专利名称：纤维试样中棉结类实体的测量分类设备和方法
技术领域：
本发明涉及一纤维试样中单独纺织实体的测量和分类的领域，特别是涉及一种用以测量和分类纤维试样中棉结类实体的仪器和方法尤其是用于高速测试的环境中。
本申请是共同未决申请07/962，898题为“带自动喂入的单独纺织试样复合特性的测试仪器和方法”以及共同未决申请07/493，961题为“对纤维或其他试样中单独实体的光电高速多变量测量方法和仪器”的部分继续，它们的公开纳入本文作为参考。
本发明的前身是由乌斯特公司所制造的AFIS仪。该仪器利用美国专利第4，512，060号公开的方法把纤维和棉结分离入一个气流中，而杂质分离到另一气流中。杂质是定义为粒子大小超过50μm的外部物质。有时这种外部物质称为灰尘和杂质，但这里为了简单起见我们只称之为杂质。在前身AFIS中必须对纺织材料的3组重复的试样进行单独测试来确定纤维、棉结和杂质的信息。对每一重复的试样的每一种实体必须进行一次试验和采用一单独的纺织材料试样。虽然AFIS能为快速自动纺织测试提供最佳的数据，但仍要求获得更佳的数据和更高的速度。在共同未决申请07/493，961中公开了一种新发现的改进传感器，采用这种改进传感器的仪器仍命名为AFIS，系由乌斯特公司制造。为了更明确一些并与参考相一致，我们把第一种仪器称为AFIS-0，而采用改进传感的仪器称为AFIS-1。
本发明是AFIS-1的进一步改进，而且主要是针对测试速度来考虑的。首先发现AFIS-1的改进传感器能大体上从同一纺织试样同时实现多重数据的测试。所谓大体上同时是指棉结数据、纤维数据和杂质数据是通过一单独的纺织材料试样的测试而获得的，并对基本上所有的棉结和杂质以及某一种代表性的纤维试样进行检测和测量。因此这种改进不需要对3组单独的试样反复3～5次地进行3种单独的试验来取得棉结、杂质和纤维的数据。而且如果需要的话，这些数据也可只用一个传感器来获得。上述测试速度的提高是通过在优选实施例中一模拟和数字混合电路所构成的新颖分析电路来取得的。本发明的操作速度与AFIS-1或AFIS-0相比提高了3倍。
随着高速处理的出现，对试样中实体鉴定的准确性和速度提出了更高的要求。虽然有了杂质和单独纤维的基本数目和大小的信息有时已经足够，但仍需要有对棉结和杂质的更详细的信息。
在棉纤维纺织品中棉结广义地被定义为纤维的小团或缠结。它们是棉纤维中三种主要成分之一。但棉结还可分成三类由机械产生的棉结、棉子壳棉结和有光泽的(或未成熟的)棉结。由机械产生的棉结是在开棉、轧花和梳棉过程中产生的，其直径范围可从0.1mm到5mm。它们是由一棉花或化纤的缠结核心与一长尾纤维形成的而且在加工中无法开松的紧密纤维结头。棉子壳棉结或棉子壳碎片是附着于棉子壳上的纤维团所形成的。从可见光中观看，它们是附在中央一个黑的核点上的纤维小绒头。有光泽的棉结或抗染色棉结是由极不成熟或死的棉花纤维结成的团。它们是由于部分或全部棉籽受到应力而使纤维的成熟过程停止所形成的。结果所产生的纤维既细又弱并具有极小的横向韧性而很容易形成由平行纤维压成的小团。这些未成熟的纤维不能正常地吸收染料，因而在染成织物中将出现白色斑点。这些光泽的棉结可以附在棉子壳上，也可以不附在棉子壳上。
了解上述说明以后便不难理解对棉结进行分类的重要性。由机械产生的棉结表明加工机械有干扰，因此这些粒子的精确计量有助于对加工机械进行细调或甚至进行大检修。对最普通的化纤涤纶棉结与棉花棉结与棉花棉结之间的区分十分重要，因为它们通常是分开加工而后在并条机中并成棉条。
棉子壳碎片来自棉株，它的数目受轧花、清棉和棉花品种的影响。棉子壳最令人讨厌的是它是纱疵的主要来源。每单位重量中的棉子壳碎片数可对棉农提供有关棉籽到纤维强度的有用信息，对轧花厂提供有关去棉籽工艺的干扰信息，而对加工厂提供有关原棉质量的信息。
有光泽的棉结数可用以预测所加工棉纱的可染性。特别是每克的光泽棉结数可预测染成织物的外观质量，因而有可能使有质量意识的纺织工人把最高质量的材料用于要求最高的产品。
纤维试样中的杂质数量和性质与上述理由相同对纺织加工厂也是十分重要的。棉花中杂质的产生主要是由于机械摘棉所引起，这种杂质可分为纤维状的或非纤维状的，并还可细分为纤维状树皮、纤维状的草或树叶、草片或叶片、厚的杂质(棉子壳碎片和树皮)、灰尘或纤维碎片。对试样中杂质的分类能揭露前道加工中的问题，有利于校正加工，并有助于预测由纤维制成的终端产品(通常是纱线)的质量。
因此任何纺织加工厂必须掌握有关原料，尤其是棉结的更多的具体信息才能有效地提高加工效率和产品质量。这种需要从棉农和轧花厂经过纺纱厂并最后扩大到织布厂。
本发明的优选实施例说明了以上所述的关系。在实施例中设有一用以测量纺织材料试样中实体特性的装置，该试样至少含有藉助于一供应器给纺织试样提供的棉结。纺织材料可单独分离成试样提供或由一自动取样机来提供。纺织试样由供应器提供给一处理器，将实体进行分离以提供单独的待测实体。经过分离的实体由处理器的输出提供给一输送气流。然后输送气流把分离的实体提供给一传感器，它至少能探测一种分离实体的特性并产生符合于探测实体的特性信号。
在本发明的另一实施例中，传感器包括第一光源和第二光源。第一光源的光沿着第一光通道照射到传感器中待测的实体上。第二光源的光沿着第二光通道也照射到传感器中的待测实体上。在第一光通道中设有一消光传感器，它是这样来定向的使待测实体在第一光源与消光传感器之间通过。消光传感器检测被实体所遮挡的光并产生一相当于被传感器中实体所遮挡的光的输出和相当于所探测到的消光的消光信号。传感器还设有一前向分散传感器用以接收由实体经过第一和第二光通道时所分散的前向分散光。前向分散传感器产生一相当于从实体所探测的前向分散光的前向分散信号。在此实施例中，分析器包括一附属分析器，它将消光信号同前向分散信号相比较以确定这些信号是否相当于一棉结，并进一步将信号分类为相当于不同棉结类型中的哪一种。
在本发明的另一实施例中，第一光源是一红外光源而第二光源为紫外光源。在此实施例中，前向分散传感器也有若干部件。第一前向分散传感器的位置适宜于反映来自第一红外光源的前向分散光。第二传感器的位置是使它接收一部分由实体从紫外光源所分散的光，因而适宜于反映实体通过紫外光束时的荧光效果所发射的蓝色光。在此实施例中，附属分析器对消光信号，分散光信号和荧光信号进行分析，并至少根据这些信号的一部分来确定一特定信号是否为棉结，以及进一步将信号段进行分类为相当于哪一种类型的棉结。
本发明的一个附加的实施例是一种用以确定单独的棉结类实体类型的方法。首先提供一探测区并发生一紫外光束使之通过此探测区而照射。在探测区的一侧设有一荧光检测器，使物体经过紫外光时所发射的荧光至少有一部分照到荧光检测器上“有一气流被引导通过探测区并穿过紫外光束。然后将待探测的实体引入气流中，在荧光检测器上便将发生一相当于从实体发射的荧光的荧光信号。于是把此荧光信号同上阈值相比较，如果荧光信号大于阈值，则实体被定为一涤纶棉结。如果荧光信号小于阈值，则实体被定为非涤纶棉结。
本发明的另一实施例提供一用以确定单独纺织实体的成熟度和型式的方法。设置一探测区并使第一光束通过探测区而照射。在探测区的一侧设有第一和第二消光传感器，它们是面对第一光束而相邻设置的，因此第一光束能照到这两个消光传感器上。在探测区的一侧设置一前向分散检测器，使至少一部分由物体经过第一光束时所分散的光能照到前向分散检测器上。方法的下一步是产生一气流并将它引导到探测区使它通过第一光束并在第一光束与第一和第二消光传感器之间经过。然后在气流中引入一实体，当实体在第一和第二消光检测器和前向分散检测器处通过光束时，便产生相当于实体特性的特性信号。从而可得到相当于前向分散检测器信号的峰值对第一和第二消光检测器信号之一的峰值之比的特性信号比值，并将此比值同第一阈值相比较。如果比值小于或等于第一阈值，则实体被定为不成熟，如果比值大于第一阈值，则实体被定为成熟的。此方法的另一实施例还包括额外的步骤从特性信号产生一相当于实体速度的速度信号并把速度同一预定的第二阈值相比较。如果速度大于第二阈值，实体被定为一棉结，如果速度小于第二阈值，则实体被定为一棉子壳碎片。因此利用这些附加步骤，成熟的或不成熟的实体可进一步确定为一棉子壳碎片或棉结并进行相应的分类。
本方法的另一实施例包括一确定实体的步骤，它是根据至少一个特性信号和第一常数计算出实体的核心直径，以及根据至少一个特性信号和第二常数计算出实体的长度来实现的。
如果同以下的附图相结合来考虑，则通过以下具体说明可对本发明有一充分的理解
图1是纤维测试仪的外形图，表示本发明的优选实施例;
图2是自动喂入机构的剖面略图，包括一储仓;
图3是图2中所示的储仓的剖面略图;
图4是喂给头和储仓的剖面略图;
图5是喂入触指和喂入辊的侧面剖视略图;
图6是操作自动喂入机构用的计算机和控制系统的方框图;
图7表示从自动喂入机构接收试样的实体分离器的实施例，以及一个单独的从分离器接收实体的传感器;
图8是分离器和传感系统的另一实施例的略图;
图9是又一种分离器和传感系统的实施例;
图10是分析器系统的方框图，它表示检测器和传感器的模拟放大器，以及一块数据采集板;
图11是根据图10推导出的通用方块图;
图12是来自传感器的模拟波形;
图13表示计算机如何获得数据和分析数据，并对棉结、杂质和纤维数据进行分析的流程图;
图14是表示实体的光-电参数之间的文氏(Venn)图表;
图15a，15b和15c是对三种棉结的说明;
图16a表示图7系统中的另一种传感器;
图16b表示图16a的传感器连接到一数据采集板;
图17表示不同棉结通过图16的传感器时所产生的波形图;
图18是棉结分类程序的流程图;
图19是表示棉结分类的馅饼式统计图;
图20是表示杂质分类的馅饼式统计图;
图21是对各种类型杂质的描绘;
图22a，22b和22c为杂质分类程序的流程图。
在所有的图中，凡相同的数字号表示同一个或相应的部件。图1表示组成本发明优选实施例的纺织测试仪10的外形图，测试仪10包括一主体外壳12，在外壳12顶部装有一自动装置14用以支持纺织材料的试样，从装置14中有一喂入头16伸出，用以把纺织试样装入测试仪10。
测试仪器10是在计算机18的控制下工作的。计算机与操作者之间通过一显示屏20和一键盘22进行对话。在优选实施例中，测试仪10是用来测试纺织材料的试样，它是专门设计用于纺织纤维、棉结和杂质特性的测量，但它也同样能用于任何具有同前述纺织实体可比拟的尺寸和重量特性的实体。
图2表示了储仓24和喂入头16的概略顶视图。储仓24是设在图1所示的装置14内，它包括许多(20～200)个贮槽26，从储仓24的长度方向延伸以接纳纺织材料的拉长试样。在图3中表示了部分储仓24的概略剖视图。图3清楚地表明了贮槽26呈沟道状，它在储仓24内的深度约1英寸，水平宽度约1英寸。储仓24装在一由步进电动机30驱动使之水平地按图2所示的箭头32和34方向而移动的齿条28上，因此步进电动机30能有选择地在水平方向使喂入头16同所需的贮槽26对齐。一旦所需的贮槽26与喂入头16适当衔接时，在特定贮槽中的试样便被喂入头16移动，送入测试仪进行测试。
图4是喂入头16和储仓24的侧面剖图。图中一个拉长的细狭的纺织试样36被放在储仓24中的一个贮槽26上。试样36被装在由虚线42所代表的架子上喂入头皮带38和40所咬合。机架42可摆动地安装在芯轴44上，其位置由一活塞和气缸组46所控制，能使机架42沿着由箭头48所示的方向上升或下降。因此活塞和气缸组46既能使皮带38和40下降与试样36咬合，又能使皮带38和40上升从试样36和储仓离开，这样储仓24移动时不致干扰皮带38和40。当皮带38和40咬合试样36时便把试样36牵入一上部喂入辊50，它接着把试样输送到喂入盘52上。
图5表示喂入盘52的侧视图。上喂入辊50把试样输送到喂入盘52上，柱塞54将试样咬合并通过安装在喂入盘52上方并与之平行的喂入皮带54来驱动试样在喂入盘52上往下输送。这是测试仪10的自动喂入头16所完成的最后一步。光传感器60和62用以控制喂入机构中有无纺织材料试样36存在，传感器60位于喂入皮带50的输出端，对柱塞头56所横越的喂入盘区域进行观察，光传感器62位于喂入皮带54的末端，对喂入盘进行观察。
从图2、3、4、5可知对喂入皮带38、40、50、54以及为之设置的包括电动机、控制器及连接器等在内的传动机构是操作喂入皮带所需的常用措施。同样，光传感器60和62代表由常规电源供电的常规传感器和控制线路，另外由一双重动作的活塞气缸组58和柱塞头56组成的柱塞54以及另一活塞气缸组46也代表常规的活塞和气缸组，包括压缩空气的供应和其控制机构。
这些部件及其控制元件的运行可从图6的方框图中充分了解，它说明计算机18和控制机构在自动喂入头16中的应用。关于图2～6，当测试仪接通后，计算机18向步进控制64发出一指令驱动储仓24到其初始位置，使第一贮槽26与自动喂入机构16对齐。当储仓24位于所需的位置时，计算机向喂入头皮带控制66和气缸控制68发出指令，接通喂入皮带38和40，并使气缸46把皮带38降下使之与试样36咬合。计算机18还向上皮带控制70和喂入盘皮带控制72发出一起动指令，从而上喂入皮带50和盘喂入皮带54开始运行。
当计算机18发出指令使喂入皮带38、40和50向喂入盘52送出一试样之后，它就监测来自传感器60的信号，当检测到盘52上有试样时，计算机18将向柱塞控制74发出指令使柱塞54的气缸58把柱塞头56向前移往盘喂入辊54，并把试样36推到喂入皮带54下的盘52上。当柱塞头56动作以后，如果1～1.5秒之内计算机18没有在传感器62检测到试样的存在，则计算机将发出另一指令给柱塞控制74使柱塞头56动作，把试样压在盘喂入辊54的下面。这个过程将重复5次，如果在第5次以后传感器62仍未探测到试样，计算机18将发出指令使喂入机构16的全部动作停止，并在屏幕20上显示故障情况，表示试样可能在喂入机构中阻塞。
假使并没有阻塞的话，计算机18便对来自光传感器60和62的信号进行分析是否在自动喂入机构16中有试样存在。在正常情况下，两个传感器将指示试样36的存在，如果任何一个传感器没有探测到试样，计算机18将等待10秒钟再分析来自光传感器60和62的信号。如果任何一个传感器没有检测到试样，计算机将发出一指令给控制气缸68，把机架42和喂入皮带38和40升高而离开储仓24，然后计算机18将向步进控制64发出一指令使步进电动机30把储仓24的第2个贮槽同喂入机构16对齐，于是计算机18再次向气缸控制68发出指令使喂入皮带38和40下降同第2贮槽26中的试样咬合，接着计算机18再对来自光传感器60和62的信号进行分析，确定试样的有无并继续指引储仓前进，直到在喂入机构内检测到试样为止。
如果两个光传感器60和62一开始就探测到在喂入机构16中存在试样36，于是试样便可通过喂入机构喂入。计算机18周期性地检查来自光传感器60和62的信号。当它们指出喂入机构16中不存在试样36时，它将等候预定的停留时间(约10秒钟)，并对测试仪器的其他操作进行检查。如果一切功能正常，经过上述停留时间以后，计算机18将向气缸控制68和步进控制64发出指令使储仓24移向下一个贮槽26。
当最后贮槽26的试样被喂入机构16装载后，计算机18认为储仓24现在已排空，于是在屏幕20上显示一提示要求操作人再把纺织试样装载入储仓24，并重新开始自动喂入过程。
图7表示一纤维分离器80和一传感器82。分离器80接收来自喂入盘52和喂入盘皮带54的纺织试样36。分离器的功能是释放和分离所喂入的实体。在优选实施例中，分离器80把棉结、杂质和纤维相互分开并对不同类别的实体进行分离。
分离器80包括一喂入辊1，它接收喂入盘52上的试样，并把试样36喂入分离器80，经过处理的空气经空气输送管道83、84、85、86输入分离器。(用以净化或清洗的压缩空气是通过管道87短时供应的，例如0.5秒)。试样36由喂入辊81在控制的情况下喂入。实体是由多孔滚筒88和实心滚筒90与梳理板84、85和96相结合而进行处理的。经过处理后，棉结、纤维和杂质等实体相互释放而分离，使实体在分离器80的输出端92以分离的状态逐一输出。
分离器80实际上与美国专利4，512，060所公开的相同并已纳入参考。与该专利相比，分离器80在结构上的主要差别在于它在输气管道83和86内设有错开的双档板98和100。挡板98和100允许空气通过而进入分离器，但它们阻止杂质和其他粒子通过通道83和86被甩出分离器。因此它与美国专利4，512，060相反，由分离器80所处理的全部实体均能通过分离器的输出92而送入管道102。管道102把实体在气流中带入一密封室104中。管道102的末端有一喷嘴106，而在腔室104中设有一反向喷嘴正好同喷嘴106对准。因此在两个喷嘴106和108之间形成一开口。喷嘴108同管道112相连接，继而同一真空源112相连，以提供真空度并在管道102和110以及喷嘴106和108内形成气流。在腔室104中设有一光源114，它发射出光束穿过喷嘴106和108之间的开口而射向两个并列放置的消光检测器116和118。对于喷嘴106和108中的气流而言，检测器118位于检测器116的下游。检测器116和118的输出相应喂入放大器120和122，所产生的消光信号VE1和VE2则从导线124和126上输出。
检测光源设有一前向分散检测器128，它包括一透镜系统129和一挡光器130，使通过喷嘴106和108中间的实体133把检测光以大约40度的角度前向分散。前向分散检测器128的输出经过一放大器131在导线132上产生一前向分散信号VS。
上述的传感器82基本上与申请07/493，961所述的传感器相同，其说明被纳入本文作为参考。
图8代表另一种连接分离器80和传感器82的实施例，其中传感器82与图7所述的完全相同，而分离器80则除了杂质在离开分离器80的处理方式有所不同外，基本上与美国专利4，512，060相同。在图8的结构中不用挡板98和100，而杂质是通过空气通道84和86以及逆流槽CFS喷射出。圆筒88和90推动杂质以气流相反的方向通过通道84和86。当杂质粒子到达空气入口138和139时，其动量把它们带入管道140和142，并在气流中从分离器80流出。管道140和142通到一离心分离器143，它包括一垂直管道144向上延伸到一空气抽吸管146，抽吸管146提供在管道140和142内形成气流所需的抽空度。空气和极细的粒子通过管道144而离开分离器143，但大部分灰尘和杂质粒子被向外的离心力所分离而由于重力而落入腔室148并有选择地由一螺旋器150喷射出。
接到来自计算机18的指令后，杂质粒子被旋出腔室148并由管道152中的气流所捕获。在螺旋器出口附近设有一空气入口154，管道152中的气流把杂质粒子带到管道102中的一个入口153。一个活塞和气缸组155藉活塞和气缸组155上所装的盖板156有选择地关闭和开启入口153。活塞和气缸组以及螺旋器150系受计算机18控制。当需要测量纤维和棉结的特性时，将盖板156移向入口153，于是纤维和棉结便供应到传感器112，其中基本上没有杂质的含量。当需要测量杂质特性时，计算机18使活塞和气缸组155将入口153开启并使螺旋器150开始从腔室148喷射灰尘和杂质。于是抽吸器112在管道152中形成一气流把杂质粒子通过管道152带入管道102，并最后通过传感器82。
然而在图9中还表示了另外一个实施例。其中分离器80基本上同美国专利4，512，060所示的相同，但是把管道140和142合并成一单根管道141并连接到一个单独的传感器82a，管道141中的气流是由一抽吸器112a提供的，它与传感器82的抽吸器112大体相同。
以上图7、8、9所示的三个实施例可以通过观察传感器的运行、数据采集板和计算机18来充分理解，兹简述如下图10表示传感器82的概略图和一块数据采集板(DAB)161，虚线160表示传感器82和DAB161之间的物理上的分界线，这里DAB是作为对个别纤维159在喷嘴106中移动的反应。在图10的左侧详细表示了传感器82。消光传感器116向一跨阻抗放大器162提供一信号，经放大器164放大，其电压增益为4.3，放大器164的输出出现在导线166上构成第一消光传感器的低增益通道(VE1-LO)。放大器164的输出再经过增益为12.5的放大器168放大，其输出出现在导线170上构成第一消光信号的高增益通道(VE1-HI)。
在同样的结构中，第二消光传感器118的输出通过一跨阻抗放大器172接到一增益为4.3的电压放大器174上。放大器174的输出出现在导线176上并构成第二消光信号的低增益通道(VE2-LO)。放大器174的输出再经过增益为12.5的放大器178放大后从导线180输出并构成第二消光信号的高增益通道(VE2-HI)。
前向分散传感器128产生的信号施加到一跨阻抗放大器182，其输出接到一电压增益约为20的放大器184。放大器184的输出出现在导线186上并构成分散信号的低增益通道(VS-LO)。放大器184的输出还接到一增益约为12.5的放大器188，且放大器188的输出出现在导线190上并构成分散信号的高增益通道(VS-HI)。
现在再来观察图10的右手侧。数据采集板(DAB)161可详细说明如下DAB是用来测量纺织纤维特性而并非棉结或杂质的特性。在此安排中导线170上的第一消光信号的高增益通道经过增益为-1的反向隔离放大器后接到一阈值比较器194上，当其输入信号超过一预定值0.5V时，阈值比较器194变为高电位或导通;当信号低于0.5V时，比较器194变为低电位或切断。
比较器194的输出接到一逻辑芯片196上，它还接收-20兆赫的时钟信号198。逻辑芯片196有选择地把20兆赫的时钟信号加到一计数器200上。
同样，在导线180上出现的来自传感器118的第二消光信号的高增益通道(VE2-HI)通过一反向隔离放大器202、阈值比较器204和逻辑芯片196而接到一计数器210上。
在此结构中，计数器200中的计数藉导线212通过数据总线方向驱动器接到计算机总线213上，称为TB。同样，计数器210中的计数通过导线214接到计算机总线213上，称为TE。
当阈值比较器194变为高电位时，逻辑芯片196开始把时钟脉冲送到计数器200，而当阈值比较器204变为高电位时，停止输送脉冲。当阈值比较器194变为低电位时(在前面的高电位以后)，芯片196开始向计数器210输送时钟脉冲，而当比较器204变为低电位时(在前面的高电位以后)，停止输送脉冲。
高增益的消光信号也是通过导线211和一个反向隔离放大器215而接到阈值比较器216来控制逻辑芯片218。导线220上的10兆赫时钟信号也接到逻辑芯片218上并受阈值比较器216所控制。逻辑芯片218把10兆赫的时钟信号送到计数器222，计数器222的计数通过导线224接到计算机总线213，称为TFE。
出现在放大器215输出端上的反向高增益的第一消光信号接到一积分器226和一个峰值检测器228，它们的输出依次接到模/数变换器230和232。导线234上出现的模/数变换器230的输出接到总线213;同样，模/数变换器232的输出通过导线236接到总线213。这些数据依次称为消光信号的面积AE和消光信号的峰值PE。
出现在导线190上的前向分散信号的高增益通道经过反向隔离放大器237接到一阈值比较器238、一积分器248和一峰值检测器254。阈值比较器238的输出接到一逻辑芯片240，它还从导线242接收一10兆赫的信号。当隔离放大器237的输出超过0.5V时，逻辑芯片240把时钟信号送到计数器244上，而当信号低于0.5V时，逻辑芯片240便停止向计数器244输送时钟信号。计数器244的输出通过导线246接到总线213上，称为TFS。
积分器248的输出通过一模/数变换器250和导线252而接到总线213;同样，峰值检测器254的输出通过一模/数变换器256和导线258接到总线213。它们依次称为AS和PS。
从以上的说明应该意识到在导线212上出现的TB代表一个实体(这里是指一根纤维)的前端从传感器116的光投射到传感器118的光投射所需的时间。因此TB相当于实体前端的速度。在导线214上出现的TE代表实体的尾端从传感器116的光投射到传感器118的光投射所需的时间，因此TE相当于实体尾端的速度。导线224上的TF代表实体完全经过消光传感器116的光投射所需的时间，因此TF相当于实体的尺寸(例如纤维的长度)，而此尺寸能根据实体的速度来确定。导线234上的信号代表由实体所熄灭的光的时间积分，即代表波形下的面积AE。导线236上的计数代表由实体所熄灭的光的峰值PE。在导线246上出现的计数TFS代表实体经过分散传感器128的光投射所需的时间，它相当于由分散传感器128所测量的实体的尺寸(例如长度)。导线252上出现的信号代表由传感器128所检测的被实体分散的光的时间积分AS，而在导线258上出现的信号代表由实体分散的光的峰值PS。
DAB161的功能是用来把来自电光(E-O)传感器82的模拟信号转换成数字信号接到计算机总线213上，分别标作TB212，TE214，TFE224等。这些信号称为E-O参数，它们用来提供实体的信息，在图10的情况下是纤维长度和直径。着重于AFIS-1传感器的共同未决的申请07/493，961一般地公开了如何确定个别纤维实体的长度、直径、细度或老化度信息。该申请也公开了传感器82如何提供棉结和杂质信号。共同未决的申请07/762，905进一步发表了传感器82如何实现杂质的测量，特别是如何判读这种测量。
因此能够意识到图10的DAB161代表在信号处理能力上的重大改进。另外，早期公开的仪器不可能从单一试样同时提供纤维、棉结、杂质等多种实体的数据，而图10的DAB161则具有这种可能性。现对图7所示的优选实施例进行说明如下在图7中传感器82接收和反映由管道102所输送的全部单个实体，因此必须对实体信号或它们的波形进行观察以确定实体是纤维、棉结或杂质粒子。人们发现在共同未决申请07/493，961中公开的改进传感器的方法同改进的信号处理方法相结合(即图10中的DAB161)能够实现这种分类，因此能够满足单试样/多数据产品的需要。图10具体说明了DAB用以确定单个纤维的长度和直径的运行过程，而图11则一段地表示如何从多种实体进行信号的测量且更重要的是进行分类。为了简化图11，不考虑低增益和高增益，也就是说以下给出的所有信号电平都是指高增益通道。数字处理的时间(模/数变换和复位等)也不予考虑，并对所有实体进行观察。因此一个实体到达传感器82的光束便产生图12所示的模拟信号，在图11中的导线212、214、222等上便出现相应的数字信号TB、TE、TF等。
图12说明了由纤维、棉结和杂质粒子在信号线170、180和190上所产生的典型的模拟信号或波形。数据采集板对三个信号的每一个进行测量并把图11所示的TB、TE、TFE、TFS、PE、AE、AS和PS8个参数送到计算机。此8个参数用来对3种实体进行分类、计数和确定尺寸。分类的步骤由图13中的流程图来说明，其逻辑运行如下计算机在方块300处等候DAB发出脉冲峰值超过0.5V已收到的信号。在方块302的初次试验来确定是否在消光通道PE的峰值大于或小于3V。如果PE小于3V，则程序移向方块304，它排除了该脉冲是一棉结的可能性。如果PE大于3V，则该脉冲可能是一杂质粒子或是一棉结，然后软件移到方块306。
如果方块302中PE小于3V而方块304中的TB小于285(即20兆赫时钟的285次计数)，则可获得一小的杂质脉冲。杂质粒子的大小可从PE和杂质计数增量来计算。尺寸的定标在共同未决申请07/762，905中说明。
如果在方块302中PE小于3V而TB在方块304中大于285，软件便排除了棉结或杂质粒子的可能性，并在方块305、310和312中开始一组试验以确定是否脉冲为一可接受的纤维脉冲。如果3次试验都通过，程序便利用TFE、TB和TE来计算纤维长度;利用AE和TFE以及方块314和316中纤维计数的增量来计算其直径。对于短纤维而言，发现优选数值为TB/TE＞4=1.05(在定标时对每一传感器得出的数值)，TFEmin＝100，TFEmax＝10，000。(数值指10兆赫时钟脉冲的计数)。
如果在方块302中PE大于3V，并在方块306中PS/PE小于0.5，则表示是一大的杂质脉冲，杂质粒子尺寸的计算以及杂质计数的增量同前。
如果在方块302中PE大于3V，且PS/PE之比大于0.5，则软件排除了纤维或杂质粒子的可能性，软件在方块309和311中对脉冲进行试验以排除大的纤维团或许多小的纤维缠结，典型的TFE＜X的数据为300。如果两次试验都通过，则被识别为棉结，其尺寸可从AE和TFE313进行计算，同时棉结计数器315进行增量。当每一种实体被识别后，程序控制便回到起动方块A320。
来自DAB的数据同3种实体的关系如图14中的文氏图所示。340、342和344三个圆圈各代表棉结特性、杂质粒子特性和纤维特性。共同的特性，例如对棉结340和杂质344的PE、TB和TE，是位于相交的区域346内。区别各种粒子的特性则在340、342和344三个圈的外部。利用这些参数关系可以得到图13的流程图。
在以上所述的系统中，粒子被广义地分成纤维、棉结或杂质。下面将描述系统的两种变形。一种是把杂质进行细分类，另一种是把棉结进行细分类。这些系统的变形根据粒子特定应用的需要可以单独使用，也可结合使用。
在说明棉结细分类程序之前，先观察一下图15可对纺织棉结的性质有充分的了解。如前所述，棉结一般可分为几种类型由机械产生的棉结、有光泽的棉结和棉子壳碎片。如图15所示，棉子壳碎片400一般由在一片棉籽402上所附着的棉纤维402所构成。一个由机械产生的棉结406一般是由一纤维缠结的核心408同松散的尾端纤维410相结合而形成的。最后，一个光泽的棉结412一般由一不成熟纤维紧密缠结的核心414同一松散的尾端纤维416所组成。另外，棉子壳碎片还可分为成熟的或不成熟的碎片。由机械产生的棉结也可再细分为在紫外光下会发生荧光的涤纶棉结和不会发生荧光的其他类别。
在图16a和16b中表示了另一种光电传感器418和数据采集电子电路161。这种取代的实施例能提供棉结和杂质的补充信息以进一步表征它们的特性。这另一种光电传感器418包括两个辐射源一个具有波长约为880毫微米的红外光源420和一个波长约为370毫微米的紫外光源。这两个光源在气流室104中通过两个反向喷嘴106和110之间的间隙424而传播，以形成一个红外光束426和紫外光束428。红外光由一组消光检测器430和432所接收，用以测量通过光束426的实体尺寸和速度，如前所述。在一取象透镜436的后面设有一第二检测系统434用以采集由实体以30°～50°的角度所分散的光。此系统434包括一分光镜438和两个检测器440和442。分光镜438把大约一半的光照射到一荧光检测器442用以探测蓝色可见光(波长为440～480毫微米)，剩下的一半光照射到一红外检测器440用以探测近红外光(波长约880毫微米)。检测器442能反映涤纶通过紫外光束428时发生的荧光(蓝色光)。所有其他普通的纺织材料如棉花和人造丝等不会产生足够程度的紫外荧光。近红外检测器440能反映实体所分散的880毫微米的光。这个分散的红外光如前面关于图11的传感器所述能提供粒子的表面特性。
图16b表示图16a的传感器418与数据采集板161-G之间的相互连接。来自两个消光通道的信号VE1和VE2如同前面关于图10和图11中所述一样在数据采集板(DAB)161-G中进行处理，以提供粒子的速度。粒子的速度在纤维棉结的分类中至关重要，因为它与实体的质量有关。质量较大的粒子例如棉子壳棉结在喷嘴106倾斜段的气流12中的加速不象质量较小的粒子那么大，因此在测量区内具有较低的速度。
如前面对图11所说明的一样，对第一消光通道信号VE1进一步处理以求得信号的峰值(PE)、超过阈值波形的积分值(AE)以及超过阈值波形的持续时间(TFE)。同样，来自红外分散检测器440的分散通道信号VS如前所述一样经过处理而产生PS、AS和TFS。来自荧光检测器442的信号VUV同一阈值比较器444相连接，其阈值的设定是使它能反映超过系统电子噪声的任何较大数值的蓝色可见光，比较器444的输出施加在总线213上。典型的棉结、有光泽的棉结和棉子壳棉结的波形图如图17所示，其中还标出了波形参数。有了这些波形的概念后，对下面所述的棉结分类方法便能很好地理解。
棉结的分类可按照在图18中以流程图的方式来说明。如图19所示，分类方法的目的是把棉结分成几组，即由机械产生的棉结、有光泽的棉结和棉子壳棉结;这些分类又在图19中进行细分，如下所述。
在计算机18上进行的程序在方块446中等候直到在通道之一上出现一波形为止。然后开始一连串3个屏幕试验来确定它是否符合棉结类型之一。如果3个试验都不符合便进入下面所述的杂质分类程序。在第一个试验中TFE之值必须足够小，以排除对大团纤维进行计数的可能性，同时程序检查TFE是否小于X值。方块448的参数X与流量有关，并一般可这样来选择使它在使用现有的AFIS仪时排除持续时间大于30微秒的信号。第二，信号的峰值必须大于21.3伏，如方块450所示。这样就限定了被定为棉结的最小纤维团。第三，信号必须包括由PS/PE的比值确定的关于准备在方块452中进行处理的分散通道的足够的信息。任何信号若其比值小于0.5，则可定为并非由纤维组成，也就是说它一般是属于杂质粒子的信号，因而在棉结分类中不予考虑，但可进一步作为杂质粒子来分析。
在方块454中，根据紫外光通道信号的峰值是否大于阈值电压(VUT)来检查紫外光通道(比较器444的输出)以确定实体是否属于一涤纶棉结。如果是的话，便在方块456和458中计算涤纶棉结的尺寸。如果在紫外光通道上没有发现信号，程序便转入方块460再对PS/PE的比值进行试验以确定实体是否属于有光泽的(不成熟)的或成熟的棉结。如果比值小于或等于0.75，则实体可能是一个不成熟的棉子壳棉结或有光泽的棉结，然后通过方块462的速度试验来确定究竟属于何种实体。如果速度大于Y，程序便把它定为一有光泽的棉结，如方块466所示。如果速度小于Y，则实体被定为一不成熟的棉子壳棉结，如方块468所示。
方块462和464中的变量Y与流速有关且是对特定系统的气流参数经过优化的校正参数(以米/秒(m/s)计)。对于一运行在3.9英尺3/分的系统而言，典型的Y值为60米/秒。一旦粒子被定为一棉子壳棉结或有光泽棉结之后，程序便进入方块456和458进行尺寸确定。不言而喻也可采用单独的算法来确定不同棉结类别的尺寸。
在此程序中所用的速度最好取平均速度，它可按下法计算取TB和TE的平均值，并把图7中检测器116和118或图16中检测器430和432之间的有效距离除以平均时间而求得。也可采用其他的速度计算和测量，例如仅根据TB或TE或根据一经过加速度校正的时间，如在1992年12月31日申请的题为“用机械和电子方法对流体流中的实体进行外形校正的方法和装置”，卷号为48122.00的共同未决申请中所述。Y值必须根据系统的流速和速度计算的方式来进行校正。由于机械的棉结与成熟的棉子壳棉结之间存在速度差异，所以上述任何一种速度计算均可用来区分这两种棉结。
如果方块460中的PS/PE之比并不是小于或等于0.75，则实体可能是属于一成熟的实体，于是程序进入方块464进行试验以确定是否存在一成熟的棉子壳棉结。如果速度小于Y便可确定存在一成熟的棉子壳棉结，然后在方块470中实体被定为一成熟的棉子壳棉结，并进行下一步的计算。如果速度大于Y，说明并无棉子壳棉结存在，因此在方块472中实体被定为一成熟的棉结，然后进行尺寸计算。
方块456和458中所提出的尺寸计算程序通过一校正常数K1(微米/伏)把消光通道上的峰值PE转变为一物理尺寸(棉结直径)。在本实施例中，棉结长度最好通过把TFE乘以校正参数K2来确定，这里K2如前所述是由消光检测器430和432所检测的速度。
于是，诸如直径的标准偏差、每种类型中单位重量的粒子数、以及尺寸频率直方图等统计数据可藉计算机18(图1)根据分类来计算。
利用上面所讨论的系统和方法还能对棉结进行细分类。例如在棉纤维中有一种粘性棉结或“点”，它主要是由收割棉花时带进的昆虫糖所引起的。这种粘性棉结能粘结在加工机械上而造成干扰。为了检测上述系统中的粘性棉结，红外光束的频率最好选择为专门适用于棉花中的糖份并防止被水份所吸收。当在传感器418中出现一粘性棉结时，红外光将被强烈地吸收，因而被消光检测器430和432所检测。因此，一旦棉结用上述方法鉴定之后，它还可通过确定糖份红外光的吸收是否超过一预定阈值来进一步细分为粘性棉结或“点”。所选的阈值应根据特定的系统来进行定标，而且随不同产地的不同棉花品种而变动。
以上叙述了棉结的细分类系统，现在再来说明杂质的细分类系统。但在叙述以前最好参阅图20和21所示的馅饼形统计图和各种杂质的图形以便对杂质特别是棉花杂质有充分的了解。如图20所示，杂质可分成两大类;纤维状的和其他类。这里“其他”类并不一定是指非纤维状的，例如纤维碎片由于其长度很短而被划入其他类。可见杂质是按其物理特性来分类的。一般地说，杂质的纵横比如果等于或大于3，则可认为属于纤维状的。
从图20和21可见树皮、树叶和草的纵横比大于3，因此被定为纤维状。片状杂质的纵横比小于3，因而定为“其他”类;同样，厚的杂质、灰尘和纤维碎片的纵横比均小于3，所以属于“其他”类。图21中所示的厚的杂质是一个上面只附有少量纤维的厚的棉子壳碎片或者是一个树皮的碎片。一般地说，厚的杂质是具有一近似于球状或立方体几何形状的杂质。其确切的定义与下面所述的分类程序中所选的参数有关。
现在来看图22a所示的杂质分类流程图。程序从标有T的圆开始，从图18可见棉结程序中设有3个不同点把控制程序转移到杂质程序去。因此如果需要的话，棉结细分类程序同杂质细分类程序能一起运行。当然杂质程序能够独立运行，而且在人们知道同一特殊的或单独的传感器系统仅为了探测杂质时，最好采用此独立运行的方法。
杂质细分类的第一步是方块470，在其中计算出实体的速度。在本实施例中速度(S)最好通过把一常数(DCONST)除以TB和TE的平均值(TB+TE2)来计算。这里DCONST是图7中消光传感器116和118之间或图16中所示的消光传感器430和432之间的有效距离。当然，如果照射在检测器430和432上的光束426是收敛的或发散的，则DCONST还需进行适当校正以补偿由于光束的发散或收敛所造成的放大或缩小。
如方块472所示，下一步是利用公式L＝S×TFE来计算实体的长度，这里TFE是实体经过消光传感器之一所需的时间，L为长度，S为速度。在判定步474中长度与一最小长度LMIN相比较，如果L不大于LMIN，程序便进入用476标注的U点，并转移到程序的另一段，在后面另作说明。如果L大于LMIN，程序进入方块478并计算出纵横比(AR)，它代表长度(L)对平均直径(DAV)的比值，此处DAV可用公式DAV＝AE/TFE计算。程序进行到判定步480时，如果纵横比AR不大于ARMIN，则实体被认为一片状，而程序进入用482标注的“V”点。如果AR大于ARMIN，程序便继续进行到判定步484。如前所述通过一般工业协议，纵横比大于3的实体可定为纤维状的，因此在优选实施例中ARMIN选择等于3。但是根据其应用，判定步480中的ARMIN值可视需要而改变。例如在某些应用中，工业标准可把纤维状的定义为纵横比大于10。
在判定步484中，程序把DAV同一最小阈值(DMIN)相比较。如果DAV不大于DMIN，程序转向方块486，把确认为由纤维产生的数据抛弃。如果DAV大于DMIN，程序便进入判定步488以确定速度是否大于最大树皮速度(SBM)。如果S大于SBM，程序把实体定为纤维状的杂质，并计算杂质的长度和直径。杂质的直径可用DAV乘上一常数K3来确定，K3是用实验方法确定的定标系数。如果S不大于SBM，程序便把杂质定为树皮杂质，并算出其长度和直径，同样如方块492所示，直径是等于K3×DAV。
再回到判定步474，这里重申若L不大于LMIN，程序将在U点转入图22b所示的子程序。在图22b中，第一判定步494把峰值电压(PE)同一阈值(PKDUST)相比校。如果PE大于PKDUST，程序移向判定步496，把速度与常数(SSCFM)相比较(SSCFM代表棉子壳碎片极大值)。如果S大于SSCFM，如方块497所示，程序把实体定为片状杂质并算出其直径等于K4× 。如果S不大于SSCFM，程序移向方块448，把实体定为厚杂质并算出其直径等于K4× 。这里K4为定标系数而常数PKDUST的选择应使当粒子直径大于500微米时PE值应大于PKDUST。
再来看判定步494，如果PE不大于PKDUST，程序便移向判定步500以确定速度(S)是否大于一常数(SDUST)。如果是的话，程序在方块502中把实体定为纤维碎片并算出纤维碎片的数目。如果为否的话，程序把实体定为灰尘，并在方块504中算出其直径等于K4× 。
对于图22a和22c，这里重申如果AR不大于一常数(ARMIN)，程序便移到482点而重新执行另一子程序V。此子程序从506步开始，它把速度与常数(SSCFM)进行比较。如果S大于SSCFM，程序把实体定为片状杂质并算出直径为K5×PE。如果S不大于SSCFM，程序把实体定为厚杂质，同样算出其直径为K5×PE。
对杂质分类程序进行描述以后，下面还将提供一些有关本发明的特殊应用的附加细节。这些细节应看作是例子而并不是限制。
例如定标系数K1、K3-K5是通过将已知的实体放入系统而用实验方法来确定的。这些参数(K1、K3-K5)可能是常数，也可能是曲线。在优选实施例中K4是以查阅表(PE)、有关选择峰值消光信号(PE)和有关的直径的方式储存在计算机18中的曲线。当PE被探测时，利用查阅表便可找出直径，必要时可采用内插法。
在判定步474中，实体的长度对LMIN进行试验。推荐LMIN取1毫米，但也可选择其他尺寸。在此特殊应用中选择此尺寸的原则是长度小于1毫米的实体是属于“其他”杂质而并非纤维状杂质。
在判定步480中，如前所述推荐ARMIN等于3。这意味着对于分类的杂质的实体其纵横比必须为3，否则将定为“其他”。在步484中，杂质直径同DMIN相比较。DMIN推荐取120微米，它相当于上述AFIS电路中的12状。这一测试的潜在理由在于保证不将纤维判别为杂质。如果DAV不大于120微米，该数据据便被定为非杂质的纤维数据而抛弃。在判定步488中对两种纤维状杂质的速度进行区分测试。被定为纤维状杂质的草和树叶杂质在一加速气流中将比树皮杂质(也属于纤维状)行进得更快，因为树叶和草类杂质比较疏松而质量较小。而树皮由于其质量和密度较大，所以其行进速度比草和树叶为低。
在判定步494中完全是根据大小来决定的。如果一实体小于工业标准的分界500微米，程序便将它定为灰尘或纤维碎片。在判定步500中推荐取SDUST为64米/秒。此常数与特定系统中的气流速度密切有关，因为象灰尘和纤维碎片这样极其微小的粒子将近似地随着气流的速度而运动。
在判定步496和506中又是按照速度来分类。在此特殊应用中，SSCFM选为30米/秒，其功能是区分片状杂质与厚杂质。在此情况下，片状杂质比厚杂质有较大的每单位重量的表面积，因此在加速的气流中运动得较快。SSCFM的实际数值可通过喷射已知的片状杂质和已知的厚杂质并观察它们的速度来进行定标而确定。如前所述，这些特定的数字应看作为实例，而将随着气流速度、喷嘴结构、传感器系统和放大系统等而变化。
必须注意以上所给出的数值是用于参照图10、11和16a所描述的系统中。如果采用不同的增益值或以不同的部件来取代时，这些数值自然必须改变以使之与改进的系统相一致。对于一个新的系统，确定这些数值的方法之一是使一系列已知实体通过传感区并测量特性参数的数值。然后可将这些提供给用以对未知测试试样执行分类程序的计算机。还必须注意图16a的传感器与图11的传感器相同，只是增加了紫外光源422、分光镜438、荧光检测器442、以及有关的电子电路，其他部件功能基本上与前面所述的相同。
虽然在前面的详细叙述中说明了本发明的几种实施例，但必须了解本发明能够进行多种重新组合、改进或部件取代而不偏离后面所附的本发明权利要求的范围。
权利要求
1.一种用以测量至少含有棉结的纺织材料试样中实体特性的设备，其特征在于包括用以提供一纺织材料试样的供应装置；一个具有处理器输入和处理器输出的处理装置，所述处理器输入能接收来自所述供应装置的纺织试样，所述处理装置能实现所述试样的处理，把试样中的实体互相分开，分离试样中的实体而产生单独实体，并以分离的状态在所述的处理器输出将实体送出；传感装置；用以把所述实体中的单个实体输送到所述传感装置的运输装置；所述传感装置能从每一单独纺织材料的试样中探测包括棉结在内的一部分实体的至少一种特性，并产生一相应于所述探测实体特性的特性信号；一个分析装置用以接收和分析所述特性信号，并区分和鉴别相应于棉结的特性信号；一个附属分析装置用以接收所述特性信号，分析由所述分析装置所鉴别为棉结的特性信号，并进一步将特性信号分类为相当于几种棉结类型中的哪一种。
2.根据权利要求1的设备，其特征在于所述的传感装置包括一个第一光源用以产生光并沿着第一光通道而照射到所述传感器中待探测的实体上;一个第二光源用以产生光并沿着第二光通道而照射到所述传感器中待探测的实体上;一个设在第一光通道中的消光传感器，使待探测的实体在所述第一光源与所述消光传感器之间通过，用以探测光并产生一相当于在所述传感器中被实体所遮挡的光的输出，也就是产生一相当于所述消光的消光信号;一个前向分散传感器用以接收实体在通过所述的第一和第二光通道时所分散的前向分散光，以探测在传感器中由实体前向分散的光并产生一相当于从实体前向分散的光的前向分散信号;其中所述附属分析装置还包括用以把所述消光信号与所述前向分散信号相比较的装置;根据所述比较中的至少一部分结果来确定所述信号是否相当于一棉结，并将信号进一步区分和分类属于棉结几种类型中的哪一种。
3.根据权利要求1的设备，其特征在于所述传感器包括一个第一光源用以产生光并沿着第一光通道而照射到所述传感器中待探测的实体上;一个第二光源用以产生光并沿着第二光通道而照射到所述传感器中待探测的实体上;一个设在第一光通道中的消光传感器，使待探测的实体在所述第一光源与所述消光传感器之间通过，用以探测光并产生一相当于在所述传感器中被实体所遮挡的光的输出，也就是相当于所述消光的消光信号;一个前向分散传感器用以接收实体在通过所述的第一和第二光通道时所分散的前向分散光，以探测在传感器中由实体前向分散的光并产生一相当于从实体前向分散的光的信号;所述前向分散传感器还包括一个第一传感器用以接收至少一部分由探测实体所前向分散的光，以及适宜于反映从所述第一光源所前向分散的光以产生一相当于接收到的前向分散光的分散信号;一个第二传感器用以接收至少一部分由探测实体所前向分散的光，以及适宜于反映所述实体在所述第二光源的通道中所发射的光;所述的发射光是由实体所发射的荧光，所述第二传感器并不反映来自所述第一光源的前向分散光，它用以产生一相当于接收到的光的荧光信号;其中所述的附属分析装置还包括一比较装置用以把所述消光信号同所述的分散信号相比较，检测有无荧光信号的存在，并根据至少一部分比较结果和存在的荧光信号来确定一特定的信号是否相当于一棉结，并将信号段区分为相当于几种棉结类型中的哪一种。
4.一种用以测量在含有纤维、杂质和棉结的纺织材料试样中的实体特性的设备，其特征在于包括一个用以提供纺织材料试样的供应装置;一个具有一处理器输入和一处理器输出的处理装置，所述处理器输入能从所述供应装置接收纺织材料的试样，对试样进行处理使含有纤维、杂质和棉结的实体互相分开，分离所述实体而产生单独实体，并以分离的状态在所述处理器输出把实体送出;用以探测所述实体特性的传感装置;包括一气流的运输装置用以把来自处理装置的实体在气流中输送通过所述传感装置;所述传感装置包括一个包括把实体输送通过所述传感器的气流的传感器输送装置;一个第一光源用以产生光并沿着第一光通道而照射到所述传感器中待探测的实体上;一个设置在传感器内位于所述传感器气流一侧的第一消光传感器用以探测由所述传感器中所述实体通过所述第一光通道时所引起的光干扰，并产生一相当于由所述传感器内的所述实体所引起的消光的第一消光信号;一个设置在所述传感器中位于所述传感器气流一侧的第二消光传感器，它与所述的第一消光传感器相邻并对所述气流而言它位于第一消光信号传感器的下游，所述第二消光传感器用以检测在所述传感器中的实体通过所述第一光通道时所引起的光干扰，并产生一相当于所述传感装置中所述实体所引起的消光的消光信号;一个第二光源用以产生紫外光并沿着第二光通道照射到所述传感装置中所述气流中的实体上;光的采集和照射装置用以采集通过所述第一和第二光源的第一和第二光通道的实体所前向分散的光，并将这种光沿着第一所需的通道而照射;设在所述光的采集和照射装置所投射的光通道中的分光装置，用以使所述的采集和照射装置所照射的一部分光继续在第一所需通道上照射而使其余部分的光沿着第二所需通道而照射;设置在所述第一所需通道中的前向分散传感器用以反映来自所述第一光源的前向分散光并产生一相应于所接收的前向分散光的前向分散信号;设置在所述第二所需通道中的荧光传感器用以反映所述实体在所述第二光源通道中所发射的前向分散光，所述的发射光是由于实体发射荧光的结果，所述荧光传感器并不反映来自所述第一光源的前向分散光，它用以产生一相当于所接收到的光的荧光信号;分析装置用以接收所述第一和第二消光信号、所述前向分散信号、以及所述荧光信号作为特性信号，并对所述特性信号进行分析以鉴别所述特性信号段相当于所述的纤维、杂质或棉结中的哪一种;所述的分析装置还能实现以下功能;把所选择的一个所述的第一消光信号、第二消光信号或前向分散信号同一预定的阈值相比较;如果所选择的一个信号超过阈值，再把所述第一或第二消光信号同前向分散信号相比较;当所选择的一个信号超过阈值并且前向分散信号与一个消光信号之比超过一预定的比值时，产生一棉结检测信号并根据所述特性信号的数值以及有无来自所述荧光传感器的荧光信号来鉴别信号并根据所述特性信号的数值以及有无来自所述荧光传感器的荧光信号来鉴别信号相当于几种棉结类型中的哪一种;当所选择的一个消光信号超过阈值而前向分散信号对所述消光信号之一的比值并未超过预定的比值时产生一杂质检测信号;如果所选择的一个消光信号并未超过阈值，便把所述的一个消光信号的幅值与所述的一个消光信号的持续时间相比较，并根据这种比较的部分结果来确定实体是否为一纤维或杂质。
5.一种用以测量和分类一个至少含有棉结的纺织材料试样中的实体特性的方法，其特征在于包括提供一纺织材料试样;处理试样以产生分离的单独实体;提供一传感区;输送实体通过传感器;从每一单独实体探测一部分含有棉结的实体的至少一种特性，并产生相当于所探测到的特性的特性信号;分析所述特性信号以鉴别相当于棉结的特性信号;对所述相当于棉结的特性信号进行细分析，并进一步将特性信号分类为至少相当于棉结几种类型中的一种。
6.根据权利要求5的方法，其特征在于所述的探测步骤还包括投射一紫外光束通过传感区照射到被运送通过传感区的实体上;探测由实体经过紫外光时所发射的荧光并产生一相当于所发射荧光的特性信号;所述的细分析步骤还包括分析相当于所发射荧光的特性信号并鉴别实体中是否含有涤纶。
7.根据权利要求5的方法，其特征在于所述探测步骤还包括投射一光束穿过传感区使被输送通过传感区的实体通过此光束;在传感区的一侧互相靠近的位置上设置第一和第二消光传感器，使光束能照到传感器上并使被输送的实体能在光源和消光传感器之间通过;在传感区的一侧设置一前向分散检测器使在光束中从实体所前向分散的光照到前向分散检测器上;在消光传感器和前向分散检测器上产生一相当于探测实体特性的特性信号;所述的细分析步骤还包括对特性信号的分析和比较以区分实体为一棉子壳碎片或棉结并进一步区分实体是成熟的或不成熟的。
8.根据权利要求5的方法，其特征在于其附属分析步骤还包括根据特性信号来确定所探测实体的尺寸。
9.一种用以对单个纺织实体按类型进行分类并确定实体至少一种特性的方法，其特征在于包括以下步骤提供一探测区;产生和照射第一光束使它通过探测区;产生和照射第二光束使它通过探测区;在探测区的一侧，面对第一光束设置相邻的第一和第二消光传感器，使第一光束照射到消光传感器上;在探测区的一侧设置一前向分散检测器使至少有一部分被物体通过第一光束时所前向分散的光照射到前向分散检测器上;在探测区的一侧设置一荧光检测器使至少有一部分由物体通过所述第二光束时所发射的荧光照射到荧光检测器上;产生一气流并引导它通过探测区，使它通过第一和第二光束并在第一光束与第一和第二消光检测器之间通过;把待测的实体引入气流中;当实体在第一光束和第一消光检测器之间通过时，在第一消光传感器上产生一相当于由实体通过第一光束时所引起的光干扰的第一消光信号;当实体在第一光束和第二消光传感器之间通过时，在第二消光传感器上产生一相当于由实体通过第一光束时所引起的光干扰的第二消光信号;当实体经过第一光束时产生一相当于前向分散光束的前向分散信号;当实体通过第二光束时产生一相当于由实体所发射的荧光的荧光信号;根据第一和第二消光信号中之一产生一相当于实体尺寸的消光尺寸信号;确定第一和第二消光信号中至少一个信号的峰值，并产生一相当于第一和第二消光信号中之一峰值的峰值消光信号;确定前向分散信号的峰值并产生一相当于前向分散信号峰值的峰值分散信号;把消光尺寸信号同一预定的阈值相比较并确定消光尺寸信号是否小于第一阈值;如果消光尺寸信号小于第一阈值，便把峰值消光信号同一预定的第二阈值相比较，并确定峰值消光信号是否大于第二预定阈值，如果消光尺寸信号大于第一阈值，便把实体定为杂质;如果峰值消光信号大于第二阈值，求出峰值分散信号对峰值消光信号之比的峰值比，并把峰值比同一预定的第三阈值相比较来确定峰值比是否小于第三阈值，如果峰值消光信号小于第二阈值，则实体粒子便定为杂质;如果峰值比小于第三阈值，便把荧光信号同一预定的第四阈值相比较，确定荧光信号是否大于第四阈值，如果峰值比小于第三阈值，则实体被定为一杂质;如果荧光信号大于第四阈值，便把实体定为一涤纶棉结，然后根据峰值消光信号和消光尺寸信号来确定棉结的尺寸并将信息储存起来，然后为下一个实体重新设定传感器，如果荧光信号小于第四阈值，则实体被定为一非涤纶实体。
10.根据权利要求9的方法，其特征在于还包括以下步骤如果荧光信号小于第四阈值，便把峰值比同一预定的第五阈值相比较以确定峰值比是否大于第五阈值;确定实体的速度;如果峰值比小于或等于第五阈值，便把实体速度同一预定的第六阈值相比较以确定速度是否大于第六阈值，如果速度大于第六阈值，实体便定为一成熟的棉子壳碎片，然后确定棉子壳碎片的尺寸并将信息储存起来，如果速度不大于第六阈值，则实体被定为一成熟的棉结，然后确定成熟棉结的尺寸并储存信息;如果峰值比不小于或等于第五阈值，便把实体速度同第六阈值相比较以确定速度是否大于第六阈值，如果速度大于第六阈值，实体被定为一不成熟棉子壳碎片，然后确定不成熟棉子壳的尺寸并将信息储存，如果速度不大于第六阈值，则实体便定为一有光泽的棉结，然后确定有光泽棉结的尺寸并将信息储存。
11.根据权利要求9的方法，其特征在于确定实体尺寸的步骤还包括以下步骤把峰值消光信号乘以一直径定标常数来确定实体核芯的直径;把消光尺寸信号乘以一长度定标常数来确定实体的长度。
12.根据权利要求1的设备，其特征在于所述的分析装置是一个具有数字信号处理装置的计算机。
全文摘要
本发明公开了一种用以测量和分类纤维试样中的棉结类单独实体的设备和方法。该设备包括一纤维试样处理器用以将纤维试样分离成单独的实体，并把实体提供到一气流中。气流输送实体通过一探测区藉光电传感器产生相当于通过探测区的实体的特性信号，然后经过分析以确定通过探测区的实体是否为一棉结，并进一步按照棉结的种类进行分类。因此对一个棉结类的实体能够区分出是一个涤纶(聚酯)棉结、纤维棉结或棉子壳碎片，并可进一步区分为一成熟实体或不成熟实体。
文档编号G01N15/00GK1100477SQ94101130
公开日1995年3月22日 申请日期1994年1月11日 优先权日1993年1月11日
发明者F·M·索夫纳, J·C·包德温, M·E·加力昂, Y·T·朱 申请人:泽韦格乌斯特(美国)有限公司