值，則用于確定代表了根據特性信號而由傳感器檢測的實體的直徑特性的直徑的裝置;如果長度大于長度閾值，則用于確定根據長度與直徑相比較的縱橫比并用于將該比值與縱橫比閾值相比較的裝置;如果長度大于長度閾值且縱橫比大于縱橫比閾值，則用于將直徑與直徑閾值相比較的裝置;如果長度大于長度閾值且縱橫比大于縱橫比閾值同時直徑大于直徑閾值，則用于將速度與最大樹皮速度相比較的裝置;如果速度不大于最大樹皮速度，則將實體分類為樹皮雜質，而如果速度大于最大樹皮速度，則將實體分類為纖維雜質的裝置;用于根據雜質實體的所述特性信號而確定峰值的裝置;如果長度小于長度閾值，則用于將所述峰值與峰值閾值相比較的裝置;如果峰值大于峰值閾值，則用于將速度與最大棉籽碎片(速度)相比較的第一裝置;如果速度大于最大棉籽碎片(速度)且峰值大于峰值閾值，則將實體分類為薄雜質，而如果速度不大于最大棉籽碎片(速度)且峰值大于峰值閾值，則將實體分類為厚雜質的裝置;用于將速度與最大灰塵(速度)相比較的裝置;如果速度大于最大灰塵(速度)，則將實體分類為纖維碎片，而如果速度不大于最大灰塵(速度)，則將實體分類為灰塵的裝置;如果縱橫比不大于縱橫比閾值，則將速度與最大棉籽碎片(速度)相比較的第二裝置;以及如果速度不大于最大棉籽碎片(速度)且縱橫比不大于縱橫比閾值，則將實體分類為厚雜質，而如果速度大于最大棉籽碎片(速度)且縱橫比不大于縱橫比值閾，則將實體分類為薄雜質的裝置。
12.一種用于在至少包括雜質的紡織材料試樣中測量實體特性的方法，包括供給紡織材料試樣;處理所述試樣并將所述試樣的實體相互分離，分離試樣實體以產生單個實體;在所述處理之后傳送分離狀態的一個所述實體;檢測包括雜質的部分實體的至少一個特性，由所述傳送過程移動并產生代表所述被檢測特性的特性信號;分析所述特性信號以識別代表至少雜質的特性信號;以及對所述代表雜質的特性信號進行細分析以便相應于幾種雜質類型之一而將所述信號分類。
全文摘要
用于在包括雜質的紡織材料試樣中測量實體特性的設備和方法，將紡織材料試樣送至處理器，在那里實體被分離且隨后被送到傳感器系統。特性信號是由代表包括雜質的實體的被檢測特性的傳感器信號所產生的，計算機分析特性信號以識別代表雜質的信號并將雜質信號按幾種雜質類型之一分類。根據特性信號，計算機確定實體長度、直徑和速度且還確定代表實體的特性信號的峰值。根據這些測量，雜質被區分為幾種雜質類型之一。
文檔編號G01N15/14GK1099477SQ9410113
公開日1995年3月1日 申請日期1994年1月11日 優先權日1993年1月11日
發明者F·M·索夫納, M·E·加力昂, J·C·包德溫, Y·T·朱 申請人:澤韋格·烏斯特(美國)有限公司